কাজের পরিবেশে সঠিক পরিসংখ্যান করছেন?

Question

আমি নিশ্চিত নই যে এই প্রশ্নটি কোথায়: ক্রস ভ্যালিডেটেড, বা কর্মক্ষেত্র। তবে আমার প্রশ্নটি পরিসংখ্যানের সাথে অস্পষ্টভাবে সম্পর্কিত।

"প্রশ্ন বিজ্ঞান ইন্টার্ন" হিসাবে কাজ করার সময় এই প্রশ্নটি (বা আমার মনে হয় প্রশ্নগুলি) উত্থাপিত হয়েছিল। আমি এই লিনিয়ার রিগ্রেশন মডেলটি তৈরি করছিলাম এবং অবশিষ্ট প্লটটি পরীক্ষা করছিলাম। আমি হেটেরোসেকস্টাস্টিটির স্পষ্ট লক্ষণ দেখেছি। আমার মনে আছে যে হেটেরোস্কেস্টাস্টিটি আত্মবিশ্বাসের ব্যবধান এবং টি-টেস্টের মতো অনেক পরীক্ষার পরিসংখ্যানকে বিকৃত করে। তাই আমি ভারতে সর্বনিম্ন স্কোয়ার ব্যবহার করেছি, আমি কলেজে যা শিখেছি তা অনুসরণ করে। আমার পরিচালক তা দেখেছিলেন এবং আমাকে তা না করার পরামর্শ দিয়েছিলেন কারণ "আমি বিষয়গুলিকে জটিল করে তুলছিলাম", যা মোটেও আমার পক্ষে খুব দৃinc় বিশ্বাসযোগ্য কারণ ছিল না।

আর একটি উদাহরণ হ'ল "একটি ব্যাখ্যামূলক পরিবর্তনশীল অপসারণের কারণ এর পি-মান তুচ্ছ"। হতে হবে, এই পরামর্শটি কেবলমাত্র যৌক্তিক দৃষ্টিকোণ থেকে বোঝা যায় না। আমি যা শিখেছি তা অনুসারে, তুচ্ছ পি-মান বিভিন্ন কারণে হতে পারে: সুযোগ, ভুল মডেল ব্যবহার করা, অনুমানগুলি লঙ্ঘন করা ইত্যাদি etc.

তবুও অন্য উদাহরণটি হ'ল, আমি আমার মডেলটি মূল্যায়ন করতে কে-ফোল্ড ক্রস বৈধতা ব্যবহার করেছি। ফলাফল অনুসারে, সি ভি এম ও ডি ই এল 2 এর চেয়ে বেশ ভাল । তবে আমাদের কাছে মডেল 1 এর জন্য কম আর 2 রয়েছে এবং কারণটির সাথে বাধা দেওয়ার কিছু আছে । আমার তত্ত্বাবধায়ক যদিও মডেল 2 পছন্দ করেন বলে মনে হয় কারণ এটির আর 2 বেশি । তার কারণগুলি (যেমন আর $CV_{model 1}$$CV_{model 2}$$R^2$$R^2$$R^2$ মজবুত, বা ক্রস-বৈধতা মেশিন লার্নিং অ্যাপ্রোচ, পরিসংখ্যানিক পদ্ধতির নয়) কেবল আমার মন পরিবর্তন করার পক্ষে যথেষ্ট দৃinc়প্রত্যয়ী বলে মনে হয় না।

সবে কলেজ থেকে স্নাতক প্রাপ্ত কেউ হিসাবে আমি খুব বিভ্রান্ত। বাস্তব বিশ্বের সমস্যাগুলি সমাধান করার জন্য সঠিক পরিসংখ্যান প্রয়োগ করার বিষয়ে আমি খুব আগ্রহী, তবে নিম্নলিখিতগুলির মধ্যে কোনটি সত্য তা আমি জানি না:

1. আমি নিজে যে পরিসংখ্যান শিখেছি তা কেবল ভুল, তাই আমি কেবল ভুল করছি।
2. সংস্থাগুলিতে তাত্ত্বিক পরিসংখ্যান এবং বিল্ডিং মডেলের মধ্যে বিশাল পার্থক্য রয়েছে। এবং যদিও পরিসংখ্যান তত্ত্ব সঠিক, লোকেরা কেবল এটি অনুসরণ করে না।
3. ব্যবস্থাপক সঠিকভাবে পরিসংখ্যান ব্যবহার করছেন না।

