Mai nella stessa forma
Il Test di Wilcoxon per ranghi con segno è un test non parametrico utilizzato per confrontare due serie di dati correlate. Viene utilizzato quando non si può assumere che la differenza tra le coppie di osservazioni segua una distribuzione normale, rendendolo un’alternativa al test t per dati appaiati in situazioni in cui l’assunzione di normalità non è soddisfatta.
Statsmodels è una libreria open-source che offre un’ampia gamma di strumenti per la stima di modelli statistici, l’esecuzione di test statistici e la visualizzazione dei dati.
Il Test del Segno è un metodo non parametrico utilizzato per confrontare due campioni correlati o per verificare se la mediana di una popolazione differisce da un valore specifico. È particolarmente utile quando i dati non soddisfano i presupposti necessari per i test parametrici, come la normalità della distribuzione.
La statistica non parametrica è una branca della statistica che si focalizza sull’analisi dei dati senza fare assunzioni rigide riguardo alla loro distribuzione. Questo la rende estremamente versatile e adatta a molte situazioni in cui i metodi parametrici, che invece richiedono specifiche ipotesi sui dati, non sarebbero applicabili.
Le misure di dispersione in statistica forniscono un’indicazione della variabilità o della diffusione dei dati all’interno di un insieme. In altre parole, mostrano quanto i dati si discostino dalla media o dal valore centrale.
Le misure di centralità, come media, mediana e moda, sono fondamentali nella statistica descrittiva. La media rappresenta il valore medio di un insieme di dati, la mediana indica il valore centrale quando i dati sono ordinati, mentre la moda identifica il valore più frequente.
La Funzione di Distribuzione Cumulativa (CDF) è una funzione matematica che fornisce la probabilità che una variabile casuale sia minore o uguale a un certo valore. In altre parole, la CDF fornisce una panoramica della distribuzione di probabilità di una variabile casuale. In Python, è possibile utilizzare la CDF attraverso librerie come NumPy, SciPy o Statmodels. Queste librerie forniscono metodi per calcolare la CDF per diverse distribuzioni probabilistiche, come la distribuzione normale, la distribuzione binomiale, la distribuzione di Poisson, ecc.
La Joint Probability (Probabilità Congiunta) e la Union Probability (Probabilità dell’Unione) sono concetti fondamentali nella teoria delle probabilità, e rappresentano differenti modi di descrivere le relazioni tra eventi.
L’Ensemble Learning è una tecnica nel campo del Machine Learning in cui più modelli di apprendimento vengono combinati insieme per migliorare le prestazioni complessive del sistema. Piuttosto che affidarsi a un singolo modello, l’Ensemble Learning utilizza diversi modelli per fare previsioni o classificazioni. Questa tecnica sfrutta la diversità dei modelli nell’ensemble per ridurre il rischio di overfitting e migliorare la generalizzazione dei risultati.
L’Elastic Net è una tecnica di regressione lineare che aggiunge un termine di regolarizzazione combinando sia la penalità L1 (come nella regressione Lasso) che la penalità L2 (come nella regressione ridge). Quindi, si basa sul modello di regressione lineare, ma con l’aggiunta di queste penalità per migliorare le prestazioni del modello, soprattutto quando ci sono multicollinearità tra le variabili o si desidera fare una selezione delle variabili.