Bayangkan sebuah koin dilempar seratus kali, dan enam puluh kali sisi yang muncul adalah sisi yang sama. Sebagian orang menganggap koin itu bermasalah, sebagian lain menganggapnya sekadar fluktuasi biasa.
Kedua penilaian itu bisa disampaikan dengan sangat yakin. Yang benar-benar sulit adalah menjelaskan dasar penilaiannya: jika koin fair, seberapa langka hasil seperti itu? Apakah cara pelemparannya konsisten? Jika dilakukan kumpulan pengamatan lain, bagaimana proporsinya berubah?
MATH003《Probabilitas dan Statistika: Ilmu Ketidakpastian》 adalah mata kuliah tingkat pengantar universitas yang saat ini memuat sebelas sesi, dengan prasyarat dasar kalkulus satu tahun. Mata kuliah ini menghubungkan model probabilitas, variabel acak, distribusi sampel, dan inferensi statistik, membantu pembelajar mengubah "terlihat tidak biasa" menjadi pertanyaan yang dapat didiskusikan dan diuji.
Sebelum menilai kebetulan, jelaskan dulu apa yang akan berubah secara acak
Ungkapan "probabilitasnya setengah" memerlukan percobaan dan peristiwa yang jelas. Sisi mana yang diamati? Bagaimana cara melemparnya? Apakah hasil berurutan dapat dianggap independen? Jika syarat-syarat ini kabur, perhitungan berikutnya bisa jadi menjawab pertanyaan yang lain.
Lesson 1: Dasar Model Probabilitas beranjak dari intuisi menuju ruang sampel, peristiwa, probabilitas bersyarat, dan independensi.
Soal kartu dua warna dalam materi kuliah sangat cocok untuk mengingatkan diri: setelah memperoleh informasi baru, kemungkinan yang tersisa belum tentu tetap sama besar. Intuisi dengan cepat membaginya menjadi beberapa opsi, tetapi model menuntut kita terus bertanya bagaimana setiap opsi dapat teramati.
Di sinilah nilai bahasa probabilitas. Bahasa ini membuat kedua pihak menyelaraskan objek pembicaraan lebih dulu, lalu membandingkan penalaran masing-masing, bukan hanya bolak-balik di antara "menurut saya".
Angka dari satu sampel pun bisa berubah
Enam puluh sisi muka adalah hasil dari seratus percobaan ini. Jika diulang seratus kali lagi, hasilnya biasanya tidak akan muncul persis sama. Statistik seperti proporsi sampel dan rata-rata sampel juga akan berubah seiring perubahan sampel.
Dalam Lesson 4: Distribusi Sampel dan Teorema Limit, mata kuliah ini menganalisis statistik itu sendiri sebagai variabel acak, serta membahas hukum bilangan besar, teorema limit pusat, galat, dan ukuran sampel.
Dengan demikian, pertanyaan mulai bergeser dari "berapa proporsinya kali ini" menjadi "di bawah model ini, bagaimana proporsi seperti itu mungkin berfluktuasi". Barulah satu hasil tunggal memiliki latar yang dapat dibandingkan.
Menambah ukuran sampel sering kali dapat mengurangi galat acak, tetapi proses pengambilan sampel tetap perlu diperiksa. Jika objek pengamatan selalu condong ke satu jenis tertentu, lebih banyak catatan mungkin hanya mengulang bias dengan lebih konsisten.
Dari data menuju kesimpulan, metode inferensi perlu dijelaskan
Model probabilitas membantu kita membicarakan data yang mungkin muncul, sedangkan inferensi statistik berangkat dari data yang telah diamati untuk mempelajari mekanisme atau parameter yang belum diketahui.
Lesson 5: Dasar Inferensi Statistik menghubungkan sampel, model, dan inferensi. Yang perlu dilatih di sini adalah membedakan mana yang berasal dari pengamatan dan mana yang bergantung pada asumsi tambahan.
Melanjutkan ke Lesson 7: Inferensi Statistik Bayesian, prior, likelihood, dan posterior memberikan ungkapan yang jelas tentang "bagaimana memperbarui penilaian setelah melihat data baru". Penilaian yang diperbarui bergantung pada data pengamatan sekaligus prior yang dipakai, sehingga saat belajar kita juga perlu memeriksa dampak pilihan-pilihan tersebut.
Metode inferensi yang berbeda memiliki syarat dan penafsiran masing-masing. Memahami syarat-syarat ini lebih membantu daripada memperlakukan satu angka sebagai keputusan akhir. Enam puluh sisi muka dalam contoh koin belum dapat dengan sendirinya menjelaskan analisis secara utuh kepada kita.
Setelah perhitungan akurat, periksa apakah modelnya sesuai
Jika sebagian percobaan dilakukan dengan perangkat yang berbeda, atau cara pelemparan berubah di tengah jalan, memperlakukan semua catatan sebagai satu proses yang stabil perlu dipertimbangkan ulang.
Lesson 9: Pemeriksaan dan Diagnosis Model mengalihkan perhatian dari estimasi parameter menuju pemeriksaan model. Topik seperti residual, pemeriksaan kecocokan, dan validasi silang membantu pembelajar mencari perbedaan yang belum terjelaskan antara asumsi dan data.
Anda bisa menyusun latihan kecil untuk diri sendiri: tuliskan lebih dulu bagaimana data dihasilkan, lalu jelaskan model apa yang akan digunakan, dan akhirnya daftarkan pengamatan mana yang akan membuat Anda meragukan model tersebut. Bahkan tanpa perhitungan rumit untuk sementara, tiga langkah ini sudah membuat sebuah penilaian menjadi lebih jelas.
Situasi koin dalam artikel ini tidak memberikan kesimpulan eksperimen, melainkan menyediakan titik awal bagi jalur pemikiran tersebut. Di halaman mata kuliah MATH003, Anda dapat melanjutkan pendalaman melalui probabilitas, pengambilan sampel, dan inferensi.
Ketika sebuah hasil tampak sangat mencolok, ada baiknya melangkah satu pemeriksaan lebih jauh: dalam kondisi apa hasil itu muncul? Bagaimana kemungkinan fluktuasinya? Penjelasan apa saja yang belum tersingkirkan? Pemahaman tentang ketidakpastian dimulai dari pertanyaan-pertanyaan ini.
Artikel ini disusun berdasarkan ringkasan mata kuliah dan materi kuliah EvoClass saat ini; tautan sesi mengarah ke materi berbahasa Inggris. Data koin merupakan contoh pengajaran yang dirancang, tanpa pelaksanaan eksperimen atau uji hipotesis berdasarkan data tersebut; mata kuliah ini melibatkan dasar kalkulus dan cocok dipelajari secara bertahap pada tingkat universitas.