Processing math: 100%
Type to search
Data Analysis
1
Indice
2
Introduzione
3
I dati
3.1
Popolazione e unità statistiche
3.1.1
Dati e ricerca scientifica
3.2
Analisi esplorativa dei dati
3.3
Tipi di dati
3.3.1
Variabili statistiche
3.4
La matrice dei dati
4
Indici e grafici
4.1
Visualizzazione dei dati
4.1.1
Primi semplici grafici con
R
4.1.2
Rappresentare graficamente variabili quantitative: primi elementi
4.2
Riassunti numerici per variabili quantitative
4.2.1
Indici di tendenza centrale (un solo valore al posto di tanti): le medie
4.2.2
Indici di dispersione (o variabilità)
4.2.3
Simmetria e curtosi
4.2.4
Altri grafici per variabili quantitative
4.2.5
L’istogramma
4.2.6
Il metodo del nucleo per il “lisciamento” di una curva di densità
5
Il trattamento preliminare e la fase di pulizia dei dati
5.1
Dati mancanti e valori anomali
5.1.1
Dati mancanti
5.1.2
Gli outliers (valori anomali)
5.2
Trasformazione delle variabili e ricodifiche
5.2.1
Ricodifiche di variabili categoriali
5.2.2
Trasformazioni di variabili quantitative
6
Analisi statistica di due variabili (bivariata)
6.1
Confronto fra distribuzioni empiriche e teoriche
6.1.1
Confronto fra ripartizione empirica e teorica
6.1.2
Confronto delle funzioni di densità (empirica e teorica)
6.1.3
Confronto dei quantili: il grafico quantile-quantile
6.2
Strumenti grafici per il confronto fra due insiemi di dati osservati
6.2.1
Box-plot affiancati
6.2.2
Confrontare le funzioni di ripartizione empiriche
6.2.3
Confronto tra le funzioni di densità empiriche
6.2.4
Il Grafico quantile-quantile
6.3
Analisi statistica bivariata
6.3.1
Due variabili categoriali
6.3.2
Una variabile quantitativa condizionata a un fattore
6.3.3
Scomposizione della devianza
6.3.4
L’uguaglianza dei valori centrali dei diversi gruppi (test sulle medie di più gruppi - ANOVA)
6.4
Analisi di due variabili quantitative
6.4.1
Il diagramma di dispersione
6.4.2
Le misure di relazione lineare
6.4.3
La regressione lineare semplice
6.4.4
La retta di regressione dei minimi quadrati
6.4.5
Misurare la qualità della regressione: il coefficiente di determinazione lineare
6.4.6
la funzione
lm()
e il modello lineare
6.4.7
Il
lisciamento
della curva di regressione
7
Analisi statistica di più variabili (analisi multivariata)
7.1
L’analisi di più variabili categoriali
7.1.1
L’associazione marginale, l’associazione condizionale e il paradosso di Simpson
7.1.2
Un esempio
7.2
L’analisi di piu variabili quantitative
7.2.1
La matrice di varianza-covarianza e la matrice di correlazione
7.2.2
La correlazione parziale
7.2.3
Il consumo di carne causa il cancro?
7.3
La Regressione lineare multipla
7.3.1
La funzione di regressione dei minimi quadrati
7.3.2
Il controllo della qualità della funzione di regressione
7.3.3
Controllare la significatività dei singoli coefficienti di regressione multipla
7.3.4
La valutazione del coefficiente di determinazione lineare
R
2
7.3.5
Selezione (automatica) del modello
7.3.6
Il controllo del modello: l’analisi dei residui
7.3.7
La natura delle variabili coinvolte e l’interpretazione dei parametri di regressione
7.3.8
Un esempio con l’introduzione di una seconda variabile esplicativa categoriale
7.3.9
Regressione multipla: un esempio guidato con R
7.3.10
Costruzione dell’equazione di regressione
7.4
Introduzione all’analisi di raggruppamento (cluster analysis)
7.4.1
Un semplice esempio con dati simulati
7.4.2
Misure di dissomiglianza
7.4.3
I diversi metodi di raggruppamento
7.4.4
Il metodo delle K-medie (K-means)
7.4.5
Partizionamento intorno ai Medoidi (PAM)
7.4.6
Il grafico della silhouette
7.4.7
PAM con matrice di dissomiglianza arbitraria
7.4.8
Raggruppamento gerarchico
7.4.9
Metodi di raggruppamento basati sulla densità
Published with bookdown
Facebook
Twitter
LinkedIn
Weibo
Instapaper
A
A
Serif
Sans
White
Sepia
Night
Spacing -
Spacing +
PDF
EPUB
Analisi dei dati
Analisi dei dati
Introduzione all’analisi esplorativa dei dati con
R
Nicola Torelli
2025-03-17
Capitolo 1
Indice