After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
La probabilità studia come fare previsioni su fenomeni casuali. In questo corso imparerai i concetti di variabili casuali, distribuzioni e condizionamento, usando come esempio il lancio di una moneta. Acquisirai anche intuizioni su come risolvere problemi di probabilità tramite simulazioni casuali. Questi principi ti aiuteranno a comprendere l'inferenza statistica e possono essere applicati per trarre conclusioni dai dati.
Prerequisiti
Curriculum
Programma del corso
1
La distribuzione binomiale
Uno degli esempi più semplici e comuni di fenomeno casuale è il lancio di una moneta: un evento che può essere "sì" o "no" con una certa probabilità. Qui imparerai la distribuzione binomiale, che descrive il comportamento di una combinazione di prove sì/no e come prevederne e simularne il comportamento.
- Lanciare monete in R50 XP
- Simulare lanci di moneta100 XP
- Simulare estrazioni da una binomiale100 XP
- Densità e densità cumulativa50 XP
- Calcolare la densità di una binomiale100 XP
- Calcolare la densità cumulativa di una binomiale100 XP
- Variare il numero di prove100 XP
- Valore atteso e varianza50 XP
- Calcolare il valore atteso100 XP
- Calcolare la varianza100 XP
2
Leggi della probabilità
In questo capitolo imparerai a combinare più probabilità, ad esempio la probabilità che due eventi si verifichino entrambi o che se ne verifichi almeno uno, e a confermarle con simulazioni casuali. Imparerai anche alcune proprietà della somma e del prodotto di variabili casuali.
3
Statistica bayesiana
La statistica bayesiana è un metodo matematicamente rigoroso per aggiornare le tue credenze sulla base delle evidenze. In questo capitolo imparerai ad applicare il teorema di Bayes per trarre conclusioni sul fatto che una moneta sia equa o truccata, supportando il tutto con simulazioni.
4
Distribuzioni correlate
Finora abbiamo parlato della distribuzione binomiale, ma è solo una delle tante distribuzioni di probabilità che può assumere una variabile casuale. In questo capitolo introdurremo altre tre distribuzioni correlate alla binomiale: la normale, la di Poisson e la geometrica.
R
Fondamenti di probabilità in R
Corso
completato
