Дано: два массива -- `normal_data` (нормально распределённые) и `skewed_data` (скошённые). Проверьте каждый массив на нормальность тестом Шапиро-Уилка. Для каждого массива: is_normal = True если p ≥ 0.05. Сохраните dict с результатами: {"normal": {"statistic":..., "p_value":..., "is_normal": True/False}, "skewed": {...}} (округлённые до 4 знаков) в `result`.
shapiro normality_test statistics
Задача «Проверка нормальности (тест Шапиро-Уилка)» учит применять статистику и научные методы через scipy. Такие задачи дают на собеседованиях в Яндекс и других IT-компаниях. Уровень лёгкий — база, которую ждут от любого аналитика на Python.
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