Ingeniería de Causalidad y Experimentación

2.1 Fundamentos de causalidad en diseño experimental: definiciones, marco de resultados potenciales, DAGs y contrafactuales, A/B testing
2.2 Diseños experimentales avanzados: randomización estratificada, bloqueos, diseños factoriales (completo y fraccionado) y ensayos adaptativos
2.3 A/B Testing, uplift y contrafactuales: estimación de efectos incrementales, uplift modeling, ITT/ATE/ATT y manejo de sesgos
2.4 Diseño de experimentos orientados a ingeniería causal: plan de muestreo, asignación de unidades, control de covariables y análisis de potencia
2.5 Contrafactuales y simulación de escenarios: Rubin Causal Model, synthetic controls, generación y validación de escenarios contrafactuales
2.6 Análisis de datos de ensayos causales: estimadores ATE/ATT/ITT, bootstrap, errores estándar robustos y manejo de datos faltantes
2.7 Validación y robustez de modelos causales: pruebas de falsación, replicabilidad, pruebas de sensibilidad y validación externa
2.8 Gestión de riesgos y gobernanza de experimentos: go/no-go, matrices de riesgo, control de cambios y aplicación de conceptos TRL/CRL/SRL en tecnología naval
2.9 Integración operativa y diseño para mantenibilidad: MBSE/PLM, trazabilidad de cambios, modular swaps y escalabilidad en entornos navales
2.10 Caso práctico: go/no-go con risk matrix en una implementación de tecnología de propulsión naval

3.1 Principios de causalidad en A/B testing naval: definiciones, correlación vs causalidad, efectos promedio y heterogéneos, supuestos de ignorabilidad y estabilidad temporal
3.2 Diseño de experimentos en entornos navales: aleatorización, grupos de control, tamaño de muestra, poder estadístico, bloqueo y estratificación, replicación
3.3 A/B Testing aplicado a operaciones y logística navales: pruebas de procedimientos, rutas, consumo de combustible, mantenimiento
3.4 Uplift en operaciones navales: estimación de efectos heterogéneos por buque, misión o zona, estrategias de implementación
3.5 Contrafactuales y resultados potenciales: marcos de resultados potenciales y estimación de efectos contrafactuales, métodos de matching y reponder
3.6 Diseño experimental avanzado: diseños factoriales, fraccionados, bloqueo, diseño de parcelas y diseños crossover adaptados a entornos operativos
3.7 Validez interna y externa en experimentación naval: amenazas y mitigaciones
3.8 Métricas de causalidad y estimación de efectos: ATE, ATT, ITE, uplift, métricas de rendimiento e intervalos de confianza
3.9 Implementación práctica: herramientas y flujos de trabajo (DoWhy, CausalML, Python/R, trazabilidad y reproducibilidad)
3.10 Case clinic: go/no-go con matriz de riesgos

4.1 Definición de causalidad y diferencia entre correlación y causalidad
4.2 Introducción a A/B testing en entornos navales: objetivos, H0 vs H4
4.3 Diseño experimental básico: randomización, control y tratamiento
4.4 Medidas de rendimiento y métricas para pruebas en operaciones navales
4.5 Contrafactuales: qué habría pasado si no se hubiera aplicado la intervención
4.6 Uplift y segmentos: estimación de efecto incremental por grupos
4.7 Diseño de ensayos robustos: tamaño de muestra, potencia, y error tipo I/II
4.8 Validez interna y externa en pruebas en buques y sistemas
4.9 Sesgos comunes en pruebas en entornos marítimos y cómo mitigarlos
4.10 Casos prácticos cortos de causalidad en operaciones navales y simuladores

