Formazione MATLAB e Simulink

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:

Durata: 2 giorni

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