Lý thuyết xác suất thống kê

Tại sao cần học xác suất thống kê?

Mọi thứ xung quanh ta gắn với sự ngẫu nhiên: Dịch bệnh, thiên tai, bảo hiểm, thị trường tài chính,... Thế giới ngày nay chứa đựng nguồn dữ liệu khổng lồ chưa được khai phá: Số liệu lớn từ facebook, google, thương mại điện tử.

Để khai phá được nguồn dữ liệu khổng lồ này nhằm đưa ra dự báo, quyết định, việc hiểu biết về mô hình xác suất và suy diễn thống kê đóng vai trò rất quan trọng.

Toán học và mô hình thống kê sẽ đóng một vai trò ngày càng quan trọng trong kỷ nguyên 4.0, khi mà việc xây dựng các mô hình tự động hóa, trí tuệ nhân tạo đòi hỏi kỹ năng xây dựng mô hình dự báo từ số liệu có sẵn. Đây là tiền đề cơ bản để áp dụng vào các môn học như kinh tế lượng, học máy (Machine learning) và khoa học số liệu (Data science).

Môn học này hữu ích như vậy, nhưng việc chú trọng quá nhiều vào lý thuyết sẽ làm cho nó trở nên rất khô khan. Khóa học này muốn biến XSTK trở nên dễ dàng hơn và thậm chí là một môn học thú vị để tìm hiểu. Hy vọng các bạn sẽ có những khoảnh khắc: "A-ha", "Thì ra vậy" khi theo dõi bài giảng.

Đặc biệt, khóa học sẽ không quá chú trọng vào phần toán học, mà mọi công thức sẽ đều được diễn giải ý nghĩa và giải thích rõ ràng. Việc áp dụng toán học vào giải bài tập sẽ được hướng dẫn chi tiết trong bài giảng.

Các nội dung chính bao gồm:

- Xác suất: Tính toán xác suất, xác suất có điều kiện và định lý Bayes, sự độc lập xác suất, hàm phân phối xác suất rời rạc và liên tục, luật số lớn và định lý giới hạn trung tâm.

- Thống kê mô tả: Các phương pháp để mô tả số liệu cơ bản, từ đó đưa ra được đặc trưng của số liệu, phục vụ phân tích.

- Thống kê suy diễn: Phương pháp suy diễn thống kê để đưa ra kết luận và ước lượng của số liệu, gồm có ước lượng khoảng tin cậy và kiểm định giả thuyết thống kê.

Ảnh khóa học: Werner Kratz trên Flickr  (CC BY 2.0)