Obiettivo: Importare dati in MATLAB e organizzarli per l'analisi. Eseguire operazioni comuni, come merging di più tabelle dati e trattamento dei dati mancanti.

• Importazione di file dati
• Tipi di dati
• Tabelle di dati
• Unione di tabelle dati
• Dati categoriali
• Dati mancanti

Obiettivo: Realizzare indagini statistiche su un gruppo di dati, compresa visualizzazione e calcolo delle statistiche sommarie.

• Visualizzazione
• Misure di centralità
• Misure di dispersione
• Misure di forma
• Correlazione
• Statistiche a gruppi

Obiettivo: Investigare diverse distribuzioni di probabilità e fittare una distribuzione su un set di dati.

• Distribuzioni di probabilità
• Parametri di una distribuzioni
• Confrontare e stimare distribuzioni
• Stimare distribuzioni kernel non parametriche

Obiettivo: Determinare quanto è probabile un'affermazione su un set di dati. Applicare i test di ipotesi per gli usi più comuni, come confrontare due distribuzioni e determinare gli intervalli di confidenza per una media campionaria.

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

Obiettivo: Confrontare le medie campionarie di gruppi molteplici e trovare differenze statisticamente significative tra i gruppi.

• Confronti multipli
• ANOVA a 1 fattore
• ANOVA a N fattori
• ANOVA multivariata
• ANOVA non normale
• Correlazioni categoriali

Obiettivo: Realizzare previsioni attraverso la stima di modelli lineari e non lineari su un campione di dati. Sono evidenziate alcune tecniche per migliorare la qualità del modello.

• Modelli di regressione lineare
• Stimare modelli di regressione lineare
• Valutare i modelli fittati
• Aggiustare il modello
• Regressione lineare generalizzata e logistica
• Regressione non lineare

Obiettivo: Semplificare dati in elevata dimensione riducendone la dimensionalità.

• Trasformazione delle feature
• Selezione delle feature

Obiettivo: Usare generatori di numeri casuali per stimare l'incertezza e la sensibilità di un modello o realizzare simulazioni Monte Carlo. Generare numeri random con diverse distribuzioni e scegliere diversi algoritmi per la generazione di numeri random.

• Bootstrapping e simulazione
• Generare numeri casuali con distribuzioni standard
• Generare numeri casuali con distribuzioni arbitrarie
• Controllare la sequenza di numeri casuali