Una deuda histórica de la estadística es establecer causalidad no solamente correlación.  Existen múltiples ejemplos, unos muy clásicos, de correlación espuria (vea https://en.wikipedia.org/wiki/Spurious_relationship ).  Hay múltiples ejemplos de series de tiempo, por ejemplo, que suelen estar correlacionadas, pero que esto no implica una relación de causa y efecto.  Como por ejemplo, el número de cigüeñas regresando a una población en Holanda y el número de nacimientos, ¿qué se puede concluir? (por tradiciones, las parejas preferían casarse en el solsticio de Junio y las cigüeñas regresan de su migración al inicio de la primavera, ¡9 meses han pasado desde Junio!).  Hay varios tipos de correlación espuria, como por ejemplo: Por que las variables responden ambas a una variable “oculta” común, por coincidencias temporales sin relación causa-efecto, por mero azar que parece conformar una causa-efecto, etc.

Pero ¿como ir más allá de correlación y establecer causalidad? En este taller trataremos el tema desde el principio, viendo las herramientas, tanto teóricas como prácticas.  La presentadora del taller es la Dra. Karla Díaz-Ordáz, del U. College London, UK, experta y con múltiples artículos de investigación en el tema.  El taller va a ser impartido en Español por Karla y estará dirigido a Matemáticos/Probabilistas/Estadísticos.  Habrá sesiones teóricas en la mañana, y sesiones de prácticas en la tarde.

También tendremos tres pláticas especializadas en Inferencia Causal por expertos en el tema, como se describe en el programa.

Conferencistas:

• Karla Díaz-Ordaz, U. College London, UK.
• Alejandro Schuler, U. California, Berkeley, USA.
• Antonio Linero, U. Texas, Austin, USA.
• Andrea Rotnitzky, U. Washington, Seattle, USA.

Organizador:

• Andrés Christen, CIMAT-SECIHTI, México.