Sobre o curso
Coordenação:
Sílvia Regina Morais
Carga horária:
8h
Datas:
22/05/2026, das 14h às 18h
23/05/2026, das 8h30min às 12h30min
Público-alvo:
Alunos de graduação e pós-graduação. Pesquisadores. Profissionais de órgãos públicos e privados.
Ementa:
Fundamentos da inferência causal. Contrafactuais. Estimandos causais. DAG's. Critérios de identificação causal.
Objetivo:
Introduzir os conceitos fundamentais de inferência causal e suas aplicações. Diferenciar a estatística clássica da inferência causal. Delinear os métodos mais básicos de análise causal.
Resumo da Proposta:
O curso apresenta os fundamentos da inferência causal, abordando conceitos e ferramentas para analisar relações de causa e efeito em diferentes contextos. A ementa inclui contrafactuais, estimandos causais e o uso de DAGs (Directed Acyclic Graphs) para representar relações entre variáveis, além dos critérios de identificação causal, que orientam quando e como um efeito pode ser estimado com base nos dados.
Conteúdo Programático:
1. Fundamentos da inferência causal.
1.1. Experimentos randomizados vs. estudos observacionais
1.2 Respostas potenciais. Contrafactuais.
1.3 Efeitos causais individuais e o problema fundamental da I.C.
1.4 Medidas de efeito causal populacionais
1.5 Modelos associativos vs modelos causais
2. Representação gráfico de efeitos causais. DAGs.
2.1 Conceitos básicos da teoria de grafos
2.2 Probabilidades condicionais vs DAG’s
2.3 Padrões fundamentais de dependência (bifurcações, cadeias e colisores)
3. Equações estruturais e intervenções.
4. DAGs vs respostas potenciais
4.1. Intervenções vs. DAG’s
5. Confundimento e identificação do efeito causal
5.1 Paradoxo de Simpson.
5.2 Viés de seleção. Paradoxo de Bergson
5.3 Os critérios backdoor e frontdoor
6. Aplicações e estudos de caso
Recursos:
Aula expositiva.
Leituras recomendadas:
Hernán, M. e Robins, J. (2020). Causal Inference: What If. Chapman & Hall /CRC.
Pearl, J., Glymour, M. e Jewell, N. (2016). Causal Inference in Statistics: a Primer. Wiley.
Taddeo MM, Amorim L, Aquino R (2023) Diagramas causais e equações estruturais na avaliação de políticas públicas, In: Avaliação de Impacto das Políticas de Saúde: Um Guia para o SUS, Capítulo 8, 249-285.
Faça o download da ementa do curso
Docente
Marcelo Magalhães Taddeo
Bacharel em Matemática Pura (2001), mestre em Matemática Aplicada (2003) e Doutor em Estatística (2008) pelo Instituto de Matemática e Estatística na Universidade de São Paulo (IME-USP). Atualmente é professor do departamento de Estatística da Universidade Federal da Bahia. Suas principais linhas de pesquisa são análise de séries temporais e dados de sobrevivência, modelos não paramétricos e inferência causal.
