Metodi Statistici in MATLAB

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 statistiche descrittive su un insieme di dati, compresa la visualizzazione e il calcolo di statistiche di sintesi.

• Visualizzazione di dati
• Calcolo dei parametri di posizione, dispersione e forma
• Calcolo dei coefficienti di correlazione
• Esecuzione di calcoli su 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 e loro parametri
• Confronto e adattamento delle distribuzioni
• Fitting di distribuzioni non parametriche
• Bootstrapping e simulazione
• Generazione di numeri casuali da distribuzioni arbitrarie
• Controllo del flusso di numeri casuali

Giorno 2/2

Test di ipotesi

Obiettivo: Determinare se una serie di dati supporta sufficientemente una particolare ipotesi. Applicare test di ipotesi per usi comuni, come il confronto dei parametri di posizione e dispersione di due distribuzioni.

• Analisi dei dati di conferma
• Test di ipotesi per le distribuzioni normali
• Test di ipotesi per le distribuzioni non normali

Analisi della varianza

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

• Esecuzione di analisi della varianza (ANOVA)
• Calcolo delle correzioni per i confronti multipli
• Esecuzione dell'ANOVA a N vie e dell'analisi della varianza multivariata (MANOVA)
• ANOVA per dati non normali
• Test di indipendenza per dati 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 e modifica del modello
• Regressione lineare logistica e generalizzata
• Regressione non lineare
• Selezione delle feature e trasformazione