Дано: параметры A/B теста -- baseline конверсия, ожидаемый эффект, размер выборки. Постройте кривую мощности теста: power(n) для n от 500 до 50000 (alpha = 0.05). Найдите минимальный n, при котором power ≥ 0.80, и значение power при n = 5000. Формулы: - power = P(Z > z_alpha/2 - delta/SE) - delta = p2 - p1 - SE = √(p1×(1-p1)/n + p2×(1-p2)/n) Сохраните dict {"power_at_5000":..., "min_n_for_80":..., "power_curve": [(n, power), ...]} (power округлите до 4 знаков) в `result`.
power_analysis sample_size ab_test statistics
Задача «Расчёт мощности теста (power)» учит применять статистику и научные методы через scipy. Такие задачи дают на собеседованиях в Яндекс 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