আমি মনে করি না যে ডেটা বিশ্লেষণ শিখতে আমি নিয়মিত সময় বিনিয়োগ করতে সক্ষম হব
আমি মনে করি না Casella & বার্জার অনেক ভাবে ডেটা জানার জন্য একটি জায়গা হয় না তথ্য বিশ্লেষণ । এটি পরিসংখ্যানগত তত্ত্বের কয়েকটি সরঞ্জাম শিখার জায়গা।
আমার অভিজ্ঞতা এখনও অবধি আমাকে একটি পরিসংখ্যানবিদ বলার দরকার রয়েছে বিভিন্ন বিতরণের সাথে জড়িত প্রচুর ক্লান্তিকর গণনা সহ (ওয়েইবুল, কচী, টি, এফ ...)।
আমি পরিসংখ্যানবিদ হিসাবে ডেটা বিশ্লেষণ করে অনেক সময় ব্যয় করেছি। এটি খুব কমই (প্রায় কখনই নয়) আমাকে ক্লান্তিকর গণনা করার সাথে জড়িত। এটি কখনও কখনও সামান্য বীজগণিতের সাথে জড়িত থাকে, তবে সাধারণ সমস্যাগুলি সাধারণত সমাধান হয়ে যায় এবং প্রতিবারের প্রতিরূপ তৈরি করার জন্য আমার কোনও প্রচেষ্টা ব্যয় করার প্রয়োজন নেই।
কম্পিউটার সব ক্লান্তিকর গণনা করে।
যদি আমি এমন পরিস্থিতিতে আছি যেখানে আমি যুক্তিসঙ্গতভাবে স্ট্যান্ডার্ড কেস ধরে নিতে প্রস্তুত নই (যেমন একটি জিএলএম ব্যবহারের জন্য প্রস্তুত নই), সাধারণত আমার কাছে অন্য কোনও বিতরণ অনুমান করার মতো পর্যাপ্ত তথ্য নেই, সুতরাং গণনাগুলির প্রশ্ন এলআরটি সাধারণত মোটা হয় (যখন প্রয়োজন হয় তখন আমি সেগুলি করতে পারি, তারা হয় ইতিমধ্যে সমাধান করা বা খুব কমই সামনে আসে যে এটি একটি আকর্ষণীয় ডাইভার্সন)।
আমি অনেক সিমুলেশন করতে ঝোঁক; আমি প্রায়শই কিছু ফর্মের পাশাপাশি প্যারামেট্রিক অনুমানের জায়গায় পুনরায় মডেলিং ব্যবহার করার চেষ্টা করি।
আমি আগে যা করতাম তা প্রতি সপ্তাহে 20 ঘন্টা + ব্যয় করতে হবে?
এটি আপনি কী করতে সক্ষম হতে চান এবং কত তাড়াতাড়ি আপনি এটিতে ভাল হতে চান তার উপর নির্ভর করে।
ডেটা বিশ্লেষণ একটি দক্ষতা, এবং এটি অনুশীলন এবং জ্ঞানের একটি বিশাল ভিত্তি নেয়। আপনার ইতিমধ্যে কিছু জ্ঞানের প্রয়োজন হবে।
আপনি যদি বিবিধ জিনিসে একজন ভাল প্র্যাকটিশনার হতে চান তবে এটি অনেক সময় নিতে পারে - তবে আমার মনে হয় বীজগণিত এবং কেসেলা এবং বার্গার অনুশীলন করার চেয়ে এটি অনেক বেশি মজাদার।
রিগ্রেশন সমস্যাগুলির বিষয়ে আমি যে দক্ষতাগুলি তৈরি করেছি তার মধ্যে কিছু টাইম সিরিজের ক্ষেত্রে সহায়ক, বলুন - তবে প্রচুর নতুন দক্ষতার প্রয়োজন। সুতরাং অবশিষ্ট প্লট এবং কিউকিউ প্লটগুলি ব্যাখ্যা করা শিখতে সুবিধাজনক, তবে তারা আমাকে বলেন না যে আমি একটি পিএসিএফ প্লটটিতে সামান্য ধাক্কা খাওয়ার জন্য কতটা চিন্তা করা দরকার এবং আমাকে এক-পদক্ষেপের পূর্বে ভবিষ্যদ্বাণী ব্যবহারের মতো সরঞ্জামগুলি দেবেন না ত্রুটি।
সুতরাং উদাহরণস্বরূপ, সাধারণ গামা বা ওয়েইবুল মডেলগুলির জন্য কীভাবে যুক্তিসঙ্গতভাবে এমএল করবেন তা নির্ধারণের জন্য আমার প্রচেষ্টা ব্যয় করার দরকার নেই , কারণ তারা ইতিমধ্যে বেশিরভাগ সুবিধামত আকারে ফেলে আসা সমস্যার সমাধান করার পর্যাপ্ত মানদণ্ড।
আপনি যদি গবেষণা করতে এসে থাকেন তবে ক্যাসেলা এবং বার্জারের মতো জায়গাগুলিতে আপনি যে দক্ষতা অর্জন করেছেন সেগুলির অনেক বেশি প্রয়োজন (তবে এমনকি এই ধরণের দক্ষতার সাথেও আপনার একাধিক বই পড়তে হবে)।
কিছু প্রস্তাবিত জিনিস:
আপনি অন্য কিছু না করলেও আপনার অবশ্যই কিছুটা রিগ্রেশন দক্ষতা তৈরি করা উচিত।
বেশ কয়েকটি বেশ কয়েকটি ভাল বই রয়েছে তবে সম্ভবত ড্রপার অ্যান্ড স্মিথ অ্যাপ্লাইড রিগ্রেশন অ্যানালাইসিস প্লাস ফক্স এবং ওয়েজবার্গ অ্যান আর কম্পায়েন্ট টু অ্যাপ্লাইড রেজগ্রেশন ; আমি হ্যারেলের রেগ্রেশন মডেলিং কৌশলগুলি অনুসরণ করে বিবেচনা করার পরামর্শ দিই
(আপনি ড্রপার এবং স্মিথের জন্য যে কোনও ভাল বইয়ের বিকল্প হিসাবে নিতে পারেন - আপনার উপযুক্ত একটি বা দুটি সন্ধান করুন))
দ্বিতীয় বইটিতে বেশ কয়েকটি অনলাইন অতিরিক্ত অধ্যায় রয়েছে যা পড়ার পক্ষে খুব বেশি মূল্যবান (এবং এর নিজস্ব আর-প্যাকেজ)
-
একটি ভাল দ্বিতীয় পরিবেশন হ'ল ভেনেবলস এবং রিপলির এস এর সাথে আধুনিক প্রয়োগিত পরিসংখ্যান ।
এটি ধারণাগুলি সম্পর্কে মোটামুটি বিস্তৃত কিছু ভিত্তি।
এটি পরিণত হতে পারে যে কয়েকটি বিষয়ে আপনার আরও কিছু প্রাথমিক উপাদান প্রয়োজন (আমি আপনার পটভূমি জানি না)।
তারপরে আপনার কী পরিসংখ্যানগুলি প্রয়োজন / প্রয়োজন তা নিয়ে আপনাকে ভাবনা শুরু করতে হবে - বায়েশিয়ান পরিসংখ্যান, সময় ধারাবাহিকতা, বহুবিধ বিশ্লেষণ ইত্যাদি