為什麼在分析資料時，探索性資料分析應該是第一步（當然，是在你已經匯入並清理好資料之後）？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
進行統計推論時，我們使用機率的語言。描述資料的機率分配具有參數。因此，統計推論的一大目標就是估計這些參數的數值，讓我們能以精簡且明確的方式描述資料並據以下結論。在本章中，你將學到如何找出最佳參數，也就是最能描述你資料的那些參數。
當前練習
英語成語「pull yourself up by your bootstraps」意指在沒有任何協助下自行完成艱難的任務。在統計推論中，你會想知道：如果能將資料蒐集無限次，會發生什麼事？這件事不可能辦到，但我們能不能只用手上的資料，逼近無限次實驗所得到的結果？答案是可以！達成此目的的技術正好稱為自助法（bootstrapping）。本章將帶你認識這個威力驚人的工具。
你現在已經知道在給定模型時如何定義與估計參數。不過問題仍在：若模型為真，觀察到你的資料有多合理？這個問題由假設檢定來處理。它為推論增添最後關鍵的一步。完成本章後，你將能以駭客統計的方法，謹慎地建構並檢定假設。
如同上一章所見，假設檢定可能有些棘手。你需要定義虛無假設、想出如何模擬它，並清楚界定「更極端」的意義以計算 p 值。和任何技能一樣，熟能生巧，而本章將提供你進一步練習假設檢定的良機。
過去 40 多年來，Peter 與 Rosemary Grant 每年都前往加拉巴哥群島的 Daphne Major 蒐集達爾文雀的資料。你將運用統計推論的技能，在本章中與他們的資料共處，並親眼透過資料見證演化的進行。這將是為本課程劃下句點的激勵人心方式！
