Chào mừng các bạn quay trở lại! Trong bài học trước, chúng ta đã khám phá “cơ chế” bên trong của việc ước lượng NLLS, tìm hiểu cách máy tính tìm ra bộ tham số tốt nhất bằng cách tối thiểu hóa tổng bình phương sai số. Chúng ta đã có trong tay các con số ước lượng, ví dụ như $\hat{\lambda} = -0.77$ trong mô hình Box-Cox. Nhưng một con số đơn lẻ thì chưa nói lên được nhiều điều. Liệu giá trị thực sự trong tổng thể có thể là -0.7, hay thậm chí là 0? Làm thế nào để chúng ta đo lường sự không chắc chắn xung quanh các ước lượng của mình? Đây chính là mục tiêu của suy luận thống kê. Trong bài học hôm nay, chúng ta sẽ đi sâu vào lý thuyết nền tảng cho phép chúng ta xây dựng các khoảng tin cậy và thực hiện các kiểm định giả thuyết cho các ước lượng NLLS. Chúng ta sẽ tìm hiểu một trong những kết quả đẹp và quan trọng nhất …