Дано: 10 p-values от множественных A/B тестов (10 метрик одновременно). Примените поправку Бонферрони (adjusted_p = `min(p × n_tests, 1.0)`) и сравните количество значимых метрик до и после коррекции. Сохраните dict {"original": [...], "bonferroni": [...], "significant_before": N, "significant_after": N, "false_discovery_risk": описание} (округлённые до 4 знаков) в `result`.
bonferroni multiple_testing fwer statistics
Задача «Поправка Бонферрони для множественных тестов» учит применять статистику и научные методы через scipy. Такие задачи дают на собеседованиях в Ozon 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