Односторонний тест всегда статистически мощнее двустороннего и требует меньшей выборки — поэтому в продакшн-экспериментах лучше использовать одностороннюю формулировку гипотезы
Между ними нет содержательной разницы: оба теста дают одинаковый p-value на одних и тех же данных, отличие только в формулировке null hypothesis в документации
Односторонний: H1: μ_T > μ_C (только в одну сторону). Двусторонний: H1: μ_T ≠ μ_C (любое направление). Двусторонний — стандарт для A/B-тестов, где важны оба направления эффекта
Двусторонний тест — это просто объединение двух отдельных односторонних тестов с корректировкой Bonferroni: по сути две независимые проверки на отклонение эффекта от нуля
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.