4/17/2017 এ আপডেট করুন: আমি পিএইচডি করার সিদ্ধান্ত নিয়েছি পরিসংখ্যান মধ্যে। আপনার উত্তরের জন্য আপনাকে ধন্যবাদ।

Comments

আপনার প্রশ্নের সাথে সম্পর্কিত এই উত্তরটির নীচে মন্তব্যগুলি (বিশেষত শেষেরগুলি

এই আলোচনাটিও প্রাসঙ্গিক হতে পারে । অনুশীলনে, আপনি কখনও কখনও এমন মডেলগুলি ব্যবহার করতে পারেন যেখানে আপনার ডেটা কিছু প্রয়োজনীয় অনুমানগুলি লঙ্ঘন করে (যেমন, নির্ভরশীল ভেরিয়েবলগুলির উপর নেভ বেইস) এবং এখনও আকর্ষণীয় ফলাফল রয়েছে। তবে অবশ্যই আপনার যে সিদ্ধান্তে পৌঁছেছে সে সম্পর্কে আপনাকে অবশ্যই খুব সতর্কতা অবলম্বন করতে হবে এবং মূল সমস্যাটি হ'ল: বেশিরভাগ লোকেরা যতক্ষণ না আপনি ফলাফল পাবেন ততক্ষণ আপনার ফলাফলের অর্থ সম্পর্কে চিন্তা করে না। প্রকাশ বা ধ্বংস ...

— গবারাসে

"আপনি সঠিক এবং তিনি ভুল" উত্তরগুলি সম্ভবত সঠিক এবং আপনার ক্ষেত্রে প্রযোজ্য। যাইহোক, সাবধান থাকুন যে কখনও কখনও উত্তরটি "সে ভুল হতে পারে তবে তার ভুল পথে তার উদ্দেশ্যে কাজ করে - সম্ভবত এটি তার ব্যবসা চালানোর অ পরিসংখ্যানগত উদ্দেশ্যে সঠিক পথের চেয়ে আরও ভাল কাজ করে"। আমি মনে করি এটি কেবলমাত্র পরিসংখ্যান নয়, সমস্ত ধরণের বৈজ্ঞানিক জ্ঞানের সাথে ঘটে। হয়তো এসই কর্মক্ষেত্রে তারা আপনাকে স্ট্যাটিস্টিকালহীন উদাহরণ দিতে পারে।

— পেরে

@ আকসাকাল: ওপি পরিসংখ্যানগতভাবে যা বর্ণনা করেছে সেখান থেকে তিনি সম্ভবত সঠিক। আপনার ব্যক্তিগত উপাখ্যান, কেবল একটি উপাখ্যান। আমি এটিকে বললাম যে আমি এমন একটি চাকরিতে চলে এসেছি যেখানে কেবল 30 টি নমুনা দিয়ে A / B পরীক্ষা করা হবে; মৌলিক শক্তি-গণনা দেখানো নমুনা আকার এবং সিদ্ধান্ত গ্রহণ সম্পর্কে দলের পুরো মানসিকতার পরিবর্তন। ওপির প্রশ্নে ফিরে এসে আমি সম্মত হই যে বর্ণিত বর্ণনার অর্থ এই নয় যে ওপি'র তত্ত্বাবধায়ক কোনও ভুল কল করেছেন। ব্যবসায়ের কর্মপ্রবাহগুলির সাথে তাদের সাথে একটি বিশেষ জড়তা জড়িত এবং "নতুন লোক" ভাববাদী হওয়ার আগে নিজেকে প্রচারক হিসাবে প্রমাণ করতে হবে ...

— ইউএসআর 11852 বলেছেন পুনরায় ইনস্টল মনিক

@ ইউএসআর ১১৮৫২, আমার মন্তব্যটি খুব খারাপ ছিল :) তবে আমার একটা বক্তব্য আছে, আমি মনে করি: যে কেউ মাঠে নতুন, তার পক্ষে এই ধারণা করা আরও নিরাপদ যে বস আরও ভাল জানেন। অভিজ্ঞতার সাথে তিনি এই ধারণাটি শিথিল করতে পারেন, সম্ভবত তার নিজের মতামতকে আরও বেশি ওজন দিতে হবে এবং বসকে কম দেওয়া হবে '। ইন্টার্নের জন্য নিজের মতামত অনুযায়ী ওজনটি জেরোর কাছাকাছি হওয়া উচিত।

