Вернулся! Да!! Я за это время успел аналитиком стать по твоим лекциям!😃 спасибо, я реально конспектировал твои видео, и пользуюсь этими записями до сих пор😀
Глеб жыв! Не, ну это святой человек, конечно Мало того, что тонна бесплатных туториалов на канале топового качества, так он ещё и куски платных курсов заливает в открытый доступ Бесконечные респект и уважуха Храни господь таких людей
Кайф 😎 очень круто и понятно. С большим удовольствием посмотрел. Подача стала однозначно лучше, однако шуточек стало поменьше))) спасибо и с возвращением 🎉
Я встал на путь леопарда, сейчас исследую Ваши плейлисты по статистике и Python. Это видео было как раз то, что нужно в данный момент. Спасибо Вам большое. Стану продуктовым аналитиком, отдам дань царю леопардов. Благодарю Вас. Иногда не с первого раза доходит, А когда повторяете, но уже с другой стороны, тогда в голове появляется понимание )
Глеб!, Спасибо тебе. Ты очень мне помог! Умеешь подавать материал доступно каждому - До сих пор люблю пересматривать твои видосы по Статистике, они мои самые любимые - шутки про "Виноградный День" просто легендарны!👈💣. Купил 2 твоих курса на Степике, обязательно куплю этот!. Продолжай заниматься тем чем занимаешься: таков путь настоящего Леопарда🐆!💜💜💜💜💜💜💜
Как обычно, очень крутое видео. За знания с трех курсов Глеба всякие скиллбоксы, Яндексы и тд взяли бы тысяч сто и объяснили бы не так хорошо. Глеб, именно благодаря тебе я работаю в области аналитики данных P.s: да какие блин еще скидки, курс стоит копейки
Вернулся!!! Я ждал и не отписывался! Переживал, что пропал насовсем. Видео еще не посмотрел, но лайк заблаговременно! Обязательно к просмотру в ближайшее время. Очень рад!
Добрый день, спасибо за видео. Цитата: 1:35:20 Не согласен. Если наблюдаемой разницы между А и B нет, то тест не скажет, что она есть. Все что может сказать тест - это является ли наблюдаемая разница статистически значимой или нет.
@GlebMikhaylov Большое спасибо за "нескучный контент"! А какое минимальное количество наблюдений дб для применения бутстрапа? Его ж применяют не только при перекошенном распределении, но также если наблюдений не хватает для "классических" критериев. Right?
Это минимальное количество можно бутстрепом и определить, посмотри как я тестирую тест начиная с 2:21:39 и также можешь определять размеры выборок для бутстрепа. Перекошенное распределение и нехватка размера выборки это по сути одна и та же проблема. Это значит что ЦПТ не работает, т.к. ей не хватает размера выборки, и чем кривее распределение чем больше нужно наблюдений чтобы ЦПТ заработала
Кто может объяснить, при расчете размера выборки, почему чем больше базовый уровень конверсии, тем больше выборка требуется для эксперимента? Например baseline: 0.03, mde: 0.02 - требуется 1484 значений, а если baseline 0.33, а mde: 0.02, то уже требуется 8805 значений?
Глеб, а почему не рассказываешь ни о дисперсиях, доверительных интервалах? Почему все только и говорят о них, когда мы тестируем гипотезы, а тебе удалось это все объяснить без данной статистической терминологии?