Formazione MATLAB e Simulink

Metodi Statistici in MATLAB

Guarda il programma e iscriviti

Dettagli dei corsi

Questo corso 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 delle appropriate funzionalità MATLAB e Statistics and Machine Learning Toolbox attraverso tutto il processo di analisi, inclusa l’importazione e l’organizzazione dei dati, l'analisi esplorativa, l'analisi confermativa e la simulazione. Elenco degli argomenti:
  • Gestione dei dati
  • Calcolo delle statistiche di riepilogo
  • Visualizzazione di dati
  • Adattamento delle distribuzioni
  • Esecuzione di test statistici
  • Esecuzione di analisi della varianza
  • Adattamento di modelli di regressione
  • Riduzione dei 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.

Giorno 1/2


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. 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.

  • Distribuzioni di probabilità
  • Parametri distributivi
  • Confronto e adattamento delle distribuzioni
  • Adattamento non parametrico
  • Bootstrapping e simulazione
  • Generazione di numeri da distribuzioni standard
  • Generazione di numeri da distribuzioni arbitrarie
  • Controllo del flusso di numeri casuali

Giorno 2/2


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 la distribuzione normale
  • Test per la distribuzione non normale

Analisi della varianza

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

  • Confronti multipli
  • ANOVA a un fattore (Analisi della varianza)
  • ANOVA a fattore N
  • MANOVA (Analisi della varianza multivariata)
  • 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. Semplificare i set di dati altamente dimensionali riducendo la dimensionalità.

  • Adattamento di modelli di regressione lineari
  • Adattamento di modelli lineari ai dati
  • Valutazione dell'adattamento
  • Modifica del modello
  • Regressione lineare logistica e generalizzata
  • Regressione non lineare
  • Trasformazione delle feature
  • Selezione delle feature

Livello: Intermedio

Prerequisiti:

Durata: 2 giorni

Lingue: English, 日本語, 한국어

Guarda il programma e iscriviti