— আকসকল

Answer 1

$p$

আমি মনে করি যে এই ধরণের পরিস্থিতির মুখোমুখি হওয়ার সময় কেবলমাত্র করণীয় হ'ল দু'টি উদাহরণ সহ দু'টি উদাহরণ সহ ভুলভ্রান্ত অভ্যাসটি সম্পর্কে কী ভুল তা সতর্কতার সাথে ব্যাখ্যা করা।

Comments

জবাবের জন্য ধন্যবাদ. আমার অনুমান একটি "নেক্সট-স্টেপ প্রশ্ন", সেখানে এমন কোনও কাজ আছে যা বাস্তবে সঠিক পরিসংখ্যান করে? আমি বুঝতে পারি যে আজকাল ডেটা সায়েন্স খুব জনপ্রিয়, তবে একরকম আমার এই ধারণাটি রয়েছে যে অনেক "ডেটা বিজ্ঞানী" সত্যিকারের পরিসংখ্যানগুলি করার বিষয়ে সত্যই যত্ন

— নেন না

@ মিসাকভ আমার ধারণা এটি সত্যই ব্যক্তি বা সংস্থার উপর নির্ভর করে। তবে "ডেটা সায়েন্স", "অ্যানালিটিক্স" এবং "ব্যবসায় বুদ্ধি" এর মতো বুজওয়ার্ডগুলি লাল পতাকা। এবং ভুলে যাবেন না যে কোনও কাজের সাক্ষাত্কারে আপনি তাদেরও সাক্ষাত্কার দিচ্ছেন। এটি কেবল আপনাকেই তৈরি করে না things জিনিসগুলি কীভাবে হয় সে সম্পর্কে বিস্তারিত প্রশ্ন জিজ্ঞাসা করা ভাল দেখায়; এটি আপনাকে ডেটা বিশ্লেষণ সম্পর্কে কতটা গুরুতর তা দেখতে দেয়।

— কোডিওলজিস্ট

@ মিসকভ আপনি যদি সত্যিই সঠিক পরিসংখ্যান করতে চান তবে আপনাকে সম্ভবত একাডেমিয়ায় যাওয়া দরকার। শিল্প ব্যবহারের বিশাল সংখ্যাগরিষ্ঠ (উপরে আমার উত্তর দেখুন) ভুল হবে।

— Mooks

$R^2$

@ usεr11852 একজন ভাল (অর্থাত্ বিন্দুযুক্ত কেশিক) পরিচালক যখন তার চেয়ে আরও ভাল জানেন তখন কর্মচারীদের কাছে পিছিয়ে দেবেন। "এন্টারপ্রাইজ থাকা সত্ত্বেও ম্যানেজারের সিদ্ধান্তগুলি এতটা ভুল নয় " - রেসটি দ্রুতগতির নয়।

— কোডিওলজিস্ট

Answer 2

কোডিওলজিস্ট ঠিক বলেছেন - আপনি ঠিক বলেছেন, সে ভুল। তবে দুঃখের বিষয় হচ্ছে আপনি যে সমস্যার মুখোমুখি হচ্ছেন তার চেয়ে এটি আরও সাধারণ জায়গা সমস্যা। আপনি আসলে এমন একটি শিল্পে আছেন যা তুলনামূলকভাবে ভাল করছে ।

$mean + 3*\sigma$

এখন, এই আত্মবিশ্বাসের ব্যবধানটি তাদের আসলে কী প্রয়োজন তা বলছে না (এ জন্য তাদের একটি সহনশীলতা ব্যবস্থার প্রয়োজন), এটি কিছু পরামিতিগুলিতে অন্ধভাবে করা হয় যা কোনও কোনও সর্বোচ্চ বা ন্যূনতম মানের কাছাকাছি ঘোরাফেরা করে (তবে যেখানে অন্তরটি জিতেছে ' টি আসলে সেই মানগুলি অতিক্রম করে)। যেহেতু এক্সেল তাদের যা প্রয়োজন তা গণনা করবে (হ্যাঁ, আমি এক্সেল বলেছি), প্যারামিটারটি সাধারণভাবে বিতরণের কাছাকাছি কোথাও চলে না এই বিষয়টি সত্ত্বেও তারা তাদের অনুযায়ী তাদের চশমা সেট করে। এই লোকগুলিকে প্রাথমিক পরিসংখ্যান শেখানো হয়েছে, তবে কিউ প্লট বা এর মতো নয়। সবচেয়ে বড় সমস্যা হ'ল পরিসংখ্যানগুলি আপনাকে একটি সংখ্যা দেবে, এমনকি যখন অনুপযুক্ত ব্যবহার করা হয়-সুতরাং বেশিরভাগ লোক জানে না যে তারা কখন এটি করেছে।

