Statistica

Fare previsioni non è affatto semplice. Anche se la mole di informazioni disponibili aumenta a ritmo vertiginoso, la quantità di verità e segnali utili alla nostra conoscenza del mondo non tiene lo stesso passo. La maggior parte è solo interferenza e il rumore sta crescendo molto più che il segnale. Nate Silver, statistico, uno dei pensatori più originali dell'ultima generazione, affronta un tema centrale nella vita di tutti poter basare le proprie scelte su previsioni che si riveleranno affidabili nel tempo con uno stile brillante, trasformando anche le questioni più teoriche in qualcosa di divertente, interessante e necessario. Dalla politica all'economia, passando per i tanti campi di applicazione della statistica nella vita quotidiana, dal poker alla meteorologia, dai terremoti al gioco degli scacchi, fino alla possibilità di scoprire il tradimento di un partner ritrovando un indumento sospetto in giro per casa..

Implementare gli algoritmi di machine learning senza usare codice. Salire di livello.

Il volume descrive numerose strategie operative che i trader utilizzano per operare con successo sui diversi mercati finanziari. L'autore si concentra in particolare sui pattern di prezzo, configurazioni grafiche "non discrezionali" che si formano nell'arco di tre/quattro sedute, la cui caratteristica più importante è quella di ripetersi sempre nello stesso modo nel corso del tempo. Ciò consente di individuarli con relativa facilità e di poter prevedere quale sarà il successivo movimento dei prezzi. Le strategie proposte sono utilizzabili anche dagli investitori che non possono seguire l'andamento dei mercati in tempo reale. Il punto di partenza, infatti, è il grafico giornaliero (daily): in questo modo il riconoscimento dei pattern viene effettuato una sola volta al giorno, alla chiusura di seduta o prima dell'apertura, e consente di stabilire a priori i livelli sui quali inserire gli ordini di acquisto (long), di vendita (short), di stop-loss e di take profit..

This book presents recent developments in statistical methodologies with particular relevance to applications in forestry and environmental sciences. It discusses important methodologies like ranked set sampling, adaptive cluster sampling, small area estimation, calibration approach-based estimators, design of experiments, multivariate techniques, Internet of Things, and ridge regression methods. It also covers the history of the implementation of statistical techniques in Indian forestry and the National Forest Inventory of India.

Il six Sigma è uno dei sistemi più efficaci per raggiungere l’operational excellence, che ha trasformato la gestione della qualità in un inesauribile centro di profitto per aziende grazie al miglioramento ed innovazione dei processi. Questo manuale completa quanto già affrontato nel precedente e complementare manuale six Sigma per le Green belt, presentando il six Sigma come un modello organico di Change management. La dotazione tecnica necessaria per raggiungere il livello di preparazione tipico delle Black belt viene arricchita con strumenti di programma e project Management, advanced root cause analysis, valutazione finanziaria, analisi quantitativa e statistica fino a toccare temi di leadership e soft skills..

Se non conosci Python e Pandas questo corso ti guida passo passo alla loro comprensione con esempi chiari e replicabili

Lungi dall'essere modelli matematici oggettivi e trasparenti, gli algoritmi che ormai dominano la nostra quotidianità iperconnessa sono spesso vere e proprie "armi di distruzione matematica": non tengono conto di variabili fondamentali, incorporano pregiudizi e se sbagliano non offrono possibilità di appello. Queste armi pericolose giudicano insegnanti e studenti, vagliano curricula, stabiliscono se concedere o negare prestiti, valutano l'operato dei lavoratori, influenzano gli elettori, monitorano la nostra salute. Basandosi su case studies nei campi più disparati ma che appartengono alla vita di ognuno di noi, O'Neil espone i rischi della discriminazione algoritmica a favore di modelli matematici più equi ed etici. Perché rivestire i pregiudizi di un'apparenza statistica non li rende meno pregiudizi.