Chào mừng các bạn đến với bài học thứ ba. Trong các bài học trước, chúng ta đã làm quen với việc tạo ra dữ liệu nhân tạo từ đầu. Hôm nay, chúng ta sẽ khám phá một kỹ thuật có liên quan nhưng với một sự khác biệt cốt lõi: Bootstrapping. Thay vì tạo ra dữ liệu từ một phân phối giả định, bootstrapping sử dụng chính các điểm dữ liệu mẫu mà chúng ta có trong tay để tìm hiểu về các thuộc tính của ước lượng. Thoạt nghe, điều này có vẻ giống như một “mánh khóe” – làm sao có thể tạo ra thông tin hữu ích bổ sung từ một mẫu dữ liệu đã có? Chính sự hoài nghi này đã dẫn đến tên gọi của phương pháp. Thuật ngữ ‘bootstrap’ được lấy cảm hứng từ câu chuyện về Nam tước Munchhausen, một nhân vật hư cấu đã tự thoát khỏi đáy hồ bằng cách tự kéo mình lên bằng dây buộc giày của chính mình. Bài học này sẽ cho thấy rằng bootstrapping không …