Про необходимость знаний статистики
Наверное, вы заметили, что в последнее время на канале стало меньше экспертных постов по статистике.
Причин тут несколько:
🟡В первую очередь на написание качественного лонгрида уходит просто кратно (в десятки раз) больше времени, чем на обычные посты. Например, пост про тест Велча занял месяца полтора активного написания, когда на обычные посты уходит 2-3 дня. При этом не хочется полностью исчезать на недели в процессе написания лонгрида, поэтому стараюсь писать что-то не менее полезное, хоть и не настолько фундаментальное.
🟡Второй момент – я сейчас в фазе приступа синдрома самозванца, и не чувствую в себе достаточно компетентности писать сложные посты, про это раскрою чуть дальше.
🟡В последнюю очередь и не сильно всерьез еще пожалуюсь, что с точки зрения реакций и перепостов статистические лонгриды хуже заходят аудитории чем например подборки полезных материалов. Я понимаю, что долгосрочно качественный пост с разбором стат хардкора все равно будет полезнее и ценнее для аудитории, но в моменте меньшая вовлеченность огорчает, думаю меня можно понять)
Мне кажется, через это проходят все авторы, но это не значит, что надо перейти только к постингу мемов и полезных материалов (не значит же?) 🤔
Отдельно хотелось бы поговорить подробнее про второй пункт. Мне кажется, что как и со многими вещами, знание статистики и уверенность в том, что ты ее знаешь подчиняется примерно такой кривой (прикрепила к посту).
После старта изучения в какой-то момент наступает тот самый момент, когда ты думаешь, что понял статистику. Именно в этот момент обычно начинают вести свои курсы и открывать телеграм-каналы. И это правильно, потому что если не сделать этого сейчас, то потом возможно это уже никогда не сделаешь)
Я про то, что рано или поздно этот момент просветления уходит и приходит осознание, что в статистике очень много деталей и подводных камней и упрощенное объяснение перестает устраивать. На этом моменте пропадает желание вести курсы и писать посты, потому что есть ощущение, что все намного сложнее и простые и понятные объяснения могут быть не совсем правильными.
Если честно, я уже давно в этом состоянии, поэтому надо начинать писать посты, когда тебе еще кажется что ты все понял, иначе потом есть риск не начать никогда.
Но это все лирика про ведение телеграм канала и написание экспертных постов. А в заголовке я написала про знание статистики в более широком смысле: на практике в науке, аналитике данных и тд. Будет ли достаточно быть на первом пике осознания того, что ты все знаешь, чтобы решать большинство задач? На мой взгляд, для большинства задач этого действительно достаточно, и еще осторожно намекну что некоторые не доходят и до этого этапа, что не мешает быть успешными учеными.
И тем не менее, в науке многообразие тестов обычно больше, чем только t-тесты и z-тесты конверсий, поэтому не повредит еще знать ANOVA, линейные модели в целом, для множественной регрессии о методах отбора предикторов. Я выше уже писала, почему считаю что в науке статистика сложнее, можем еще раз обсудить это в комментариях.
Но думаю все согласятся, что потенциальное многообразие методов явно выше, хотя и можно найти примеры, когда тоже ничего сложнее t-теста и не надо, а есть научные области в которых статистика в принципе не нужна.
В общем мораль такая, что для 90-95% задач в науке и аналитике достаточно выйти на первый уровень просветления о знаниях статистики и только в редких случаях нужно углубляться дальше, чтобы решать более сложные задачи. В аналитике к сложным задачам я бы отнесла все методы снижения дисперсии, квазиэксперименты, и все остальное, что могут спросить на собеседовании на синьора в бигтехе)
#stat_hard
Наверное, вы заметили, что в последнее время на канале стало меньше экспертных постов по статистике.
Причин тут несколько:
🟡В первую очередь на написание качественного лонгрида уходит просто кратно (в десятки раз) больше времени, чем на обычные посты. Например, пост про тест Велча занял месяца полтора активного написания, когда на обычные посты уходит 2-3 дня. При этом не хочется полностью исчезать на недели в процессе написания лонгрида, поэтому стараюсь писать что-то не менее полезное, хоть и не настолько фундаментальное.
🟡Второй момент – я сейчас в фазе приступа синдрома самозванца, и не чувствую в себе достаточно компетентности писать сложные посты, про это раскрою чуть дальше.
🟡В последнюю очередь и не сильно всерьез еще пожалуюсь, что с точки зрения реакций и перепостов статистические лонгриды хуже заходят аудитории чем например подборки полезных материалов. Я понимаю, что долгосрочно качественный пост с разбором стат хардкора все равно будет полезнее и ценнее для аудитории, но в моменте меньшая вовлеченность огорчает, думаю меня можно понять)
Мне кажется, через это проходят все авторы, но это не значит, что надо перейти только к постингу мемов и полезных материалов (не значит же?) 🤔
Отдельно хотелось бы поговорить подробнее про второй пункт. Мне кажется, что как и со многими вещами, знание статистики и уверенность в том, что ты ее знаешь подчиняется примерно такой кривой (прикрепила к посту).
После старта изучения в какой-то момент наступает тот самый момент, когда ты думаешь, что понял статистику. Именно в этот момент обычно начинают вести свои курсы и открывать телеграм-каналы. И это правильно, потому что если не сделать этого сейчас, то потом возможно это уже никогда не сделаешь)
Я про то, что рано или поздно этот момент просветления уходит и приходит осознание, что в статистике очень много деталей и подводных камней и упрощенное объяснение перестает устраивать. На этом моменте пропадает желание вести курсы и писать посты, потому что есть ощущение, что все намного сложнее и простые и понятные объяснения могут быть не совсем правильными.
Если честно, я уже давно в этом состоянии, поэтому надо начинать писать посты, когда тебе еще кажется что ты все понял, иначе потом есть риск не начать никогда.
Но это все лирика про ведение телеграм канала и написание экспертных постов. А в заголовке я написала про знание статистики в более широком смысле: на практике в науке, аналитике данных и тд. Будет ли достаточно быть на первом пике осознания того, что ты все знаешь, чтобы решать большинство задач? На мой взгляд, для большинства задач этого действительно достаточно, и еще осторожно намекну что некоторые не доходят и до этого этапа, что не мешает быть успешными учеными.
И тем не менее, в науке многообразие тестов обычно больше, чем только t-тесты и z-тесты конверсий, поэтому не повредит еще знать ANOVA, линейные модели в целом, для множественной регрессии о методах отбора предикторов. Я выше уже писала, почему считаю что в науке статистика сложнее, можем еще раз обсудить это в комментариях.
Но думаю все согласятся, что потенциальное многообразие методов явно выше, хотя и можно найти примеры, когда тоже ничего сложнее t-теста и не надо, а есть научные области в которых статистика в принципе не нужна.
В общем мораль такая, что для 90-95% задач в науке и аналитике достаточно выйти на первый уровень просветления о знаниях статистики и только в редких случаях нужно углубляться дальше, чтобы решать более сложные задачи. В аналитике к сложным задачам я бы отнесла все методы снижения дисперсии, квазиэксперименты, и все остальное, что могут спросить на собеседовании на синьора в бигтехе)
#stat_hard