Skip to main content
Ctrl
+
K
Psicometria
A.A. 2022-2023
Syllabus
Materiali didattici
Come studiare
Calendario
Laboratorio didattico
Istruzioni E-tivity
Il significato sociale della musica in età evolutiva
Modalità di verifica dell’apprendimento
FAQ
Esercizi
1. Python per la data analisi
1.1. ✅ Python
1.2. ✅ Pandas
1.3. ✅ Matplotlib e Seaborn
2. Statistica descrittiva
2.1. ✅ Concetti chiave
2.2. ✅ Scale di misura
2.3. ✅ Sommatorie
2.4. ✅ EDA
3. Teoria della probabilità
3.1. ✅ Calcolo combinatorio
3.2. ✅ Probabilità condizionata
3.3. ✅ Teorema di Bayes
4. Distribuzioni di variabili casuali
4.1. ✅ Variabili casuali discrete
4.2. ✅ Distribuzione binomiale
4.3. ✅ Distribuzione Normale
4.4. ✅ Distribuzione Beta
4.5. ✅ Verosimiglianza
5. Probabilità congiunta
5.1. ✅ Probabilità congiunta
6. Inferenza bayesiana
6.1. ✅ Inferenza sulle frequenze
6.2. ✅ Inferenza su una media
7. Regressione lineare
7.1. ✅ Relazioni lineari tra variabili
8. Inferenza frequentista
8.1. ✅ Test sulla media della popolazione
8.2. ✅ Confronto di due medie di popolazione
8.3. ✅ Confronto di due medie di popolazione: Campioni Piccoli e indipendenti
8.4. ✅ Confronto di due medie di popolazione: campioni appaiati
8.5. ✅ Confronto di due proporzioni della popolazione
8.6. ✅ Stima su piccolo campione della media di una popolazione
8.7. ✅ Il significato osservato di un test
8.8. ✅ Interpretare il test dell’ipotesi nulla
9. Distribuzioni coniugate
9.1. ✅ Caso Beta-Binomiale
Repository
Open issue
.md
.pdf
Python per la data analisi
1.
Python per la data analisi
#
1.1. ✅ Python
1.2. ✅ Pandas
1.3. ✅ Matplotlib e Seaborn
