Statystyka, modelowanie i podstawy ML

Dobór testu statystycznego zależy od typu zmiennych, liczby porównywanych grup, rozkładu danych i spełnienia założeń analizy. W praktyce warto sprawdzić normalność, jednorodność wariancji, niezależność obserwacji oraz to, czy analizujecie średnie, proporcje czy zależności między cechami. Przykładowo test t-Studenta stosuje się do porównania średnich w dwóch grupach, a test chi-kwadrat do analizy zależności między zmiennymi kategorialnymi. Ten temat przerabiamy praktycznie na szkoleniu: Python - statystyka, modelowanie i wizualizacja.

p-value określa zgodność danych z hipotezą zerową, a przedział ufności pokazuje zakres wiarygodnych wartości estymowanego parametru. Podczas interpretacji trzeba sprawdzić poziom istotności, kierunek efektu, wielkość próby oraz to, czy wynik ma znaczenie praktyczne, a nie tylko statystyczne. Przykładowo niski p-value przy bardzo dużej próbie może wskazywać istotność statystyczną, mimo że efekt pozostaje operacyjnie marginalny. Jeśli chcesz przećwiczyć to krok po kroku, zobacz: Python - statystyka, modelowanie i wizualizacja.

Regresja liniowa służy do modelowania zmiennej ciągłej, a regresja logistyczna do przewidywania prawdopodobieństwa klas lub zdarzeń binarnych. Przed wyborem metody należy sprawdzić typ zmiennej zależnej, relacje między predyktorami, liniowość, współliniowość i sposób oceny jakości modelu. Przykładowo prognozowanie wartości sprzedaży wymaga zwykle regresji liniowej, natomiast predykcja rezygnacji klienta częściej wykorzystuje regresję logistyczną. To jedno z zagadnień omawianych podczas szkolenia: Python - statystyka, modelowanie i wizualizacja.

Diagnostyka regresji liniowej obejmuje ocenę liniowości, normalności reszt, homoskedastyczności, niezależności błędów oraz wpływu obserwacji odstających. W analizie warto sprawdzić wykresy reszt, miary wpływu, współczynniki VIF i testy pomocnicze, a następnie dobrać korekty lub zmodyfikować specyfikację modelu. Przykładowo wysoka współliniowość może zaburzać interpretację współczynników, mimo że sam model osiąga pozornie dobre dopasowanie. Wersję warsztatową (z konfiguracją i przykładami) znajdziesz w programie szkolenia: Python - statystyka, modelowanie i wizualizacja.

Ocena regresji logistycznej wymaga analizy jakości klasyfikacji, a nie tylko samych współczynników modelu. Należy sprawdzić metryki takie jak accuracy, precision, recall, F1 lub AUC, a próg decyzyjny dobrać do kosztu błędów i celu biznesowego albo analitycznego. Przykładowo w wykrywaniu nadużyć niższy próg może zwiększyć czułość modelu kosztem większej liczby fałszywych alarmów. Dokładnie ten zestaw narzędzi i workflow ćwiczymy podczas szkolenia: Python - statystyka, modelowanie i wizualizacja.

Czytelna wizualizacja danych powinna wspierać interpretację rozkładów, zależności i wyników modeli bez zniekształcania skali ani kontekstu. W praktyce trzeba dobrać właściwy typ wykresu, opisać osie, pokazać niepewność estymacji i ograniczyć elementy, które utrudniają odczyt trendów lub różnic. Przykładowo wykres rozrzutu z linią regresji i przedziałem ufności ułatwia ocenę relacji między zmiennymi lepiej niż tabela samych współczynników. Ten temat przerabiamy praktycznie na szkoleniu: Python - statystyka, modelowanie i wizualizacja.