Количественная мера величины эффекта (Cohen d, относительный uplift). p-value зависит от n — при огромной выборке любой мизерный эффект становится статистически значим
Effect size и p-value — взаимозаменяемые метрики: чем меньше p-value, тем больше effect size, поэтому достаточно отслеживать любую одну из них в отчётах по A/B-тестам
Effect size — это требуемый размер выборки, который нужно набрать для достижения заданной мощности теста (обычно 0.8) при фиксированном уровне значимости α = 0.05
Если результат статистически значим (p < 0.05), то effect size уже не нужен — значимость автоматически гарантирует, что эффект достаточно велик для принятия решения
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.