Vorlesungsinhalte: Datengenerierung mit dem CausalEffectsXplorer; Analyse der erzeugten Daten mit EffectLiteR; Berechnung der Schätzungen der bedingten Erwartungswerte E(Y|X=x, Z=z) aus den geschätzten γ-Parametern; Schätzungen der Z-bedingten Effekte; Vergleich der Formeln für den bedingten Erwartungswert E(Y|X=x) und den Erwartungswert E(τ_x); Vergleich der Formeln für den bedingten Erwartungswert E(Y|X=x, Z=z) und den bedingten Erwartungswert E(τ_x|Z=z); Hinreichende Bedingungen für die Gleichung E(Y|X=x) = E(τ_x) , die Definition der Unverfälschtheit von E(Y|X=x); Hinreichende Bedingungen für die Gleichung E(Y|X=x, Z=z) = E(τ_x|Z=z), die Definitionen der Unverfälschtheit von E(Y|X=x, Z=z); Beispiels, in dem weder E(Y|X=x) noch E(Y|X=x, Z=z) unverfälscht sind