This project builds a statistical model to predict newborn birth weight using clinical data from 2,500 cases across three hospitals. Key predictors include gestational age, maternal smoking, infant sex, and biometric measures. The final regression model shows good performance (R² ≈ 0.79), addressing heteroscedasticity with log-transformation and incorporating interactions and non-linear effects. Diagnostic tests support model reliability. The model aids early identification of at-risk newborns, informs prenatal care (notably smoking cessation), and helps optimize neonatal resource planning. Limitations in extreme value predictions are noted, suggesting future validation and richer longitudinal data integration.

Analisi del mercato immobiliare in Texas per individuare insights e raccomandazioni utili alla strategia di mercato del cliente. Le analisi condotte sono descrittive del dataset e della relazione tra le variabili. E' stata inserita una sezione aggiuntiva (non richiesta ma inserita per dare maggiore valore all'analisi) che indaga in maniera più approfondita le relazioni tra le variabili del dataset e imposta un'analisi multivariata con modelli di interazione, sia lineari che non lineari, nel tentativo di descrivere la variabilità del dataset e le principali interazioni tra i parametri principali