Thành thật mà nói, tôi không nghĩ rằng luật số lượng lớn có một vai trò to lớn trong ngành công nghiệp. Rất hữu ích để hiểu các biện minh tiệm cận của các thủ tục phổ biến, chẳng hạn như ước tính và kiểm tra khả năng tối đa (bao gồm cả GLM toàn năng và hồi quy logistic, đặc biệt), bootstrap, nhưng đây là các vấn đề phân phối thay vì xác suất gặp phải vấn đề mẫu xấu .
Ngoài các chủ đề đã được đề cập (GLM, suy luận, bootstrap), mô hình thống kê phổ biến nhất là hồi quy tuyến tính, vì vậy cần phải hiểu kỹ về mô hình tuyến tính. Bạn có thể không bao giờ chạy ANOVA trong cuộc sống công nghiệp của mình, nhưng nếu bạn không hiểu nó, bạn không nên được gọi là một nhà thống kê.
Có nhiều loại ngành công nghiệp khác nhau. Trong dược phẩm, bạn không thể kiếm sống nếu không có thử nghiệm ngẫu nhiên và hồi quy logistic. Trong thống kê khảo sát, bạn không thể kiếm sống nếu không có công cụ ước tính Horvitz-Thompson và điều chỉnh không đáp ứng. Trong thống kê liên quan đến khoa học máy tính, bạn không thể kiếm sống nếu không học thống kê và khai thác dữ liệu. Trong chính sách công nghĩ rằng các bể (và, ngày càng tăng, thống kê giáo dục), bạn không thể kiếm sống nếu không có ước tính hiệu quả điều trị và nguyên nhân (mà ngày càng liên quan đến các thử nghiệm ngẫu nhiên). Trong nghiên cứu tiếp thị, bạn cần có sự kết hợp giữa nền tảng kinh tế với lý thuyết đo lường tâm lý (và bạn có thể học cả hai trong một đề xuất của bộ phận thống kê điển hình). Thống kê công nghiệp hoạt động với sáu mô hình sigma đặc biệt của riêng nó, nhưng được kết nối từ xa với thống kê chính thống; một liên kết mạnh hơn có thể được tìm thấy trong thiết kế vật liệu thí nghiệm. Vật liệu của Phố Wall sẽ là kinh tế lượng tài chính, tất cả các cách tính toán ngẫu nhiên. Đây là những kỹ năng khác biệt RẤT, và thuật ngữ "công nghiệp" thậm chí còn được định nghĩa kém hơn "học thuật". Tôi không nghĩ rằng bất cứ ai cũng có thể yêu cầu biết nhiều hơn hai hoặc ba điều trên cùng một lúc.
Tuy nhiên, các kỹ năng hàng đầu sẽ được yêu cầu phổ biến trong "ngành công nghiệp" (bất cứ điều gì có thể có ý nghĩa với bạn) sẽ là quản lý thời gian, quản lý dự án và giao tiếp với các khách hàng ít hiểu biết về thống kê. Vì vậy, nếu bạn muốn chuẩn bị cho vị trí công nghiệp, hãy tham gia các lớp học ở trường kinh doanh về các chủ đề này.
CẬP NHẬT: Bài viết gốc được viết vào tháng 2 năm 2012; những ngày này (tháng 3 năm 2014), có lẽ bạn nên tự gọi mình là "nhà khoa học dữ liệu" thay vì "nhà thống kê" để tìm một công việc nóng bỏng trong ngành ... và học hỏi tốt hơn một số Hadoop để tự làm theo.