其他要考虑的事情：如果我们样本很大怎么办？

解读任何统计结果 (这一点常被忽视) 的最重要一方面在于确保样本代表你感兴趣的总体。

尤其是在当今计算机时代收集数据的方式， 应答偏差 非常重要，要牢记于心。2016年美国大选中，许多媒体进行的民意调查与实际民意调查存在惊人差异。你可以从这里了解反应偏差的作用。

样本容量很大时，假设检验会产生 统计意义 最小的发现。然而，这些发现可能根本不具有现实意义。

例如，假设你在一项针对 100 多万人的研究中发现 从统计学上来说 更多人喜欢啤酒 1，而不是啤酒 2。根据这个结果，你决定开店售卖啤酒 1。然后你发现啤酒 1 的流行度只比啤酒 2 高出 0.0002% (但是在样本容量很大的情况中，这个具有统计意义)。实际上，你应该开店售卖两种啤酒。

假设检验采用综合方法，得出基于数据的结论，因为这些检验旨在了解总体参数 (即综合的总体数值)。

另外，机器学习技巧采用个体方法得出结论，因为他们旨在预测每个特殊数据点的结果。

在这节课的最后，你将会学习机器学习的两种最基础方法：线性回归和逻辑回归。