Частотный: строгий контроль ошибок I/II рода, фиксированный горизонт. Байесовский: вероятности гипотез, гибкий мониторинг, учёт априорных знаний. Выбор зависит от задачи и культуры компании
Байесовский всегда лучше, потому что даёт прямую вероятность гипотезы и не страдает от peeking problem — частотный морально устарел в задачах, где требуется гибкая переоценка в процессе эксперимента
Частотный строже и надёжнее: p-value даёт формальный контроль false positive rate, а байесовский зависит от приора, который легко подогнать «под нужный результат» по требованию заказчика
При большой выборке оба подхода сходятся к одинаковым выводам из-за закона больших чисел, поэтому на практике разница сводится к синтаксическому стилю и предпочтениям команды аналитики
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.
Это вопрос продвинутого уровня — на собеседовании по нему обычно идут уточняющие follow-up вопросы, поэтому держи в голове крайние случаи и альтернативные решения.
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.