অন্য কথায়, বিশাল সংখ্যক শিল্পগুলিতে বিস্তৃত পণ্যগুলির স্পেসিফিকেশনগুলি বোকামি।

লোকেরা অন্ধভাবে পরিসংখ্যান অনুসরণ করে আমার কাছে সবচেয়ে খারাপ উদাহরণগুলির মধ্যে একটি হ'ল স্বয়ংচালিত শিল্পে সিপিকে ব্যবহার। একটি সংস্থা তাদের সরবরাহকারী সাথে একটি পণ্য নিয়ে বিতর্ক প্রায় এক বছর কাটিয়েছিল, কারণ তারা ভেবেছিল যে সরবরাহকারী তাদের পণ্যটিকে এমন স্তরে নিয়ন্ত্রণ করতে পারে যা সম্ভব ছিল না। তারা কোনও প্যারামিটারে সর্বাধিক নির্দিষ্ট (কোনও ন্যূনতম নয়) সেট করছিল এবং সিপিকে তাদের দাবির ন্যায্যতা প্রমাণ করতে ব্যবহার করেছিল - যতক্ষণ না এটি নির্দিষ্ট করা হয়েছিল যে তাদের গণনা (যখন তাত্ত্বিক ন্যূনতম স্তর নির্ধারণ করতে ব্যবহৃত হত - তারা চান না যে এটি পরীক্ষা করা হয়নি) ) একটি বিশাল নেতিবাচক মান বোঝায়। এটি, এমন একটি প্যারামিটারে যা কখনই 0 এর চেয়ে কম যায় না C সিপিকে স্বাভাবিক ধরে নেওয়া হয়, প্রক্রিয়াটি সাধারণ ডেটার কাছাকাছি কোথাও দেয় নি। এটি ডুবে যেতে অনেক সময় লেগেছে that সময় এবং অর্থের সমস্ত অপচয় হয় কারণ লোকেরা করেনি ' তারা কী গণনা করছে তা বুঝতে পারবেন না - এবং এটি নজরে না এলে এটি আরও অনেক খারাপ হতে পারে। এটি মোটরগাড়ি শিল্পে নিয়মিত পুনরায় স্মরণ করানোর জন্য একটি অবদানকারী কারণ হতে পারে!

আমি নিজেই একটি বিজ্ঞানের পটভূমি থেকে এসেছি এবং প্রকৃতপক্ষে বিজ্ঞান ও প্রকৌশল সংক্রান্ত পরিসংখ্যানের শিক্ষণটি হতবাকভাবে অপর্যাপ্ত। আমার এখন যা ব্যবহার করা দরকার তার সর্বাধিক আমি কখনই শুনিনি - এগুলি সবই স্বতঃশিক্ষিত হয়েছে এবং আমার জ্ঞানের মধ্যে এখনও (সঠিক পরিসংখ্যানবিদদের তুলনায়) বিশাল ফাঁক রয়েছে। সেই কারণে, আমি লোকদের পরিসংখ্যানের অপব্যবহার করে ভিক্ষাবোধ করি না (আমি সম্ভবত এখনও এটি নিয়মিত করি), এটি খারাপ শিক্ষা নয়।

সুতরাং, আপনার মূল প্রশ্নে ফিরে যাওয়া, এটি আসলেই সহজ নয়। আমি কোডিওলজিস্টের পরামর্শের সাথে এই বিষয়গুলি আলতোভাবে ব্যাখ্যা করার চেষ্টা করার সাথে একমত হব যাতে সঠিক পরিসংখ্যান ব্যবহার করা হয়। তবে , আমি এতে একটি অতিরিক্ত সতর্কতা যুক্ত করব এবং আপনার ক্যারিয়ারের স্বার্থে আপনার যুদ্ধগুলি বুদ্ধিমানের সাথে বেছে নেওয়ার পরামর্শ দেব।

