Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Statistiche e analisi - Riassunto delle lezioni

I dati qualitativi si riferiscono ad una variabile che non può assumere un valore numerico, ma che può essere classificata in due o più categorie non numeriche mentre i dati quantitativi si riferiscono ad una variabile che può essere misurata numericamente.
Le statistiche descrittive si riferiscono ai metodi utilizzati per organizzare, visualizzare, descrivere i dati attraverso l'utilizzo di tabelle, misure di riepilogo e grafici.
Le statistiche inferenziali sono costituite da metodi che utilizzano risultati di esempio per aiutare a prendere decisioni o previsioni su una popolazione.
La distribuzione di frequenza dei dati qualitativi elenca tutte le categorie e il numero di elementi che appartengono a ciascuna delle categorie.
La distribuzione di frequenza dei dati quantitativi elenca tutte le classi e il numero di valori che appartengono ad ogni classe.
Se una variabile casuale continua ha una distribuzione con un grafico che è simmetrica e a forma di campana, è classificata come avente una distribuzione normale.
Machine Learning si riferisce alla programmazione dei computer per ottimizzare un determinato criterio di prestazione utilizzando dati di esempio o esperienze passate. Può rilevare automaticamente i pattern nei dati e utilizzarli per prevedere futuri esiti di interesse.
L'aspetto più importante da considerare quando si crea un modello sta avendo una conoscenza sonora del problema che si intende risolvere. Questo è critico dato che la qualità dell'output dipende dalla qualità degli input.
L'analisi dei dati univariata si riferisce ai dati che hanno una sola variabile, e il suo scopo principale è quello di descrivere, sintetizzare e trovare modelli nei dati.