Оцениваешь конверсию новой фичи: данных мало (200 показов, 4 конверсии), но есть исторические данные по похожим фичам с конверсией ~2%. Как статистически учесть это знание?
Байесовский подход с информативным prior (например Beta): апостериорная оценка стянется к историческим 2% и будет устойчивее на малой выборке
Частотная точечная оценка 4/200 = 2% и так совпадает с историей, поэтому prior брать бессмысленно и нельзя
Взять историческую конверсию и просто арифметически усреднить её с 4/200 без каких-либо весов
Учесть историю статистически невозможно — доверие к оценке растёт только по мере набора новых данных
Как разобрать этот вопрос на собеседовании
Раздели задачу на «какая гипотеза», «какой тест подходит» и «как интерпретировать результат». Держи в голове предпосылки теста, ошибки I и II рода и разницу между статистической и практической значимостью. Интервьюер чаще проверяет рассуждение, а не вывод формулы — проговаривай допущения вслух.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «Статистика». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: конспекты по статистике и a/b помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.