5.1 Fundamentos de la Causalidad: ¿Qué es y por qué es crucial?
5.2 Diferencias clave entre correlación y causalidad
5.3 Introducción al Diseño Experimental: Conceptos básicos
5.4 Tipos de Experimentos: A/B Testing, Múltiples Grupos, etc.
5.5 Variables: Independientes, dependientes y de control
5.6 Diseño de un Experimento Sencillo: Pasos clave
5.7 Métricas y KPIs: Selección y definición
5.8 Introducción a A/B Testing: Conceptos y ejemplos
5.9 Consideraciones éticas en la experimentación
5.10 Herramientas y plataformas para la experimentación

6.1 Diseño de Experimentos: Introducción y Fundamentos
6.2 A/B Testing: Implementación y Análisis de Resultados
6.3 Uplift Modeling: Identificación de Efectos Diferenciales
6.4 Contrafactuales: Análisis de Escenarios Hipotéticos
6.5 Diseño de Ensayos: Estrategias Avanzadas
6.6 Métricas Clave y Evaluación de Resultados
6.7 Herramientas y Plataformas de Experimentación
6.8 Caso Práctico: Diseño y Evaluación de un Experimento
6.9 Consideraciones Éticas en la Experimentación
6.10 Optimización Basada en Datos: Conclusiones y Próximos Pasos

7.1 Conceptos Fundamentales de Causalidad: Diferencia entre Correlación y Causalidad
7.2 Modelos Causal: Diagramas Causal y Lenguaje Causal
7.3 Introducción a A/B Testing: Diseño y ejecución de experimentos A/B básicos
7.4 Introducción a Uplift Modeling: Identificación de grupos objetivo
7.5 Contrafactuales: Fundamentos y aplicaciones iniciales
7.6 Principios de Diseño Experimental: Aleatorización y control
7.7 Sesgos Comunes en la Experimentación: Identificación y mitigación
7.8 Métricas Clave y KPI’s en Causalidad: Selección y análisis inicial
7.9 Herramientas y Plataformas para la Experimentación: Visión general
7.10 Caso de Estudio: Aplicación Práctica de los Conceptos Aprendidos

8.1 Introducción a la Experimentación Causal: Fundamentos y Conceptos Clave
8.2 Diseño de Experimentos A/B: Estrategias y Mejores Prácticas
8.3 Análisis Uplift: Identificando el Verdadero Impacto
8.4 Contrafactuales: Simulando Escenarios y Evaluando Alternativas
8.5 Diseño Avanzado de Ensayos: Técnicas y Metodologías
8.6 Implementación y Ejecución de Experimentos: Pasos Clave
8.7 Análisis de Datos y Evaluación de Resultados: Métricas e Interpretación
8.8 Herramientas y Plataformas para la Experimentación Causal
8.9 Ética y Responsabilidad en la Experimentación
8.10 Casos de Estudio y Aplicaciones Prácticas

9.1 Introducción a las métricas causales y su importancia
9.2 Diseño de experimentos A/B para medir el impacto
9.3 Análisis de Uplift Modeling: identificando el efecto incremental
9.4 Contrafactuales: simulando escenarios y resultados alternativos
9.5 Diseño de ensayos avanzados para la causalidad
9.6 Métricas clave para evaluar la causalidad en experimentos
9.7 Herramientas y software para el análisis causal
9.8 Interpretación y comunicación de resultados causales
9.9 Consideraciones éticas en la experimentación causal
9.10 Aplicaciones prácticas y casos de estudio

10.1 Definición y alcance del proyecto causal
10.2 Selección de métricas clave y objetivos de negocio
10.3 Diseño de experimentos A/B: variables, grupos de control y tratamiento
10.4 Implementación de pruebas Uplift: identificación de segmentos y análisis
10.5 Construcción de contrafactuales: modelado y simulación de escenarios
10.6 Estructura de ensayos: diseño de la muestra y duración
10.7 Análisis de resultados: interpretación y validación
10.8 Reporte y visualización: comunicación efectiva de hallazgos
10.9 Toma de decisiones basadas en los resultados del diseño causal
10.10 Escalabilidad y optimización del proyecto