Skip to main content

Durata corso:

3 giorni

Costo:

1.210,00 €

Statistics 1: Introduction to ANOVA, Regression, and Logistic Regression

Codice: BSS09

Questo corso è un’introduzione ai concetti e alle tecniche fondamentali della statistica applicata con un focus specifico su ANOVA, la regressione lineare e la regressione logistica. Attraverso lezioni teoriche, esempi pratici e esercitazioni con il software SAS, gli studenti apprenderanno come analizzare e interpretare dati sia continui sia categorici. Il corso è progettato per fornire le basi necessarie per comprendere come le tecniche statistiche possono essere applicate per prendere decisioni basate su dati.

Modalità di erogazione
In aula o Live Virtual Classroom.

Attestato di partecipazione
Al termine del corso verrà rilasciato l’attestato di frequenza.

Contenuti del corso
  • Statistiche Descrittive
    • Introduzione alle statistiche descrittive.
    • Esame delle distribuzioni dei dati.
  • Statistiche Inferenziali
    • Concetti base delle statistiche inferenziali.
    • Costruzione di intervalli di confidenza.
    • Esecuzione di semplici test di ipotesi.
  • Esame e Interpretazione delle Distribuzioni dei Dati
    • Utilizzo della procedura UNIVARIATE per ottenere statistiche campionarie.
    • Esame grafico delle distribuzioni dei dati tramite le procedure UNIVARIATE e FREQ.
  • Test di Differenze tra Mezzi di Due Gruppi
    • Implementazione di test per confrontare mezzi di due gruppi usando PROC TTEST.
  • ANOVA e Regressione
    • Realizzazione di ANOVA unidirezionale con la procedura GLM.
    • Esecuzione di test multipli post-hoc in PROC GLM.
    • Creazione di correlazioni con la procedura CORR.
    • Adattamento di un modello di regressione lineare semplice con la procedura REG.
  • Modelli Lineari Complessi
    • Realizzazione di ANOVA bidirezionale, con e senza interazioni.
    • Comprensione dei concetti di regressione multipla.
  • Costruzione di Modelli e Selezione degli Effetti
    • Tecniche di selezione automatica del modello in PROC GLMSELECT.
    • Interpretazione e confronto dei modelli selezionati.
  • Post-Adattamento del Modello per Inferenza
    • Esame dei residui.
    • Indagine sulle osservazioni influenti.
    • Valutazione della collinearità.
  • Costruzione del Modello e Scoring per la Predizione
    • Comprensione dei concetti di modellazione predittiva.
    • Importanza della partizione dei dati.
    • Comprensione dello scoring.
    • Ottenimento di previsioni (scoring) per nuovi dati con PROC GLMSELECT e PROC PLM.
  • Analisi dei Dati Categorici
    • Produzione di tabelle di frequenza con la procedura FREQ.
    • Esame dei test per associazione generale e lineare con la procedura FREQ.
    • Comprensione dei test esatti.
    • Comprensione dei concetti di regressione logistica.
    • Adattamento di modelli di regressione logistica univariata e multivariata con la procedura LOGISTIC.
    • Uso di tecniche di selezione automatica del modello in PROC LOGISTIC, inclusi termini di interazione.
    • Ottenimento di previsioni per nuovi dati con PROC PLM.
Partecipanti

Statistici, ricercatori e analisti aziendali che utilizzano la programmazione SAS per generare analisi con variabili di risposta (dipendenti) continue o categoriche.

Prerequisiti

Prima di partecipare a questo corso, è necessario:

  • Aver completato l’equivalente di un corso di laurea in statistica che comprenda valori di p, test di ipotesi, analisi della varianza e regressione.
  • Essere in grado di eseguire programmi SAS e creare set di dati SAS. Si consiglia di frequentare il corso SAS Programming 1: Essentials.
Obiettivi

Al termine del corso, i partecipanti saranno in grado di:

  • Utilizzare statistiche descrittive per riassumere e presentare i dati in modo chiaro.
  • Applicare le tecniche delle statistiche inferenziali per testare ipotesi e costruire intervalli di confidenza.
  • Analizzare e interpretare le distribuzioni dei dati utilizzando i metodi grafici e numerici.
  • Eseguire test di ipotesi per valutare le differenze tra gruppi e le relazioni tra variabili.
  • Implementare l’analisi della varianza (ANOVA) per confrontare i mezzi di più gruppi e costruire modelli di regressione per esplorare le relazioni tra le variabili.
  • Sviluppare e valutare modelli di regressione multipla e logistica per l’inferenza e la predizione in contesti sia continui sia categorici.
  • Applicare tecniche avanzate di modellazione e selezione degli effetti per migliorare l’accuratezza e l’interpretazione dei modelli statistici.
  • Eseguire l’analisi dei dati categorici, compresa la regressione logistica, per comprendere le relazioni tra variabili categoriche e continue.
Lingue
Italiano
Vuoi ulteriori info?

Torna a trovarci per conoscere i nuovi Corsi inseriti

Oppure richiedi informazioni sul corso che ti interessa nella sezione Contatti

My Agile Privacy
Questo sito utilizza cookie tecnici e di profilazione. Cliccando su accetta si autorizzano tutti i cookie di profilazione. Cliccando su rifiuta o la X si rifiutano tutti i cookie di profilazione. Cliccando su personalizza è possibile selezionare quali cookie di profilazione attivare.