Bỏ qua đến nội dung chính
Mục lục

Học xác suất thống kê xong học gì: ML, chuỗi thời gian

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 8/8 · Chương 14

Trang phụ trợ

  • 5 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Học xác suất thống kê xong học gì là câu hỏi tự nhiên sau khi đi hết tutorial này: bạn đã mô tả được dữ liệu, tính xác suất, dựng khoảng tin cậy, kiểm định, chạy hồi quy đơn và phân tích một A/B test bằng Python. Bước tiếp theo tùy việc bạn nhắm tới, và trang này so ba hướng hay gặp nhất: Machine Learning, chuỗi thời gian và thống kê Bayes.

Trước khi chọn hướng: giữ kỹ năng đang có

Thống kê mai một nhanh nếu chỉ đọc mà không làm. Ba việc nên làm ngay, dù bạn chọn hướng nào:

  • Mỗi lần thấy một con số "tăng 12%" trong báo cáo ở chỗ làm, hỏi: so với gì, trên bao nhiêu quan sát, khoảng tin cậy rộng bao nhiêu. Tính lại bằng vài dòng Python như các bài khoảng tin cậy và p-value.

  • Trước khi chạy một kiểm định trên dữ liệu thật, viết ra giấy giả thuyết, mức ý nghĩa và cỡ mẫu, như bài kiểm định giả thuyết. Thói quen này chặn phần lớn lỗi của bài sáu cách hiểu sai p-value.

  • Khi không chắc một công thức, mô phỏng nó: vài nghìn lần lặp với np.random.default_rng() thường trả lời nhanh hơn lật sách, như bài mô phỏng bằng NumPy.

So sánh ba hướng đi

Hướng

Học thêm

Bài nên ôn trước

Dự án đầu tay

Machine Learning

đại số tuyến tính cơ bản, scikit-learn, đánh giá mô hình

hồi quy đơn, sai số chuẩn, công thức Bayes

đoán giá căn hộ từ diện tích, số phòng, quận

Chuỗi thời gian

xu hướng, mùa vụ, tự tương quan, mô hình dự báo

hiệp phương sai, tương quan, resample

dự báo doanh thu tuần tới của một cửa hàng

Thống kê Bayes

phân phối tiên nghiệm và hậu nghiệm, mô phỏng hậu nghiệm

công thức Bayes, A/B test kiểu Bayes

so hai phiên bản trang bằng xác suất "B tốt hơn A"

Không có thứ tự đúng duy nhất. Người làm phân tích dữ liệu hay đi Machine Learning trước vì nhu cầu tuyển dụng; người làm ở mảng bán lẻ, vận hành thường cần chuỗi thời gian sớm hơn; người chạy nhiều A/B test sẽ thấy thống kê Bayes hữu ích.

Machine Learning: từ hồi quy đơn sang mô hình dự đoán

Machine Learning dùng lại phần lớn những gì bạn đã học: hồi quy tuyến tính là hồi quy đơn mở rộng ra nhiều biến, MSE là phương sai của phần dư, chia dữ liệu huấn luyện và kiểm tra là ý tưởng mẫu và tổng thể. Cái mới là trọng tâm: thay cho "hệ số này có khác 0 không", câu hỏi chính là "dự đoán trên dữ liệu mới tốt tới đâu".

Trang thống kê trong Machine Learning là bảng tự kiểm trước khi sang. Ở tutorial Machine Learning của AIDev, hai bài nên đọc đầu là "Học máy là gì? Khác lập trình if else ở đâu" và "Học machine learning cần gì? NumPy, pandas, thống kê".

Chuỗi thời gian: dữ liệu có thứ tự

Phần lớn kiểm định của tutorial này giả định các quan sát độc lập. Doanh thu từng ngày thì không: hôm nay thường giống hôm qua, và cuối tuần khác ngày thường. Chuỗi thời gian học cách tách xu hướng, mùa vụ và phần ngẫu nhiên, rồi dự báo.

Bắt đầu bằng pandas: resample gom theo tuần, tháng; rolling tính trung bình trượt; shift và pct_change so với kỳ trước. Sau đó học tự tương quan, tức hệ số tương quan của chuỗi với chính nó lùi vài kỳ, chính là ý của bài hiệp phương sai áp lên một cột. Thư viện statsmodels mà bài suy diễn cho hồi quy đã dùng cũng có các mô hình chuỗi thời gian.

Thống kê Bayes: xác suất cho chính giả thuyết

Thống kê của tutorial này chủ yếu theo trường phái tần suất: p-value và khoảng tin cậy nói về cách dữ liệu dao động khi làm lại nhiều lần. Thống kê Bayes trả lời câu hỏi mà nhiều người thật sự muốn hỏi, "xác suất phiên bản B tốt hơn A là bao nhiêu", bằng cách bắt đầu từ một niềm tin ban đầu (tiên nghiệm) và cập nhật theo dữ liệu.

Bạn đã có hai bước đầu: bài công thức Bayes và bài A/B test kiểu Bayes với phân phối Beta. Bước tiếp theo là học cách chọn tiên nghiệm, mô phỏng phân phối hậu nghiệm cho các mô hình phức tạp hơn, và báo cáo kết quả để người không học thống kê hiểu được.

Câu hỏi thường gặp

Lộ trình học thống kê sau tutorial này nên kéo dài bao lâu?

Không có mốc chung. Một cách đo hợp lý: bạn đã làm xong một dự án thật theo hướng đã chọn, từ câu hỏi tới báo cáo, và giải thích được từng con số trong đó cho một người không học thống kê. Các dự án của tutorial, như phân tích A/B test, là khuôn cho dự án đầu tay.

Có cần học lại toán trước khi sang Machine Learning không?

Không cần học lại hết. Phần thống kê bạn đã có; thứ cần thêm là đại số tuyến tính cơ bản (vector, ma trận, nhân ma trận), và NumPy đã cho bạn công cụ để tập. Học dần khi gặp, thay cho học trọn một môn toán trước.

Quên một công thức thì tra ở đâu?

Trang cheat sheet thống kê gom công thức và lệnh trên một trang, bảng tra scipy.stats xếp hàm theo việc cần làm, và thuật ngữ thống kê giúp đọc tài liệu tiếng Anh. Phần vẽ biểu đồ đi tiếp ở đâu thì xem học gì tiếp theo của Matplotlib.

Chủ đề

học xác suất thống kê xong học gì

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập