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