Couvre l'analyse causale des données d'observation, des pièges, des outils permettant de tirer des conclusions valables et d'aborder les variables confusionnelles.
Explore l'évaluation de la réglementation du marché, en se concentrant sur le trading à haute fréquence et l'impact des changements réglementaires sur la liquidité et la qualité du marché.
Explore les défis des études observationnelles, en soulignant l'importance de la randomisation et de l'analyse de sensibilité pour tirer des conclusions valables à partir de «données trouvées».
Explore les défis que pose l'insertion de paramètres épidémiologiques à partir des données cliniques, en mettant l'accent sur la COVID-19 et la complexité de l'estimation des rapports de fatalité des infections.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Examine la dépendance statistique, la confusion et les méthodes d'inférence causale, en mettant l'accent sur la distinction entre les approches existantes et nouvelles.
S'insère dans la conception expérimentale en génomique, mettant l'accent sur la réplication, la randomisation et le blocage pour réduire le biais et contrôler la variation.
Couvre les bases du traitement de l'eau et des eaux usées, y compris les antécédents de traitement des eaux usées, les polluants indésirables et les performances de traitement.
