Metodi Statistici in MATLAB

Dettagli dei corsi

Questo corso di due giorni fornisce un'esperienza pratica per eseguire analisi statistiche dei dati con MATLAB^® e Statistics and Machine Learning Toolbox™. Gli esempi e gli esercizi illustrano l'uso di appropriate funzionalità di MATLAB e Statistics and Machine Learning Toolbox nel processo di analisi, dall’importazione e organizzazione dei dati all'analisi esplorativa, passando per l'analisi confermativa e la simulazione.

Elenco degli argomenti:

Gestione dei dati
Calcolo delle statistiche di sintesi
Visualizzazione di dati
Adattamento di distribuzioni
Esecuzione di test di significatività
Esecuzione di analisi della varianza
Adattamento di modelli di regressione
Riduzione di set di dati
Generazione di numeri casuali ed esecuzione di simulazioni

Questo corso è stato approvato da GARP ed equivale a 14 ore di crediti GARP CPD. Se sei certificato FRM o ERP, registra questa attività nel tuo credit tracker all'indirizzo https://www.garp.org/cpd.

Giorno 1

Importazione e organizzazione di dati

Obiettivo: Importare i dati in MATLAB e organizzarli per l'analisi. Eseguire attività tipiche, come la combinazione di dati e la gestione di dati mancanti.

Importazione di dati
Tipi di dati
Tabelle di dati
Combinazione di dati
Dati categoriali
Dati mancanti

Esplorazione di dati

Obiettivo: Eseguire un'indagine statistica di base di un set di dati, inclusa la visualizzazione e il calcolo di statistiche di riepilogo.

Plottaggio
Tendenza centrale
Dispersione
Forma
Correlazioni
Dati raggruppati

Distribuzioni

Obiettivo: Esaminare diverse distribuzioni di probabilità e adattarle a una serie di dati.

Distribuzioni di probabilità
Parametri distributivi
Confronto e adattamento delle distribuzioni
Adattamento non parametrico

Test di Ipotesi

Obiettivo: Determinare quanto è probabile un'asserzione relativa a un set di dati. Applicare test di ipotesi per usi comuni, ad esempio per confrontare due distribuzioni e determinare gli intervalli di confidenza per la media empirica.

Test di ipotesi
Test per distribuzioni normali
Test per distribuzioni non normali

Giorno 2

Analisi della Varianza

Obiettivo: Confrontare le medie empiriche di più gruppi e trovare differenze statisticamente significative tra i gruppi.

Confronti multipli
ANOVA a 1 fattore
ANOVA a N fattori
ANOVA multivariata (MANOVA)
ANOVA non normale
Correlazioni categoriali

Regressione

Obiettivo: Eseguire la modellazione predittiva adattando modelli lineari e non lineari a un set di dati. Scoprire le tecniche per migliorare la qualità dei modelli.

Modelli di regressione lineare
Fitting di modelli lineari ai dati
Valutazione del fit
Aggiustamento del modello
Regressione lineare logistica e generalizzata
Regressione nonlineare

Lavorare con Dati Multidimensionali

Obiettivo: Semplificare i set di dati altamente dimensionali riducendo la dimensionalità.

Trasformazione delle feature
Selezione delle feature

Numeri Casuali e Simulazione

Obiettivo: Usare numeri casuali per valutare l'incertezza o la sensibilità di un modello o eseguire simulazioni. Generare numeri casuali da varie distribuzioni e gestire gli algoritmi di generazione di numeri casuali di MATLAB.

Bootstrapping e simulazione
Generazione di numeri da distribuzioni standard
Generazione di numeri da distribuzioni arbitrarie
Controllo dello stream di numeri casuali

Livello: Intermedio

Prerequisiti:

Fondamenti MATLAB e nozioni di statistica di base

Durata: 2 giorni

Lingue: Deutsch, English, Français, 日本語, 한국어

Consulta le prossime lezioni

Corsi correlati

Machine Learning con MATLAB

Impara a creare modelli di regressione, classificazione e clustering e migliora le loro prestazioni.

Per saperne di più

Tecniche di ottimizzazione in MATLAB

Impara ad eseguire l'ottimizzazione locale e globale in MATLAB traducendo l'obiettivo e i vincoli in codice MATLAB e scegliendo i solutori di ottimizzazione appropriati.

Per saperne di più