Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Quando lavori con dati che contengono molte variabili, spesso ti interessa studiare le relazioni tra queste variabili usando la statistica multivariata. In questo corso imparerai come analizzare questi insiemi di dati. Conoscerai anche le principali distribuzioni di probabilità multivariate, tra cui la normale multivariata, la t multivariata e alcune distribuzioni asimmetriche multivariate. Infine, vedrai tecniche per rappresentare dati ad alta dimensionalità in meno dimensioni, come l’analisi delle componenti principali (PCA) e il multidimensional scaling (MDS).
Prerequisiti
Programma
Struttura del corso
1
Lettura e visualizzazione di dati multivariati
In questa introduzione ai dati multivariati imparerai come leggerli e riassumerli. Vedrai come sintetizzare i dati multivariati usando statistiche descrittive, come il vettore delle medie, la matrice varianza-covarianza e le matrici di correlazione. Esplorerai poi tecniche di visualizzazione per ottenere insight sui dati multivariati.
- Lettura di dati multivariati50 XP
- Lettura di dati multivariati con read.table100 XP
- Specificare i tipi di dato per le colonne100 XP
- Vettore delle medie e matrice varianza-covarianza50 XP
- Calcolare il vettore delle medie100 XP
- Calcolare la matrice varianza-covarianza100 XP
- Calcolare la matrice di correlazione100 XP
- Rappresentare graficamente dati multivariati50 XP
- Pairs plot con base graphics e lattice100 XP
- Tecniche di grafici 3D100 XP
2
Distribuzione Normale Multivariata
Questo capitolo ti introdurrà alla distribuzione di probabilità multivariata più importante e utilizzata: la normale multivariata. Imparerai a generare campioni casuali da una distribuzione normale multivariata e a calcolare e tracciare densità e probabilità sotto questa distribuzione. Vedrai anche come verificare se un insieme di dati segue la normalità multivariata.
3
Altre Distribuzioni Multivariate
Questo capitolo presenta diverse distribuzioni di probabilità per modellare dati non normali. In particolare, conoscerai le distribuzioni t multivariate, che possono modellare code più pesanti e generalizzano la distribuzione t di Student univariata. Ti verranno presentate anche varie distribuzioni asimmetriche, progettate appositamente per modellare dati con asimmetria a destra o a sinistra.
4
Analisi delle Componenti Principali e Multidimensional Scaling
Nel capitolo finale, conoscerai tecniche per analizzare dati ad alta dimensionalità, tra cui l’analisi delle componenti principali (PCA) e il multidimensional scaling (MDS). Imparerai anche a implementare queste tecniche analizzando dei dati.
R
Distribuzioni di probabilità multivariate in R
Corso
completato
