Come fare statistica con Python

Description:
Introduzione al modulo

Description:
Introduciamo il concetto di variabile aleatoria e di misura di probabilità

Description:
Approfondiamo le caratteristiche della funzione di probabilità e specifichiamo cosa sono le variabili aleatorie discrete

Description:
Introduciamo il concetto di variabili indipendenti e vediamo le distribuzioni di Benoulli e binomiale

Description:
Concludiamo la carrellata delle distribuzioni discrete con la distribuzione di Poisson e introduciamo le distribuzioni continue

Description:
Approfondiamo la distribuzione esponenziale e quella gaussiana che vedremo essere molto importante nel panorama delle distribuzioni statistiche note

Description:
Introduciamo lo studio delle variabili aleatorie con distribuzione non nota affrontando tre caratteristiche fondamentali delle distribuzioni

Description:
Proseguiamo lo studio numerico delle distribuzioni aleatorie con i quantili. Introduciamo la rappresentazione grafica delle funzioni di ripartizione

Description:
Vediamo come costruire un grafico a scatola e baffi ed introduciamo il concetto di intervallo di confidenza

Description:
Iniziamo a conoscere il dataset dell'Iris e vediamo come usare la kernel distribution estimate

Description:
Facciamo una prima analisi del dataset dell'Iris

Description:
Concludiamo la nostra analisi del dataset Iris creando il grafico della matrice di dispersione. Introduciamo anche il concetto di coefficiente di correlazione e la covarianza

Description:
Ricapitoliamo quanto abbiamo visto in questo modulo