Какие статистические методы вы знаете?
Что проверяют
Широту кругозора и понимание, какую задачу решает каждый метод. Списка терминов мало: интервьюер ждёт, что вы свяжете метод с практикой анализа данных и ML. Следом обычно просят объяснить p-value простыми словами или выбрать тест под конкретные данные.
Как отвечать
Удобно разложить ответ по задачам:
- описание данных: среднее, медиана, квантили, дисперсия, асимметрия. Сразу оговорите, что при выбросах и тяжёлых хвостах медиана и квантили честнее среднего;
- распределения: нормальное, биномиальное, Пуассона, логнормальное. От них зависит выбор теста и модели;
- оценивание: метод максимального правдоподобия, доверительные интервалы, бутстрэп, когда формулы для интервала нет;
- проверка гипотез: t-тест Стьюдента и Уэлча, хи-квадрат для категорий, непараметрические Манна-Уитни и Уилкоксона, ANOVA и Краскела-Уоллиса для нескольких групп, перестановочные тесты. Плюс поправки на множественные сравнения: Холма, Бенджамини-Хохберга;
- зависимости: корреляция Пирсона для линейной связи и Спирмена для монотонной, линейная и логистическая регрессия как модели с интерпретируемыми коэффициентами;
- байесовский подход: апостериорное распределение вместо p-value, удобен в A/B-тестах и на малых выборках;
- снижение размерности: PCA опирается на ковариационную матрицу, это тоже статистика.
Назовите инструменты: scipy.stats для тестов и распределений, statsmodels для регрессий с полной сводкой и тестов пропорций. Выигрышно звучит пример из опыта: где вы строили бутстрэп-интервал для метрики или какой тест выбрали и почему.
Где спотыкаются
Трактуют p-value как вероятность того, что гипотеза верна. На деле это вероятность получить такие или ещё более крайние данные при условии, что верна нулевая гипотеза.
Считают нулевую корреляцию Пирсона доказательством отсутствия связи. Она ловит только линейную зависимость, квадратичная легко даст коэффициент около нуля.
Проверяют десятки гипотез на одних данных без поправок и отбирают «значимые». При α = 0,05 и двадцати независимых проверках хотя бы одна ложная находка случается примерно в 64% случаев.