Gândire statistică în Python (Partea 2)

În inferența statistică, ne dorim să știm ce s-ar întâmpla dacă am putea repeta colectarea datelor de un număr infinit de ori. Această sarcină este imposibilă în practică – dar putem folosi doar datele pe care le avem deja pentru a obține un rezultat aproape echivalent cu cel al unei infinități de experimente? Răspunsul este da! Tehnica prin care realizăm acest lucru se numește, în mod sugestiv, bootstrapping. Acest capitol îți va prezenta acest instrument extraordinar de puternic.

Știi deja cum să definești și să estimezi parametrii unui model. Însă rămâne o întrebare esențială: cât de rezonabil este să observi datele tale dacă un anumit model este adevărat? Această întrebare este abordată prin teste de ipoteză. Ele reprezintă piesa de rezistență a inferenței statistice. După ce vei finaliza acest capitol, vei fi capabil să construiești și să testezi ipoteze cu rigoare, folosind metode statistice practice.

După cum ai văzut în capitolul anterior, testarea ipotezelor poate fi uneori dificilă. Trebuie să definești ipoteza nulă, să găsești o modalitate de a o simula și să stabilești clar ce înseamnă o valoare „mai extremă", pentru a putea calcula p-valoarea. Ca orice abilitate, practica duce la perfecțiune – iar acest capitol îți oferă o bună ocazie de a exersa testele de ipoteză.","chapter4.md|parsed_data|description":"Ca orice abilitate, practica duce la perfecțiune – iar acest capitol îți oferă o bună ocazie de a exersa testele de ipoteză.

În fiecare an, de peste 40 de ani, Peter și Rosemary Grant merg pe insula Daphne Major din Arhipelagul Galápagos și colectează date despre cintezele lui Darwin. Folosindu-ți abilitățile de inferență statistică, vei petrece acest capitol lucrând cu datele lor, urmărind direct prin date evoluția în acțiune. Este o modalitate captivantă de a încheia cursul!