Vai al contenuto principale

Corso

Fondamenti di probabilità in R

BasicLivello di competenza

Aggiornato 03/2022

In questo corso imparerai i concetti di variabili casuali, distribuzioni e condizionamento.

Inizia il corso gratis

RProbability & Statistics

4 h

13 video

54 Esercizi

4,350 XP

42,227

Attestato di conseguimento

Preferito dagli studenti di migliaia di aziende

Formare un team?

Prova per il Business

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

Introduction to R

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 R

Simulare lanci di moneta

Simulare estrazioni da una binomiale

Densità e densità cumulativa

Calcolare la densità di una binomiale

Calcolare la densità cumulativa di una binomiale

Variare il numero di prove

Valore atteso e varianza

Calcolare il valore atteso

Calcolare la varianza

Inizia il capitolo

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.

Probabilità dell'evento A e dell'evento B

Calcolare la probabilità di A e B

Simulare la probabilità di A e B

Simulare la probabilità di A, B e C

Probabilità di A o B

Calcolare la probabilità di A o B

Simulare la probabilità di A oppure B

Probabilità che almeno una variabile sia minore o uguale a 4

Moltiplicare variabili aleatorie

Valore atteso del prodotto di una variabile casuale

Simulare la moltiplicazione di una variabile casuale

Varianza di una variabile casuale moltiplicata

Sommare due variabili casuali

Risolvere la somma di due variabili binomiali

Simulare la somma di due variabili binomiali

Simulare la varianza della somma di due variabili binomiali

Inizia il capitolo

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.

Aggiornare con le evidenze

Aggiornare con la simulazione

Aggiornare dopo 16 teste

Aggiornare con la simulazione dopo 16 testa

Probabilità a priori

Aggiornare con le priors

Aggiornare con tre monete

Teorema di Bayes

Aggiornare con il teorema di Bayes

Aggiornare per altri esiti

Altri aggiornamenti con le prior

Inizia il capitolo

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.

La distribuzione normale

Approssimare una binomiale con la normale

Simulare da binomiale e normale

Confrontare la densità cumulativa della binomiale

Confrontare le distribuzioni normale e binomiale per n basso

La distribuzione di Poisson

Approssimare una binomiale con una Poisson

Simulare da una Poisson e da una binomiale

Densità della distribuzione di Poisson

Somma di due variabili di Poisson

La distribuzione geometrica

In attesa del primo lancio testa

Uso di replicate() per la simulazione

Simulare dalla distribuzione geometrica

Probabilità che una macchina duri X giorni

Rappresentare la probabilità che una macchina funzioni ancora

Inizia il capitolo

Fondamenti di probabilità in R

Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performanceIscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Fondamenti di probabilità in R oggi!

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.