Дано: массив revenues -- 200 значений (выручка по дням). Проверьте нормальность распределения двумя тестами: Колмогорова-Смирнова (с параметрами выборочного mean и std) и Шапиро-Уилка. Для каждого теста: is_normal = True если p ≥ 0.05. Сохраните dict {"ks_stat": round(4), "ks_p": round(6), "ks_normal": bool, "shapiro_stat": round(4), "shapiro_p": round(6), "shapiro_normal": bool} в `result`.
ks_test shapiro normality
Задача «KS-тест: проверка нормальности распределения» учит применять статистику и научные методы через scipy. Такие задачи дают на собеседованиях в Мегафон и других IT-компаниях. Уровень сложный — проверяет глубину и умение собрать решение из нескольких приёмов.
Сначала разбери условие и формат входа-выхода, прикинь крайние случаи (пустой ввод, дубли, NaN). Затем выбери структуру данных и собери решение по шагам — начни с простого рабочего варианта, потом оптимизируй сложность. Код пишешь и запускаешь прямо в браузере: Python-тренажёр исполняет его через Pyodide (pandas, numpy, scipy) и проверяет результат автоматически.
На собеседовании по Python для аналитика ценят чистый читаемый код, корректную обработку крайних случаев (пустой ввод, дубли, None) и умение вслух оценить сложность по времени и памяти. Часто просят не просто решить, а разобрать альтернативные подходы и показать, где наивное решение сломается на большом объёме данных.
Прокачать Python для аналитики — бесплатный курс «Pandas с нуля» и Python-тренажёр.
Открыть задачу в тренажёре → ← Все Python-задачи