Questo corso mi ha fornito una solida base di conoscenze statistiche e abilità nell’utilizzo del linguaggio di programmazione Python e della libreria scipy.stats per analizzare dati e trarre conclusioni significative.
Nel corso ho affrontato i seguenti argomenti:
Modulo 1: Statistiche Riassuntive Nel primo modulo, ho acquisito competenze essenziali nella gestione di dataset di grandi dimensioni attraverso l’uso di statistiche riassuntive, come la media, la mediana e la deviazione standard. Ho imparato a interpretare in modo accurato queste misure, migliorando le mie capacità di pensiero critico per scegliere le statistiche più appropriate per analizzare dati specifici.
Modulo 2: Numeri Casuali e Probabilità Nel secondo modulo, ho appreso come generare campioni casuali e calcolare la probabilità, applicando queste competenze all’analisi di dati reali, come ad esempio dati di vendite per calcolare la probabilità di successo di un venditore. Ho anche acquisito una comprensione della distribuzione binomiale per modellare eventi con risultati binari.
Modulo 3: Altre Distribuzioni e il Teorema del Limite Centrale Nel terzo modulo, ho esplorato una delle distribuzioni di probabilità più importanti in statistica, la distribuzione normale, utilizzando istogrammi per rappresentarla. Ho anche compreso il Teorema del Limite Centrale. Inoltre, ho ampliato il mio repertorio di funzioni statistiche includendo distribuzioni di Poisson, esponenziali e t-Student.
Modulo 4: Correlazione e Progettazione Sperimentale Nel quarto modulo, ho imparato come quantificare la forza di una relazione lineare tra due variabili e ho esplorato come variabili di confondimento possano influenzare la relazione tra altre due variabili. Ho compreso come la progettazione di uno studio possa influenzare i risultati, modificare l’analisi dei dati e potenzialmente influire sulla affidabilità delle conclusioni.