Quoi de neuf?
Société statistique d’Ottawa
Atelier du printemps 2011
Inférence causale
Le vendredi 27 mai, la Société statistique d’Ottawa organise un atelier sur l’inférence causale. L’atelier d’un jour sera offert par le Professeur Jay Kaufman, de la Canada Research Chair in Health Disparities du département d’épidémiologie, de la biostatistique et de la santé au travail de l’Université McGill. L’atelier aura lieu à l’édifice Fauteux, qui est l’édifice du Droit, à l’Université d’Ottawa, à la salle FTX 227 entre 08h30 et 17h30, vendredi le 27 mai.
Notez que nous avons annulé le symposium du jeudi, 26 mai. Les inscriptions payées d’avance seront remboursées.
Les personnes intéressées sont encouragées à s’inscrire d’avance avant le mardi 23 mai en contactant la SSO par courriel : sso.ottawa.canada@gmail.com.
Frais de participation
Membres de la SSO : Atelier et dîner : $100
Non-membres et renouvellement de l’adhésion : ajouter $12
Taux pour les étudiant(es) : Atelier et dîner : $30 (adhésion à la SSO gratuite)
L’inférence causale tente de mettre au jour la structure des données et d'éliminer les explications non-causales à une association observée. Le but de la plus grande partie, voire de toute l'inférence statistique, est d'en découvrir les relations causales.
Il n'est en général pas possible de conclure à la causalité simplement à partir de procédures standards d'inférence statistique, mais plutôt à partir d'une association observée entre deux variables qui ne soit pas le résultat de la chance. Le besoin de procédures d'inférence causale est évident dans plusieurs champs mais par exemple dans le domaine de la recherche en santé où la quantification de l'efficacité de nouvelles thérapies ou la découverte de l'étiologie des maladies, est souvent complexifiée à cause des difficultés inhérentes aux études d'observation.
Même dans les études expérimentales, la conformité partielle au traitement prescrit peut compromettre une expérience bien conçue. La complexité des modèles et les procédures d'inférence correspondantes augmentent dans le contexte des études longitudinales où la confusion en fonction du temps peut être présente.
