ARGOMENTI PRINCIPALI
→Analisi descrittiva e indici di sintesi. Calcolo e interpretazione di media, mediana, deviazione standard e variabilità.
→Distribuzione dei dati. Riconoscere la forma delle variabili (distribuzione gaussiana, binomiale, Poisson).
→Pulizia e preparazione dei dati. Uniformazione formati, riscalatura, gestione degli outlier e dei dati mancanti.
→Campionamento e bias di selezione. Evitare le trappole del survivor bias e del paradosso dei Big Data nei sondaggi.
→Correlazioni e Paradosso di Simpson. Misurazione dell'indice di Pearson e analisi delle distorsioni da aggregazione.
→Causalità e test di significatività. Distinguere le coincidenze dai nessi causali tramite gruppi di controllo e p-value.
COSA SAPRAI FARE
Alla fine del corso sai pulire ed esplorare un dataset senza errori metodologici, sai individuare i bias di selezione nei questionari e distinguere le vere relazioni causali dalle semplici coincidenze, presentando i risultati in modo chiaro e inattaccabile.
A CHI È RIVOLTO
A chi analizza dati per la reportistica, cura la rendicontazione dei progetti o gestisce database di intervento e donor. Nessun prerequisito matematico o statistico.
Vai alla pagina del corso →