Cette œuvre est une traduction autorisée du livre initialement écrit en anglais par Matheus Facure. Ce travail vise à développer l'intérêt pour l'inférence causale au sein de la communauté francophone, en fournissant un matériel accessible aux courageux et vrais qui ne sont pas très familiers avec la langue anglaise. Il s'agit d'une traduction libre, et le français n'est pas ma langue maternelle. Elle peut donc contenir des imprécisions ou des erreurs.
J'espère que ça vous aidera dans vos études,
Arthur
Une approche légère mais rigoureuse pour apprendre l'estimation d'impact et l'analyse de sensibilité. Tout en Python et avec autant de mèmes que possible.
Si vous voulez lire le livre en portugais brésilien, @rdemarqui a fait cette superbe traduction : Inferência Causal para os Corajosos e Verdadeiros
Si vous voulez lire le livre en chinois, @xieliaing a eu la gentillesse de faire une traduction : 因果推断：从概念到实践
Si vous voulez lire le livre en espagnol, @donelianc a eu la gentillesse de faire une traduction : Inferencia Causal para los Valientes y Verdaderos
Si vous voulez le lire en coréen, @jsshin2019 a mis en place une équipe pour rendre cette traduction possible : Python으로 하는 인과추론 : 개념부터 실습까지
En outre, des personnes vraiment gentilles (@vietecon, @dinhtrang24 et @anhpham52) ont également traduit ce contenu en vietnamien : Nhân quả Python
Je considère toute cette série comme un hommage à Joshua Angrist, Alberto Abadie et Christopher Walters pour leur incroyable cours d'économétrie. La plupart des idées ici sont tirées de leurs cours à l'American Economic Association. Les regarder m'a aidé à garder ma santé mentale pendant cette année difficile de 2020.
Je voudrais également faire référence aux livres extraordinaires d'Angrist. Ils m'ont montré que l'économétrie, ou « Metrics » comme ils l'appellent, est non seulement extrêmement utile mais aussi profondément amusante.
Enfin, je voudrais mentionner le livre de Miguel Hernan et Jamie Robins. Il a été mon fidèle compagnon dans les questions les plus épineuses d'inférence causale auxquelles j'ai dû répondre.
L'Inférence Causale pour les Courageux et les Vrais est une ressource open-source principalement axée sur l'économétrie et les statistiques scientifiques. Elle utilise exclusivement des logiciels gratuits, basés sur Python. L'objectif principal est de garantir l'accessibilité, non seulement d'un point de vue financier mais aussi intellectuel. J'ai fait de mon mieux pour rendre le contenu divertissant tout en maintenant la rigueur scientifique nécessaire.
Si vous souhaitez montrer votre appréciation pour ce travail, envisagez de vous rendre sur https://www.patreon.com/causal_inference_for_the_brave_and_true. Alternativement, vous pouvez acheter mon livre, Causal Inference in Python, qui fournit plus d'informations sur l'application de l'inférence causale dans l'industrie.