详细内容或原文请订阅后点击阅览
作为一名数据科学家，我如何实际使用统计学
在本文中，我将向您展示我如何在数据科学工作中使用统计学的示例，以及我用来获取这些知识的资源。
来源:KDnuggets# 简介
#当您听到数据科学这个词时，您可能会想到两个词：编程和统计。事实上，学习统计学的先决条件常常阻碍人们从事数据职业。大多数数据科学职位描述都让你看起来需要拥有统计学博士学位才能在这个职位上茁壮成长，但事实却完全不同，这无济于事。
在大多数数据科学职位中，尤其是在专注于产品开发的科技公司中，您需要了解应用统计学。这涉及使用现有的统计框架来解决业务问题。这与学术统计不同（想想手工计算复杂的公式）。相反，您只需要了解概念的含义、如何使用现有库计算它以及如何解释它。举个例子：在大多数实际的数据科学场景中，了解 p 值 0.03 的含义以及如何使用它来做出业务决策就足够了，而不必知道如何手动计算它。
应用统计在本文中，我将向您展示我如何在数据科学工作中使用统计学的示例，以及我用来获取这些知识的资源。
# 我如何在数据科学工作中使用统计数据
// 实验
//大多数科技公司（Google、Meta、Spotify）都有大量的实验文化。他们在进行功能更改之前会进行严格的测试。
执行 A/B 测试时，我需要了解统计概念，例如：
- 确定实验所需样本量的统计功效决策的显着性水平、p 值和置信区间
// 建模
然而，根据我的经验，在产品或技术公司工作时，重点更多地放在这些模型的业务影响和解释上，而不是它们背后的数学严谨性。