Sono una studentessa di matematica pura con poca esperienza in matematica applicata. Dall'autunno scorso ho preso lezioni sul libro di Casella & Berger e ho finito centinaia (230+) di pagine di problemi di esercizio nel libro. In questo momento sono al capitolo 10.
Tuttavia, dal momento che non mi sono laureato in statistica o ho pianificato di essere un statistico, non credo che sarò in grado di investire regolarmente tempo per continuare ad apprendere l'analisi dei dati. La mia esperienza finora mi sta dicendo che, per essere uno statistico, bisogna sopportare un sacco di noiosi calcoli che coinvolgono varie distribuzioni (Weibull, Cauchy, , F ...). Ho scoperto che mentre le idee fondamentali sono semplici, l'implementazione (ad esempio il LRT nei test di ipotesi) può ancora essere difficile a causa dei tecnicismi.
La mia comprensione è corretta? Esiste un modo per apprendere probabilità e statistiche che non solo copre materiale più avanzato, ma può anche aiutare nel caso avessi bisogno di analisi dei dati nella vita reale? Dovrò spendere 20 ore settimanali su di esso come una volta?
Anche se credo che non ci sia una strada reale nell'apprendimento della matematica, spesso non posso fare a meno di chiedermi: il più delle volte non sappiamo quale sia la distribuzione per i dati della vita reale, quindi qual è lo scopo per noi di concentrarci esclusivamente su varie famiglie di distribuzioni ? Se la dimensione del campione è piccola e il teorema del limite centrale non si applica, come possiamo analizzare correttamente i dati oltre alla media del campione e alla varianza se la distribuzione è sconosciuta?
Il mio semestre finirà tra un mese e non voglio che le mie conoscenze evaporino dopo che ho iniziato a concentrarmi sulla mia ricerca di dottorato. Così ho deciso di chiedere. Sto imparando R e ho un po 'di background di programmazione, ma il mio livello è quasi lo stesso di una scimmia di codice.