Inferencia Causal En Python: Aplicación De La Inferencia Cau

Descripción

¿Cuántos compradores generará un dólar adicional de marketing en línea? ¿Qué clientes solo comprarán si reciben un cupón de descuento? ¿Cómo se establece una estrategia de precios óptima? La mejor manera de determinar cómo afectan las palancas de las que disponemos a las métricas empresariales que queremos impulsar es mediante la inferencia causal.
En este libro, el autor Matheus Facure, científico sénior de datos de Nubank, explica el potencial, en gran medida desaprovechado, de la inferencia causal para estimar los impactos y los efectos. Los gerentes, los científicos de datos y los analistas de negocios aprenderán los métodos clásicos de inferencia causal, como los ensayos de control aleatorios (pruebas A/B), la regresión lineal, la puntuación de propensión, los controles sintéticos y la diferencia en las diferencias. Cada método va acompañado de una aplicación en la industria que sirve de ejemplo básico.
Con este libro, usted: Aprenderá a utilizar los conceptos básicos de la inferencia causal Enmarcar un problema empresarial como un problema de inferencia causal Comprender cómo el sesgo se interpone en el camino de la inferencia causal Aprenda cómo los efectos causales pueden diferir de una persona a otra Utilice las observaciones repetidas de los mismos clientes a lo largo del tiempo para ajustar los sesgos Comprenda cómo los efectos causales difieren entre las ubicaciones geográficas Examine el sesgo de incumplimiento y el efecto de dilución ción