Una introducción desde cero al método de control sintético en Python, construida sobre el caso de la Proposición 99 de California y organizada en tres etapas: el símplex clásico de Abadie, Diamond y Hainmueller; una distribución previa horseshoe que permite que sean los datos, y no una restricción, los que elijan los estados donantes; y el modelo espacial bayesiano de Sakaguchi y Tagawa, que abandona el supuesto SUTVA sobre el grupo de donantes y pregunta quién más resultó tratado. Cada ecuación se deriva y se vincula con el código que la implementa, usando las librerías scspill y mlsynth. El resultado para California sobrevive a todas las relajaciones del modelo. La afirmación de que el grupo de donantes estaba limpio, no.