Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air GenerationiPhone Duo Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
GoogleKobo
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Valid Causal Inference from Observational Data

Louis Anthony Cox, Jr. (Gebundene Ausgabe, Englisch)

Optischer Zustand
Beschreibung
This book presents a rigorous, practitioner-ready framework for determining when interventional causal claims can be validly drawn from observational data. By integrating potential outcomes (PO), structural causal models (SCMs), directed acyclic graphs (DAGs), quasi-experimental and longitudinal designs, information-theoretic approaches, and modern machine-learning methods with decision-analytic…  principles, it identifies necessary conditions for each step of the causal inference process, from defining estimands and identifying causal effects to study design, measurement, estimation, interpretation, robustness, and external validity. The framework is operationalized through practical checklists, tables, diagnostic and falsification tests, and AI-assisted tools, making it accessible across fields such as epidemiology, environmental and occupational health, and regulatory risk analysis. Designed to meet the needs of professionals making high-stakes decisions based on nonexperimental data, the book addresses the lack of clear, testable criteria for credible causal inference. Real-world examples throughout the book illustrate diagnostics, falsification tests, and robustness checks, linking evidence directly to decision-making. Bridging multiple causal frameworks and modern machine-learning methods, it equips readers to assess when data support cause-and-effect conclusions, supporting more responsible, evidence-based policy and risk management. The book offers health risk analysts, epidemiologists, and policy professionals a practical guide to valid causal inference from observational data. It is also ideal for graduate students and workshop participants in data science, decision analysis, risk analysis, and AI/ML applications.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 84,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Technische Daten


Erscheinungsdatum
10.12.2026
Sprache
Englisch
EAN
9783032409379
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
International Series in Operations Research & Management Science
Sonderedition
Nein
Autor
Louis Anthony Cox, Jr.
Seitenanzahl
317
Einbandart
Gebundene Ausgabe
Schlagwörter
Causal inference, Observational data, Interventional analysis, Potential outcomes, Structural causal models, Decision analysis, Estimand identification, Study design, Measurement validity, Empirical validation, External validity, Falsification tests, Robustness checks, Transportability, Risk analysis, Epidemiology, Environmental health, AI tools for causal inference, Policy evaluation, Machine learning and causality
Thema-Inhalt
KJT - Unternehmensforschung KJMD - Management: Entscheidungstheorie UYQ - Künstliche Intelligenz UN - Datenbanken PBT - Wahrscheinlichkeitsrechnung und Statistik PBW - Angewandte Mathematik K - Wirtschaftswissenschaft, Finanzen, Betriebswirtschaft und Management
Höhe
235 mm
Breite
15.5 cm

Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.

Transparenz & Sicherheit

Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!