Практическая полка о статистике для аналитика: как читать распределения, оценивать неопределённость, проверять эксперименты и переводить результат в решение.
Базовый маршрут по статистике для аналитика: выборка, распределение, среднее, медиана, интервал неопределённости и проверка гипотезы на рабочих примерах.
Читать материалРазбираем среднее арифметическое, медиану и моду на примерах выручки, времени доставки и размера заказа: когда показатели расходятся и что писать в выводе.
Читать материалПонятное объяснение дисперсии и стандартного отклонения для аналитика: как читать разброс, сравнивать сегменты и не путать вариативность с ошибкой данных.
Читать материалКак использовать процентили и квантили для latency, времени доставки, чеков и пользовательского опыта: формулы, примеры, ошибки и правила интерпретации.
Читать материалКак читать форму распределения в аналитике: нормальное, скошенное, двугорбое и дискретное распределения, их связь со средним, медианой и выбором метода.
Читать материалПрактический разбор выбросов в аналитике: как отличить ошибку от редкого важного события, использовать IQR и квантили и не улучшить метрику удалением реальности.
Читать материалКак отличать корреляцию от причинности в продуктовой и бизнес-аналитике: третья переменная, обратная причинность, эксперименты и безопасные формулировки.
Читать материалЧто такое sampling error и bias, как они появляются в продуктовых данных, опросах и дашбордах и какие проверки помогают не обобщать нерепрезентативную выборку.
Читать материалЧто означает доверительный интервал для конверсии, среднего и uplift, как его читать, строить и не говорить, что вероятность попадания относится к уже рассчитанному интервалу.
Читать материалКак правильно объяснять p-value в аналитике и A/B-тестах: нулевая гипотеза, порог значимости, размер эффекта, доверительный интервал и частые ошибки.
Читать материалПрактическое сравнение t-test и z-test для аналитика: когда использовать тест для средних, когда для долей, какие допущения проверить и чем не заменить эксперимент.
Читать материалКак использовать chi-square в аналитике для категориальных признаков: таблица сопряжённости, независимость, ожидаемые частоты, effect size и практические ограничения.
Читать материалПрактическое введение в линейную регрессию: target и features, коэффициенты, R², остатки, мультиколлинеарность и границы интерпретации в бизнес-аналитике.
Читать материалВведение в логистическую регрессию для аналитика: бинарный target, вероятность, порог, коэффициенты, calibration и отличие прогноза от причинного вывода.
Читать материалПонятное объяснение bootstrap для аналитика: повторная выборка с возвращением, интервалы для медианы, ratio-метрик и uplift, кластеризация по пользователю и ограничения метода.
Читать материалВведение в байесовский подход: prior, likelihood, posterior, credible interval и прогноз вероятности решения на примере конверсии и экспериментов.
Читать материалЧто такое power A/B-теста, как связаны мощность, MDE, размер выборки и alpha и почему «не значимо» не означает, что эффекта нет.
Читать материалЧто такое regression to the mean и как она искажает оценку релизов, маркетинговых кампаний и ручных вмешательств в продуктовой аналитике.
Читать материалКак разделять тренд, сезонность и шум в продуктовых метриках: день недели, праздники, релизы, скользящее среднее и корректное сравнение периодов.
Читать материалПрактический подход к поиску аномалий в аналитике: baseline, z-score, IQR, rolling window, сезонность, инцидент и правила эскалации.
Читать материалКак считать и интерпретировать интервал для доли: конверсия, размер выборки, редкие события и связь с решением.
Читать материалКак выбрать основную метрику A/B-теста, не утонуть в десятках показателей и отделить решение от разведочного анализа.
Читать материалПочему нельзя останавливать A/B-тест при первом красивом p-value, как планировать срок и что делать с последовательным анализом.
Читать материалКак читать размер эффекта в A/B-тесте: абсолютный uplift, относительный uplift, практическая значимость и минимально важное изменение.
Читать материалПонятный разбор парадокса Симпсона: сегменты, разные веса, продуктовые метрики и проверка агрегированного вывода.
Читать материал