700+ courses, half price
Descrizione del corso
Dopo tutto il lavoro svolto per acquisire i dati e portarli in una forma utilizzabile, l’obiettivo finale è trarne conclusioni chiare e concise. Questo passaggio cruciale della pipeline di analisi dei dati si basa sui principi dell’inferenza statistica. In questo corso inizierai a costruire le basi per pensare in modo statistico, parlare il linguaggio dei tuoi dati e capire che cosa ti stanno dicendo. Le fondamenta del pensiero statistico hanno richiesto decenni per formarsi, ma oggi si possono apprendere molto più rapidamente grazie ai computer. Con la potenza degli strumenti basati su Python, ti metterai rapidamente al passo e, entro la fine del corso, inizierai a pensare in modo statistico.
Prerequisiti
Programma
Struttura del corso
1
Analisi esplorativa dei dati tramite grafici
Prima di addentrarti in tecniche avanzate di inferenza statistica, esplora i tuoi dati tracciando grafici e calcolando semplici statistiche riassuntive. Questo processo, chiamato analisi esplorativa dei dati, è un passaggio fondamentale in ogni analisi statistica.
- Introduzione all'analisi esplorativa dei dati50 XP
- Qual è l’obiettivo dell’inferenza statistica?50 XP
- Vantaggi dell’EDA grafica50 XP
- Creare un istogramma50 XP
- Creare un istogramma dei dati dell'iris100 XP
- Etichette degli assi!100 XP
- Regolare il numero di bin in un istogramma100 XP
- Rappresenta tutti i tuoi dati: bee swarm plot50 XP
- Bee swarm plot100 XP
- Interpretare un bee swarm plot50 XP
- Rappresenta tutti i tuoi dati: ECDF50 XP
- Calcolare la ECDF100 XP
- Rappresentare l'ECDF100 XP
- Confronto tra ECDF100 XP
- Avanti verso l’intera storia!50 XP
2
Analisi esplorativa quantitativa dei dati
In questo capitolo calcolerai utili statistiche riassuntive, che servono a descrivere in modo conciso le caratteristiche salienti di un insieme di dati con pochi numeri.
3
Pensare in modo probabilistico — Variabili discrete
L’inferenza statistica poggia sulla probabilità. Poiché raramente possiamo affermare qualcosa con assoluta certezza a partire dai dati, usiamo il linguaggio probabilistico per formulare dichiarazioni quantitative. In questo capitolo imparerai a pensare in modo probabilistico su quantità discrete: quelle che possono assumere solo determinati valori, come gli interi.
4
Pensare in modo probabilistico — Variabili continue
È il momento di passare alle variabili continue, come quelle che possono assumere qualsiasi valore frazionario. Molti principi restano gli stessi, ma ci sono alcune sottigliezze. Al termine di questo capitolo finale userai il linguaggio probabilistico necessario per lanciarti nelle tecniche di inferenza trattate nel seguito di questo corso.
Pensare in modo statistico con Python (Parte 1)
Corso
completato
