Name: Tư duy Thống kê với Python (Phần 2)
Rating: 4.796875 (256 reviews)

Mô tả khóa học

Sau khi hoàn thành Tư duy Thống kê với Python (Phần 1), bạn đã có tư duy xác suất và nền tảng hacker stats để đi sâu vào các bộ dữ liệu và rút ra thông tin hữu ích. Trong khóa học này, bạn sẽ làm đúng điều đó, mở rộng và rèn giũa bộ công cụ hacker stats để thực hiện hai nhiệm vụ then chốt trong suy luận thống kê: ước lượng tham số và kiểm định giả thuyết. Bạn sẽ làm việc với dữ liệu thực trong quá trình học, và kết thúc bằng việc phân tích các phép đo về mỏ của loài chim sẻ nổi tiếng của Darwin. Kết thúc khóa học, bạn sẽ có thêm kiến thức và nhiều thực hành vững vàng, sẵn sàng tự mình giải quyết các bài toán suy luận ngoài đời thực.

Yêu cầu tiên quyết

Statistical Thinking in Python (Part 1)

Chương trình học

Đề cương khóa học

Ước lượng tham số bằng tối ưu hóa

Khi thực hiện suy luận thống kê, chúng ta nói bằng ngôn ngữ của xác suất. Một phân phối xác suất mô tả dữ liệu của bạn có các tham số. Vì vậy, mục tiêu lớn của suy luận thống kê là ước lượng giá trị của các tham số này, giúp chúng ta mô tả dữ liệu một cách súc tích, rõ ràng và rút ra kết luận từ đó. Trong chương này, bạn sẽ học cách tìm các tham số tối ưu, tức là những tham số mô tả dữ liệu của bạn tốt nhất.

Bắt đầu chương

Khoảng tin cậy bootstrap

Thành ngữ "pull yourself up by your bootstraps" ám chỉ việc tự mình đạt được một nhiệm vụ khó khăn mà không có bất kỳ trợ giúp nào. Trong suy luận thống kê, bạn muốn biết điều gì sẽ xảy ra nếu có thể lặp lại quá trình thu thập dữ liệu vô số lần. Nhiệm vụ này là bất khả thi, nhưng liệu chúng ta chỉ dùng dữ liệu hiện có để tiệm cận kết quả tương đương với vô vàn thí nghiệm không? Câu trả lời là có! Kỹ thuật thực hiện điều đó được gọi rất đúng là bootstrapping. Chương này sẽ giới thiệu cho bạn công cụ cực kỳ mạnh mẽ này.

Bắt đầu chương

Giới thiệu về kiểm định giả thuyết

Giờ đây bạn đã biết cách định nghĩa và ước lượng tham số dựa trên một mô hình. Nhưng câu hỏi đặt ra là: việc quan sát dữ liệu của bạn có hợp lý không nếu mô hình là đúng? Câu hỏi này được giải quyết bằng kiểm định giả thuyết. Chúng là lớp kem phủ lên chiếc bánh suy luận. Sau khi hoàn thành chương này, bạn sẽ có thể xây dựng và kiểm định giả thuyết một cách cẩn trọng bằng hacker statistics.

Bắt đầu chương

Ví dụ về kiểm định giả thuyết

Như bạn đã thấy ở chương trước, kiểm định giả thuyết có thể hơi phức tạp. Bạn cần xác định giả thuyết không, tìm cách mô phỏng nó, và định nghĩa rõ ràng thế nào là "cực đoan hơn" để tính p-value. Giống như mọi kỹ năng, luyện tập giúp bạn thành thạo, và chương này sẽ cho bạn cơ hội thực hành tốt với các kiểm định giả thuyết.

Bắt đầu chương

Tổng hợp: một nghiên cứu tình huống

Trong hơn 40 năm qua, Peter và Rosemary Grant hằng năm đều đến đảo Daphne Major thuộc quần đảo Galápagos để thu thập dữ liệu về chim sẻ của Darwin. Vận dụng kỹ năng suy luận thống kê, bạn sẽ dành chương này để làm việc với dữ liệu của họ và trực tiếp chứng kiến, thông qua dữ liệu, tiến hóa đang diễn ra. Đây là một cách đầy hứng khởi để khép lại khóa học!