मैं यह बहुत ही बुनियादी, न्यूनतम आवश्यकताओं के परिप्रेक्ष्य से सोच रहा हूं। एक उद्योग के लिए प्रमुख सिद्धांत क्या हैं (अकादमिक नहीं) सांख्यिकीविद को नियमित आधार पर जानना, समझना और उसका उपयोग करना चाहिए?
एक बड़ा जो दिमाग में आता है वह है बड़ी संख्या का कानून । डेटा विश्लेषण के लिए सांख्यिकीय सिद्धांत लागू करने के लिए सबसे आवश्यक क्या हैं?
जवाबों:
सच कहूँ तो, मुझे नहीं लगता कि बड़ी संख्या के कानून की उद्योग में बहुत बड़ी भूमिका है। यह सामान्य प्रक्रियाओं के स्पर्शोन्मुख औचित्य को समझने में मददगार है, जैसे कि अधिकतम संभावना अनुमान और परीक्षण (विशेष रूप से सर्वव्यापी GLM और लॉजिस्टिक प्रतिगमन सहित), बूटस्ट्रैप, लेकिन ये खराब नमूना मुद्दों को मारने की संभावना के बजाय वितरण संबंधी समस्याएं हैं। ।
पहले से बताए गए विषयों (जीएलएम, इंट्रेंस, बूटस्ट्रैप) से परे, सबसे आम सांख्यिकीय मॉडल रैखिक प्रतिगमन है, इसलिए रैखिक मॉडल की पूरी समझ होना आवश्यक है। आप अपने उद्योग जीवन में एनोवा को कभी नहीं चला सकते हैं, लेकिन यदि आप इसे नहीं समझते हैं, तो आपको सांख्यिकीविद् नहीं कहा जाना चाहिए।
विभिन्न प्रकार के उद्योग हैं। फार्मा में, आप यादृच्छिक परीक्षण और लॉजिस्टिक प्रतिगमन के बिना जीवन नहीं बना सकते हैं। सर्वेक्षण के आँकड़ों में, आप हॉर्विट्ज़-थॉम्पसन अनुमानक और गैर-प्रतिक्रिया समायोजन के बिना जीवन नहीं बना सकते। कंप्यूटर विज्ञान से संबंधित आँकड़ों में, आप सांख्यिकीय शिक्षा और डेटा खनन के बिना जीवन नहीं बना सकते। सार्वजनिक नीति में टैंक (और, तेजी से, शिक्षा के आँकड़े), आप बिना कारण और उपचार प्रभाव के अनुमानकों के बिना जीवन नहीं बना सकते (जो, तेजी से, यादृच्छिक परीक्षणों को शामिल करते हैं)। विपणन अनुसंधान में, आपको साइकोमेट्रिक माप सिद्धांत के साथ अर्थशास्त्र की पृष्ठभूमि का मिश्रण करने की आवश्यकता है (और आप एक विशिष्ट सांख्यिकी विभाग प्रसाद में उनमें से कोई भी नहीं सीख सकते हैं)। औद्योगिक आँकड़े अपने स्वयं के अजीबोगरीब छह सिग्मा प्रतिमानों के साथ संचालित होते हैं जो मुख्यधारा के आँकड़ों से दूर से जुड़े होते हैं; प्रयोगों सामग्री के डिजाइन में एक मजबूत बंधन पाया जा सकता है। वॉल स्ट्रीट सामग्री वित्तीय अर्थमिति होगी, जो स्टोचस्टिक कैलकुलस तक सभी तरह की होगी। ये बहुत कम कौशल हैं, और "उद्योग" शब्द "अकादमिक" की तुलना में अधिक खराब रूप से परिभाषित है। मुझे नहीं लगता कि कोई भी एक ही समय में उपरोक्त में से दो या तीन से अधिक जानने का दावा कर सकता है।
हालांकि, शीर्ष कौशल, जिसे "उद्योग" में सार्वभौमिक रूप से आवश्यक होगा (जो भी आपके लिए इसका मतलब हो सकता है) समय प्रबंधन, परियोजना प्रबंधन और कम सांख्यिकीय-प्रेमी ग्राहकों के साथ संचार होगा। इसलिए यदि आप खुद को उद्योग लगाने के लिए तैयार करना चाहते हैं, तो इन विषयों पर बिजनेस स्कूल में कक्षाएं लें।
अद्यतन: मूल पोस्ट फरवरी 2012 में लिखा गया था; इन दिनों (मार्च 2014), आपको शायद खुद को उद्योग में एक गर्म नौकरी खोजने के लिए "एक सांख्यिकीविद्" के बजाय "एक डेटा वैज्ञानिक" कहना चाहिए ... और उस आत्म-घोषणा के साथ पालन करने के लिए कुछ Hadoop सीखना बेहतर होगा।
मुझे लगता है कि पूर्वाग्रह-विचरण व्यापार से संबंधित मुद्दों की अच्छी समझ है । अधिकांश सांख्यिकीविद किसी बिंदु पर, एक डेटासेट का विश्लेषण करेंगे जो एक अनुमानक के विचरण या मॉडल के मापदंडों के पर्याप्त रूप से छोटा होने के लिए पर्याप्त है कि पूर्वाग्रह एक माध्यमिक विचार है।
