Marco Riani, Professor of Statistics

Prima settimana: introduzione al corso, introduzione a MATLAB, tipi di dati in MATLAB (array numerici e moltiplicazioni matriciali, characters, string, cell array of characters, cell array of strings, cell array generici, struct, table). Importazione dei dataset in formato table da file esterni. Introduzione ai task. Gestione delle table. Estrazione dei dati dalle table.

Seconda settimana: elementi di base di programmazione, cicli for, while e istruzione assert. Analisi univariate di variabili categoriche e quantitative. Analisi di sottogruppi di unità. Boxplot e quantili. Grafici qqplots per capire quanto la distribuzione osservata è vicina alla distribuzione normale. Intervalli di confidenza con o senza variabile di raggruppamento.

Terza setimana: tabelle di contingenza e tabelle pivot. Importazione dei dati.Analisi delle distribuzioni: funzione densità, funzione di ripartizione, quantili e generazioni di numeri casuali, da diverse distribuzioni univariati. (normale, uniforme, chi quadrato, T di Student).

Quarta settimana: stima dei parametri delle distribuzioni, distribuzione normale bivariata, trattamento dei valori mancanti e dei valori anomali. Introduzione alla relazione tra due variabili: covarianza e coefficiente di correlazione lineare. Matrice di covarianze e matrice di correlazione.Test sulla significatività del coefficiente di correlazione. Verifica empirica della distribuzione del test di assenza di correlazione. Correlazione tra i ranghi. Relazione tra correlazione e cograduazione. Correlazione e cograduazione in presenza di missing values.