A/B-тестирование на Python (scipy.stats)

Python для аналитикаТема 4. Pandas и NumPy для аналитика

t-test для средних, chi-square/z-test для долей, sample size через statsmodels (MDE/alpha/power), Bonferroni для multiple testing, CI vs p-value, проверка нормальности (Shapiro), Mann-Whitney U как непарам. альтернатива. 3 задачи.

О разделе «Тема 4. Pandas и NumPy для аналитика»

Главные библиотеки аналитика данных: NumPy (массивы, векторизация), Pandas (DataFrame, groupby, merge, time series). Без них не работает sklearn, matplotlib, seaborn — весь стек.

Ключевые темы: numpy, pandas, DataFrame, groupby, merge, time series, resample, rolling.

Все темы в разделе «Тема 4. Pandas и NumPy для аналитика»

Обновлено:

Полный разбор темы «A/B-тестирование на Python (scipy.stats)» — в Pro

В Pro-подписке по этому конспекту получите:

Открыть все 210 конспектов →

Другие конспекты в теме «Тема 4. Pandas и NumPy для аналитика»