मैं यह नहीं कहूंगा कि यह बहुत बड़ी संख्या या केंद्रीय सीमा प्रमेय के कानून के समान है, लेकिन क्योंकि कार्य-कारण के बारे में अनुमान लगाना अक्सर केंद्रीय होता है, यहूदिया पर्ल के काम को मॉडल के कारण संरचित ग्राफ़ का उपयोग करने से समझना कुछ ऐसे लोगों से परिचित होना चाहिए। साथ में। यह समझने का एक तरीका प्रदान करता है कि प्रयोगात्मक और अवलोकन संबंधी अध्ययन उनके द्वारा किए गए कारण के संदर्भ में भिन्न होते हैं, और अवलोकन डेटा से निपटने के तरीके प्रदान करते हैं। एक अच्छे अवलोकन के लिए, उनकी पुस्तक यहाँ है ।
डेल्टा-विधि, विचित्र आँकड़ों के विचरण की गणना कैसे करें और चर के परिवर्तनों की सिफारिश करने और "सही बात का अनुमान लगाने" द्वारा दक्षता बढ़ाने की व्याख्या करने के लिए उनकी असममित सापेक्ष दक्षता पाएं। उस के साथ संयोजन के रूप में, जेएनएन की विषमता जीएलएम और अजीब प्रकार के पूर्वाग्रह को समझने के लिए जो ऊपर की तरह परिवर्तनों में उत्पन्न होती है। और, अब जब पूर्वाग्रह और भिन्नता का उल्लेख किया जाता है, पूर्वाग्रह-व्यापार और ऑफ-एमएसई की अवधारणा भविष्य कहनेवाला सटीकता के उद्देश्य माप के रूप में।
मेरे विचार में, एक चिकित्सक के लिए सांख्यिकीय निष्कर्ष सबसे महत्वपूर्ण है। अनुमान के दो भाग हैं: 1) अनुमान और 2) परिकल्पना परीक्षण। परिकल्पना परीक्षण महत्वपूर्ण है। चूंकि अनुमान में ज्यादातर एक अनूठी प्रक्रिया है, अधिकतम संभावना का अनुमान, पीछा किया गया और यह सबसे सांख्यिकीय पैकेज उपलब्ध है (इसलिए कोई भ्रम नहीं है)।
बार-बार अभ्यास करने वाले प्रश्न अंतर या कारण विश्लेषण के महत्वपूर्ण परीक्षण के आसपास होते हैं। महत्वपूर्ण परिकल्पना परीक्षण इस लिंक में मिल सकते हैं ।
रैखिक मॉडल के बारे में जानना, जीएलएम या सामान्य सांख्यिकीय मॉडलिंग में कारण व्याख्या के लिए आवश्यक है। मुझे लगता है कि डेटा विश्लेषण के भविष्य में बायेसियन इंट्रेंस शामिल हैं।
आकस्मिक आक्षेप करना होगा। और यह कैसे मौलिक समस्या है, इस पर ध्यान दें, आप समय पर वापस नहीं जा सकते हैं और न ही किसी को उपचार दे सकते हैं। माणिक, फिशर, आधुनिक सांख्यिकी छात्र के संस्थापक के बारे में लेख पढ़ें।) .... इस समस्या का समाधान करने के लिए क्या सीखें, उचित यादृच्छिककरण और बड़ी संख्या के कानून कैसे कहते हैं कि चीजें ठीक से यादृच्छिक हैं, परिकल्पना परीक्षण, संभावित परिणाम (विषमलैंगिकता के विरुद्ध धारण) और लापता होने के साथ महान है), मिलान (लापता होने के लिए महान है लेकिन संभावित परिणाम बेहतर है क्योंकि यह अधिक सामान्यीकृत है, मेरा मतलब है कि जटिल चीजों का एक टन क्यों सीखें जब आप केवल एक जटिल चीज सीख सकते हैं), बूटस्ट्रैप, कोर्स के बायेसियन आँकड़े (बायेसियन प्रतिगमन) , भोले बायेसियन रिग्रेशन, बायेसियन कारक), और नॉन पैमेट्रिक विकल्प।
आम तौर पर व्यवहार में इन सामान्य चरणों का पालन करें,
पिछली टिप्पणी के संबंध में, आपको पहले एक एनोवा (यादृच्छिक प्रभाव या निश्चित प्रभाव, और निरंतर प्रकारों को डिब्बे में बदलना) से शुरू करना चाहिए, फिर एक प्रतिगमन का उपयोग करें (यदि आप बदलते हैं और बदल सकते हैं तो कभी-कभी एनोवा के रूप में अच्छा हो सकता है, लेकिन कभी नहीं) यह देखने के लिए कि कौन से विशिष्ट उपचार महत्वपूर्ण हैं, (कई टी परीक्षण करने और होल्म मेथिड जैसे कुछ सुधार का उपयोग करने के लिए एप्लाइड) एक प्रतिगमन का उपयोग करते हैं।
उन मामलों में जहां आपको चीजों की भविष्यवाणी करनी होती है, वे बेयसियन रिग्रेशन का उपयोग करते हैं।
5% से अधिक की अनुपलब्धता संभावित परिणामों का उपयोग करती है
डेटा एनालिटिक्स की एक और शाखा मशीन लर्निंग की देखरेख है जिसका उल्लेख किया जाना चाहिए