Bỏ qua tới nội dung chính
Toán học

Nhóm chủ đề 4/8

Xác suất và thống kê

Probability and Statistics

Mô hình hóa ngẫu nhiên, suy luận từ dữ liệu và quá trình ngẫu nhiên: nền của khoa học dữ liệu, tài chính định lượng và học máy.

3 chủ đềkhoảng 135 giờ12 khóa học9 sách

Theo cấp độ: 2 Trung bình · 1 Nâng cao

Giới thiệu

Nhóm Xác suất và thống kê đi từ Lý thuyết xác suất (không gian xác suất, biến ngẫu nhiên, kỳ vọng, luật số lớn, định lý giới hạn trung tâm) sang Thống kê toán học (ước lượng, hợp lý cực đại, kiểm định giả thuyết, hồi quy, suy luận Bayes) và Quá trình ngẫu nhiên (xích Markov (chuỗi Markov), bước ngẫu nhiên, quá trình Poisson, martingale).

Học để làm gì

Dữ liệu thật luôn có nhiễu, và xác suất là cách chặt chẽ để nói về độ bất định. Thống kê biến dữ liệu thành kết luận kèm mức tin cậy — kỹ năng cốt lõi của nhà khoa học dữ liệu, nhà nghiên cứu y sinh hay chuyên viên rủi ro. Quá trình ngẫu nhiên mô tả những hệ thay đổi ngẫu nhiên theo thời gian: hàng đợi, giá cổ phiếu, thuật toán ngẫu nhiên.

Học thế nào

Cần vững giải tích (đặc biệt là tích phân bội) và đại số tuyến tính trước. Học xác suất qua thật nhiều bài toán cụ thể và kiểm tra kết quả bằng mô phỏng Monte Carlo trong Python; khi sang thống kê, hãy phân tích một bộ dữ liệu thật thay vì chỉ học công thức. Quá trình ngẫu nhiên là phần nâng cao, nên học khi đã quen ma trận chuyển trạng thái và trị riêng.

Nên học trước

Thứ tự học

Sắp theo mục "Nên học trước" trong hướng dẫn của từng chủ đề.

  1. Xác suất thống kê

    Lý thuyết xác suất

    Trung bìnhkhoảng 45 giờ

    Cần học trước

    Nền tảng: Giải tích, Giải tích nhiều biến

    Giáo trình: Introduction to Probability, Second Edition

    Khóa chính: Probabilistic Systems Analysis and Applied Probability · MIT

  2. Trung bìnhkhoảng 45 giờ

    Cần học trước

    Trong nhóm: Xác suất thống kê

    Đại số tuyến tính và phương trình vi phân: Đại số tuyến tính

    Giáo trình: Mathematical Statistics and Data Analysis

    Khóa chính: Statistics for Applications · MIT

  3. Nâng caokhoảng 45 giờ

    Cần học trước

    Trong nhóm: Xác suất thống kê

    Đại số tuyến tính và phương trình vi phân: Đại số tuyến tính

    Giáo trình: Essentials of Stochastic Processes

    Khóa chính: Discrete Stochastic Processes · MIT

Kỹ năng đạt được

  • Mô hình hóa bài toán bằng biến ngẫu nhiên, tính kỳ vọng, phương sai và phân phối
  • Áp dụng luật số lớn và định lý giới hạn trung tâm
  • Ước lượng tham số, dựng khoảng tin cậy và kiểm định giả thuyết
  • Xây dựng và phân tích xích Markov, quá trình Poisson
  • Kiểm tra kết quả xác suất bằng mô phỏng trên máy tính

Nghề nghiệp

  • Nhà khoa học dữ liệu, chuyên viên phân tích dữ liệu
  • Chuyên viên định lượng, quản trị rủi ro và định phí bảo hiểm
  • Nghiên cứu thống kê trong y sinh, kinh tế và khoa học xã hội
  • Học tiếp học máy và nhóm Applied and Computational Mathematics