Puedo ver que al menos una respuesta aquí es sobre el aprendizaje de ‘Estadísticas’ (que trata con números / datos) aunque su pregunta dice ‘Estadísticas’ (una rama de la mecánica). No estoy seguro si hizo la pregunta correcta u obtuvo la respuesta a la pregunta que pretendía hacer.
Sin embargo, como aprender cualquier otra cosa, primero debe comprender los conceptos básicos. Los ejercicios son para probar si entendió los principios correctos y entrenar a su cerebro para aplicar esos principios para resolver diferentes problemas. No se trata de responder una pregunta formulada de la misma manera que lo hizo antes. Tienes los principios correctos significa que comienzas a ver cómo y dónde se pueden aplicar.
Hay muchos recursos disponibles, incluso de forma gratuita, para aprender estadísticas y estadísticas. Comience desde lo básico y vaya a su propia fase.
- Cómo imaginar el cuaternión en cuarta dimensión
- ¿Ha encontrado el profesor Otelbaev una solución al problema Navier-Stokes Millennium?
- ¿No hay un "límite de velocidad" en la educación de pregrado matemática o física?
- ¿Qué es el producto escalar y el producto escalar de los vectores?
- ¿Cómo se desarrolla una 'matemática' para su idea en física?
Es cierto que las estadísticas se basan en datos pasados y las predicciones pueden ser incorrectas a veces. Pero hay cosas muy interesantes que puedes ver cuando tienes suficientes datos y sólidos conocimientos sobre estadísticas. Data Science es un campo cada vez más interesante que utiliza muchos principios estadísticos.
Cuando se trata de ‘estática’, a veces puede ser más interesante aprender. Esto se debe a que se trata de cosas que puedes sentir (fuerzas, torque, equilibrio, …). Puede que esté más interesado en diseñar un marco para contener algo más que encontrar la expectativa de fallar uno de esos marcos en un momento dado utilizando datos pasados.
Finalmente, mi consejo es aprender los conceptos básicos y usar los ejercicios / problemas para fortalecer su habilidad de usar los principios. De lo contrario, la probabilidad de perder alguna teoría / principio importante será alta.
