Summary  
Using SciPy’s statistics module to calculate a confidence interval for a sample mean by applying the normal distribution’s interval method with specified confidence level, sample mean, and standard error.

General domain of usage  
Statistical inference

## Quali valori possiamo stimare utilizzando un intervallo di confidenza?

In questo corso, verranno stimati valori medi, ma è possibile stimare anche altre statistiche come varianze, valori attesi matematici e altro.

Esaminare la funzione utilizzata per calcolare gli intervalli di confidenza.


```python
st.norm.interval(confidence=0.95, loc=np.mean(dist), scale=st.sem(dist))
```

La funzione `st.norm.interval()` viene utilizzata per calcolare un intervallo di confidenza con i seguenti parametri:
- Il parametro `confidence` rappresenta il **livello di confidenza**;
- Il parametro `loc` indica il **valore medio della distribuzione**;
- Il parametro `scale` è l'**errore standard della media**.

## Che cos'è l'errore standard della media?

L'errore standard della media, spesso chiamato errore standard, misura quanto è probabile che la media della popolazione si discosti dalla media del campione.

Provare a modificare il parametro `confidence` e osservare le variazioni.

# Importing libraries
import scipy.stats as st
import numpy as np

# Creating random normal distribution
dist = st.norm.rvs(size=1000, loc=50, scale=2)

# Finding confidence interval
confidence = st.norm.interval(confidence=0.95, loc=np.mean(dist), scale=st.sem(dist))

print(confidence)

Costruisci una solida base in statistica utilizzando Python. Apprendi i concetti statistici essenziali e applicali tramite NumPy e pandas. Passa da misure di base come media e varianza a test d'ipotesi, intervalli di confidenza e analisi dei dati con esercitazioni pratiche.

Esplora i principi statistici fondamentali, inclusi i tipi di dati, le misure di tendenza centrale e le principali differenze tra campioni e popolazioni.

Apprendere il calcolo e l'interpretazione di media, mediana e moda utilizzando Python. Eseguire esercitazioni su queste operazioni con pandas per analizzare dataset reali.

Comprendere come la varianza e la deviazione standard misurano la dispersione dei dati. Calcolo manuale e tramite strumenti Python di entrambe le misure.

Esplora come covarianza e correlazione descrivono le relazioni tra variabili. Esercitati nel calcolo e nel confronto di entrambe le metriche in Python.

Approfondimento sugli intervalli di confidenza per stimare i parametri della popolazione. Utilizzo di NumPy, pandas e librerie di visualizzazione per calcolare e interpretare intervalli con dati reali.

Apprendere i fondamenti del test d'ipotesi e del t-test. Comprendere come progettare, eseguire e interpretare i test utilizzando Python per supportare decisioni basate sui dati.

Calcolo dell'Intervallo di Confidenza con Python

Quali valori possiamo stimare utilizzando un intervallo di confidenza?

Che cos'è l'errore standard della media?

Calcolo dell'Intervallo di Confidenza con Python

Quali valori possiamo stimare utilizzando un intervallo di confidenza?

Che cos'è l'errore standard della media?