📈Тесты для проверки гипотез: t-тест и χ²-тест — когда и как их использовать (13/15)

Сегодня поговорим о том, как не попасть в ловушку графиков и увидеть реальную картину в данных с помощью двух классических инструментов: t-теста и χ²-теста. Эти тесты работают как «проверяющие» для гипотез: они помогают понять, действительно ли наблюдаемые различия или связи неслучайны, или же это просто совпадение. Начнём с того, когда применяют каждый из них, и затем перейдём к практическим примерам и простым кодовым фрагментам.

t-тест — это тест для сравнения средних значений. Его применяют, когда задача стоит именно в том, чтобы узнать, отличаются ли средние показатели двух групп или несколько параметров в одной группе. Есть несколько разновидностей: односторонний и двусторонний тест, тест для одной выборки против теоретического значения, независимый (двууровневый) и парный тест.

Приведу простой пример в практическом ключе. Допустим, у вас есть среднемесячная выручка по двум магазинам за последние полгода. Вы хотите проверить, выросла ли выручка после смены маркетинга. Выручка в магазин A: [120, 125, 130, 128, 135, 140] , в магазин B: [110, 112, 115, 118, 120, 122]. Чтобы проверить, являются ли средние значения значимо разными, можно применить двухвыборковый t-тест. В Python это можно сделать через scipy.stats.ttest_ind. В базовом виде тест вернёт вам t-статистику и p-value, а по сути задача — принять или отклонить нулевую гипотезу, что средние равны. Важно: если дисперсии существенно различаются, применяют Welch’s t-test, который учитывает неравные дисперсии.

χ²-тест — выбор между двумя и более категориями. Он применяется, когда переменные дискретны и нужно проверить, есть ли зависимость между ними или соответствуют ли наблюдаемые частоты каким-то ожиданиям. Например, можно проверить зависимость между каналом привлечения клиента (органика, платная реклама) и статусом покупки (совершённая, не совершённая). В 2x2 таблице это можно проверить через χ²-тест на независимость; если ожидания в ячейках малы, лучше применить точный тест Фишера или линию G-теста для больших таблиц.

И помните, даже самый спокойный медведь умеет рычать, когда надо. Берегите голову, берегите данные — и пусть в вашем дне будет немного тишины, ясности и добрых переменных.

#МатСтат #ШагиАналитика