Дано: массивы `ad_impressions` (тыс.) и `app_installs` -- 50 дней данных о рекламной кампании. Постройте линейную регрессию app_installs ~ ad_impressions, оцените значимость (p-value) и качество модели (R²), и сделайте прогноз для impressions = [100, 200, 500]. Сохраните dict {"slope":..., "intercept":..., "r_squared":..., "p_value":..., "predictions": {100:..., 200:..., 500:...}} (округлённые до 4 знаков) в `result`.
linregress regression r_squared statistics
Задача «Линейная регрессия + R-квадрат» учит применять статистику и научные методы через scipy. Такие задачи дают на собеседованиях в VK и других IT-компаниях. Уровень средний — типичная боевая задача на уверенный 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