Інференційна статистика
Перевірка гіпотез, довірчі інтервали, p-value, t-test, хі-квадрат, ANOVA, лінійна регресія
1Що таке нульова гіпотеза (H₀) у перевірці гіпотез?
Що таке нульова гіпотеза (H₀) у перевірці гіпотез?
Відповідь
Нульова гіпотеза (H₀) — це стандартне твердження, що припускає відсутність ефекту або суттєвої різниці. Це гіпотеза, яку ми прагнемо відхилити або не відхилити на основі зібраних даних. Наприклад, H₀ може стверджувати, що нове лікування не має ефекту порівняно з плацебо. Статистичний тест оцінює, чи дають дані достатньо доказів для відхилення цієї гіпотези на користь альтернативної гіпотези (H₁).
2Що представляє p-value у статистичному тесті?
Що представляє p-value у статистичному тесті?
Відповідь
P-value — це ймовірність отримати результат принаймні такий екстремальний, як спостережений, припускаючи, що нульова гіпотеза істинна. Низьке p-value (зазвичай < 0.05) вказує, що спостережені дані малоймовірні за H₀, що призводить до її відхилення. Примітка: p-value не є ймовірністю того, що H₀ істинна, ані ймовірністю того, що результати випадкові.
3Що таке помилка I роду в інференційній статистиці?
Що таке помилка I роду в інференційній статистиці?
Відповідь
Помилка I роду (хибно позитивна) виникає, коли ми відхиляємо нульову гіпотезу, хоча вона насправді істинна. Рівень значущості α (часто 0.05) представляє максимально допустиму ймовірність зробити цю помилку. Наприклад, висновок, що препарат ефективний, коли це не так, є помилкою I роду. Ця помилка контролюється вибором рівня значущості.
Що таке помилка II роду в інференційній статистиці?
Що представляє 95% довірчий інтервал?
+21 питань зі співбесід
Інші теми співбесід Data Science & ML
Основи Python
Об'єктно-орієнтоване програмування Python
Структури даних Python
Основи Git
Основи SQL
Основи NumPy
Основи Pandas
Jupyter & Google Colab
SQL Joins та розширені запити
Просунутий Pandas
Візуалізація з Matplotlib & Seaborn
Інтерактивні візуалізації з Plotly
Описова статистика
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Кероване ML: Регресія
Кероване ML: Класифікація
Дерева рішень та ансамблі
Некероване ML
ML Pipelines та валідація
Часові ряди та прогнозування
Основи Deep Learning
TensorFlow & Keras
CNN та класифікація зображень
RNN та послідовності
Transformers та Attention
NLP та Hugging Face
GenAI та LangChain
MLOps та розгортання
Опануй Data Science & ML для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно