Statistica inferenziale
Test di ipotesi, intervalli di confidenza, p-value, t-test, chi-quadrato, ANOVA, regressione lineare
1Cos'è l'ipotesi nulla (H₀) in un test di ipotesi?
Cos'è l'ipotesi nulla (H₀) in un test di ipotesi?
Risposta
L'ipotesi nulla (H₀) è l'affermazione predefinita che presuppone l'assenza di effetto o di differenza significativa. È l'ipotesi che cerchiamo di rifiutare o non rifiutare in base ai dati raccolti. Ad esempio, H₀ potrebbe affermare che un nuovo trattamento non ha effetto rispetto al placebo. Il test statistico valuta se i dati forniscono prove sufficienti per rifiutare questa ipotesi a favore dell'ipotesi alternativa (H₁).
2Cosa rappresenta il p-value in un test statistico?
Cosa rappresenta il p-value in un test statistico?
Risposta
Il p-value è la probabilità di ottenere un risultato almeno tanto estremo quanto quello osservato, assumendo che l'ipotesi nulla sia vera. Un p-value basso (tipicamente < 0.05) indica che i dati osservati sono improbabili sotto H₀, portando al suo rifiuto. Nota: il p-value non è la probabilità che H₀ sia vera, né la probabilità che i risultati siano dovuti al caso.
3Cos'è un errore di tipo I in statistica inferenziale?
Cos'è un errore di tipo I in statistica inferenziale?
Risposta
Un errore di tipo I (falso positivo) si verifica quando rifiutiamo l'ipotesi nulla quando in realtà è vera. Il livello di significatività α (spesso 0.05) rappresenta la probabilità massima accettabile di commettere questo errore. Ad esempio, concludere che un farmaco è efficace quando non lo è costituisce un errore di tipo I. Questo errore è controllato dalla scelta del livello di significatività.
Cos'è un errore di tipo II in statistica inferenziale?
Cosa rappresenta un intervallo di confidenza al 95%?
+21 domande da colloquio
Altri argomenti di colloquio Data Science & ML
Fondamenti di Python
Programmazione Orientata agli Oggetti in Python
Strutture dati Python
Fondamenti di Git
Fondamenti di SQL
Fondamenti di NumPy
Fondamenti di Pandas
Jupyter & Google Colab
SQL Joins e query avanzate
Pandas avanzato
Visualizzazione con Matplotlib & Seaborn
Visualizzazioni interattive con Plotly
Statistica descrittiva
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisionato: Regressione
ML Supervisionato: Classificazione
Alberi Decisionali e Ensembles
ML Non Supervisionato
Pipeline ML e Validazione
Serie Temporali e Previsione
Fondamenti di Deep Learning
TensorFlow & Keras
CNN e classificazione di immagini
RNN e Sequenze
Transformers e Attention
NLP e Hugging Face
GenAI e LangChain
MLOps e Deployment
Padroneggia Data Science & ML per il tuo prossimo colloquio
Accedi a tutte le domande, flashcards, test tecnici, esercizi di code review e simulatori di colloquio.
Inizia gratis