এটি দুর্ভাগ্যজনক, তবে এটি সত্য যে আপনি প্রতিবারের মতো প্রত্যেককে সেরা পরিসংখ্যান করতে সক্ষম করতে পারবেন না। এগুলি সংশোধন করতে বেছে নিন যখন এটি সত্যই চূড়ান্ত সামগ্রিক উপসংহারে আসে (যার অর্থ মাঝে মাঝে জিনিসগুলি পরীক্ষা করার জন্য দুটি ভিন্ন উপায়ে করা হয়)। অনেক সময় রয়েছে (যেমন আপনার মডেল 1,2 উদাহরণ) যেখানে "ভুল" উপায় ব্যবহার করা একই সিদ্ধান্তে ডেকে আনতে পারে। খুব ঘন ঘন খুব বেশি লোককে সংশোধন করা এড়িয়ে চলুন।

আমি জানি যে এটি বৌদ্ধিকভাবে হতাশাব্যঞ্জক এবং বিশ্বের আলাদাভাবে কাজ করা উচিত - দুঃখের বিষয় এটি হয় না। এক পর্যায়ে আপনাকে আপনার সহকর্মীদের স্বতন্ত্র ব্যক্তিত্বের ভিত্তিতে আপনার লড়াইয়ের বিচার করতে শিখতে হবে। আপনার (কেরিয়ার) লক্ষ্য হ'ল তারা যে বিশেষজ্ঞের কাছে যান তখন তাদের সত্যই সহায়তার প্রয়োজন হয়, বাছাই করা ব্যক্তি সর্বদা তাদের সংশোধন করার চেষ্টা করে না। এবং, প্রকৃতপক্ষে, আপনি যদি সেই ব্যক্তি হন তবে সম্ভবত সেখানেই লোকেরা সঠিকভাবে শোনার জন্য এবং কাজ করতে সবচেয়ে বেশি সাফল্য পাবে। শুভকামনা।

Comments

এক্সেল সম্ভবত বহুল ব্যবহৃত ডেটা বিশ্লেষণ সফ্টওয়্যার। " হ্যাঁ, আমি এটি বলেছিলাম! " মন্তব্য করার দরকার নেই। কেউ যদি একাডেমিয়ার বাইরে না চলে যায় (এবং সম্ভবত বড় ফার্মাসি) সে আপনার মূল বক্তব্যটি দিয়ে চোখ বোলবে না। (ভাল উত্তর, +1)

— usεr11852 বলছেন

এটি সর্বাধিক ব্যবহৃত হয় এবং আমি মনে করি এটি আমার মূল বিষয়টিকে হাইলাইট করে। এক্সেলটির ডেটা বিশ্লেষণের জন্য বিশাল ঘাটতি রয়েছে। আপনি যদি যা করছেন সেটি এক্সেলে করা হচ্ছে, আপনি নিজেই এটিকে ডেটা বিশ্লেষণ বলতে পারবেন না - যদি আপনি নিজে নিজে সমস্ত গণনা প্রবেশ করেন না। স্প্রেডশিট হিসাবে এক্সেলের বিপরীতে কিছুই নয়, তবে এটি সর্বোপরি একটি প্রাথমিক ডেটা বিশ্লেষণ সরঞ্জাম। তবে লোকেরা এর চেয়ে ভাল কিছু জানে না, কারণ তারা আরও ভালভাবে শেখানো হয় না। আমি কোনও পরিসংখ্যানের পটভূমি থেকে আসি না, তবে আমি ভাগ্যবান যে কেউ আরও ভাল গ্রাফ তৈরির জন্য আমার কাছে আর উল্লেখ করেছিলেন - এবং এটি কাকতালীয়ভাবে আমাকে আরও ভাল পরিসংখ্যানের দিকে নিয়ে যায়।

— Mooks

"আমি কোডিওলজিস্টের এই পরামর্শগুলিতে আলতোভাবে ব্যাখ্যা করার চেষ্টা করার পরামর্শের সাথে একমত হব যাতে সঠিক পরিসংখ্যান ব্যবহার করা হয়।" - আমি সাক্ষী হতে চাই একজন ইন্টার্ন তার ব্যবসায়ের মালিককে কীভাবে ব্যবসা করবেন তা ব্যাখ্যা করে।

— আকসকল

এটি সাহায্য করবে, # 9 পরীক্ষা করুন। এটি একটি সাধারণ পরামর্শ যা এই ধরণের তালিকায় সর্বদা আসে। চাকরিতে প্রথম 100 দিন: জিনিসগুলিকে পরিবর্তন করার পরামর্শ দিবেন না, লোকেরা কেন যেভাবে জিনিসগুলি করছে তা প্রথমে নির্ধারণ করুন, প্রায়শই বেশিরভাগ ক্ষেত্রে একটি বৈধ কারণ রয়েছে। আপনি নিজেকে বোকা বানাবেন, এবং আমি নতুন ছেলেদের সাথে এই ঘটনাটি ঘটতে দেখেছি। কেবল কয়েক মাসের জন্য চুপ করে থাকুন এবং পর্যবেক্ষণ করুন

