Tôi là một học sinh tốt nghiệp toán thuần túy với ít kiến thức về toán ứng dụng. Kể từ mùa thu năm ngoái, tôi đã tham gia các lớp học về cuốn sách của Casella & Berger và tôi đã hoàn thành hàng trăm (230+) trang về các vấn đề tập thể dục trong cuốn sách. Ngay bây giờ tôi đang ở Chương 10.
Tuy nhiên, vì tôi không học chuyên ngành thống kê hoặc dự định trở thành một nhà thống kê, tôi không nghĩ rằng tôi sẽ có thể đầu tư thời gian thường xuyên để tiếp tục học phân tích dữ liệu. Kinh nghiệm của tôi cho đến nay là nói với tôi rằng, để trở thành một nhà thống kê, người ta cần phải chịu nhiều tính toán tẻ nhạt liên quan đến các bản phân phối khác nhau (Weibull, Cauchy, , ...). Tôi thấy trong khi các ý tưởng cơ bản là đơn giản, việc thực hiện (ví dụ LRT trong kiểm tra giả thuyết) vẫn có thể khó khăn do kỹ thuật.
Tôi hiểu có đúng không? Có cách nào để tôi có thể tìm hiểu xác suất & thống kê không chỉ bao gồm các tài liệu nâng cao hơn mà còn có thể giúp đỡ trong trường hợp tôi cần phân tích dữ liệu trong cuộc sống thực không? Tôi có cần dành 20 giờ mỗi tuần cho nó như tôi đã từng không?
Mặc dù tôi tin rằng không có con đường hoàng gia nào trong việc học toán, tôi thường không thể không tự hỏi - hầu hết chúng ta không biết phân phối cho dữ liệu thực tế là gì, vậy mục đích của chúng ta là gì để tập trung vào các gia đình phân phối khác nhau ? Nếu kích thước mẫu nhỏ và định lý giới hạn trung tâm không áp dụng, làm thế nào chúng ta có thể phân tích chính xác dữ liệu bên cạnh trung bình và phương sai mẫu nếu phân phối không xác định?
Học kỳ của tôi sẽ kết thúc sau một tháng nữa và tôi không muốn kiến thức của mình bay hơi sau khi tôi bắt đầu tập trung vào nghiên cứu tiến sĩ. Thế là tôi quyết định hỏi. Tôi đang học R, và tôi có một số nền tảng lập trình, nhưng trình độ của tôi tương đương với một con khỉ mã.