— আকসাকাল

@ আকসাকাল আপনি যা বলেছেন তা অবশ্যই বোধগম্য। আমি আমার পরিস্থিতিতে কিছুটা "সাহসী" অভিনয় করছি কারণ মূলত আমি একজন ইন্টার্ন এবং আমি জানি যে যাই হোক আমি খুব শীঘ্রই চলে যাচ্ছি।

— 3x89g2

Answer 3

যা বর্ণনা করা হয়েছে তা কিছুটা খারাপ অভিজ্ঞতার মতো উপস্থিত হয়। তবুও এটি এমন কিছু না হওয়া উচিত যা তাদের তাত্ক্ষণিকভাবে তাদের নিজস্ব শিক্ষাগত পটভূমি এবং তাদের তত্ত্বাবধায়ক / পরিচালকের পরিসংখ্যানগত রায় নিয়ে প্রশ্ন উত্থাপন করে।

$R^2$ভবিষ্যতে কোথাও অ্যাসিম্পটোটিক আচরণের চেয়ে কাজ করা বেশি বোঝায় না। মানুষ তা মানতে নারাজ হবে; সবকিছু যখন কিছুটা (কিছুটা) কাজ করছে তখন পরিবর্তনের জন্য কেন শক্তি ব্যয় করবেন? আপনার ব্যবস্থাপকটি ব্যবসার দৃষ্টিকোণ থেকে অগত্যা ভুল নয়। তিনি আপনার বিভাগের ব্যবসায়িক সিদ্ধান্তের পাশাপাশি পরিসংখ্যানের পাশাপাশি দায়বদ্ধ; এই সিদ্ধান্তগুলি অগত্যা সর্বদা একত্রে হয় না এবং খুব সম্ভবত স্বল্পমেয়াদী বিতরণেও মিলিত হয় না (সময়ের সীমাবদ্ধতাগুলি ডেটা বিশ্লেষণের ক্ষেত্রে একটি গুরুত্বপূর্ণ কারণ)।

আমার পরামর্শটি হ'ল আপনার (পরিসংখ্যান) বন্দুকগুলিকে আটকে রাখুন তবে লোকেরা যা করেন তার প্রতি উন্মুক্ত থাকুন, নতুন পরিসংখ্যান চর্চা থেকে বিরত থাকতে পারে এমন লোকদের প্রতি ধৈর্য ধরুন এবং জিজ্ঞাসা করার সময় পরামর্শ / মতামত জানান , ঘন ত্বক বাড়ান এবং আপনার পরিবেশ থেকে শিখুন। আপনি যদি সঠিক জিনিসগুলি করছেন তবে এটি ধীরে ধীরে দেখাবে, লোকেরা আপনার মতামত চাইবে কারণ তারা স্বীকৃতি দেবে যে আপনি যেখানে তাদের বর্তমান কাজের প্রবাহটি না করে সমাধানগুলি সরবরাহ করতে পারেন। অবশেষে, হ্যাঁ নিশ্চিত, যদি যুক্তিসঙ্গত সময়ের পরে (কমপক্ষে কয়েক মাস) আপনি মনে করেন যে আপনি অবমূল্যায়িত এবং অসম্মানিত হন তবেই এগিয়ে যান।

এটি বলার অপেক্ষা রাখে না যে এখন আপনি শিল্পে রয়েছেন এবং আপনি বসে থাকতে পারবেন না এবং ভাবেন যে আপনার স্ট্যাটিস্টিক্স শিক্ষাকে সম্মোহিত করার দরকার নেই। ভবিষ্যদ্বাণীপূর্ণ মডেলিং, রিগ্রেশন কৌশল, ক্লাস্টারিং অ্যালগোরিদম কেবল বিকশিত হতে থাকে। উদাহরণস্বরূপ, একটি শিল্প স্থাপনায় গাউসিয়ান প্রসেসেস রিগ্রেশন ব্যবহার করা 10 বছর আগে বিজ্ঞানের কথাসাহিত্যের কাছে ছিল; এখন এটি চেষ্টা করা প্রায় অফ-দ্য শেল্ফ জিনিসটির মতো দেখা যায়।