## БЛОК ТЕОРИИ: Математика и статистика


---

### ТЕМА 1. Дескриптивная статистика

**Дескриптивная статистика** — это способы описать данные: что у нас есть, как они распределены, есть ли аномалии.

---

#### 1.1 Меры центральной тенденции (Где "центр" данных?)

| Показатель | Определение | Когда использовать | Пример из ритейла |
| :--- | :--- | :--- | :--- |
| **Среднее (Mean)** | Сумма всех значений / количество | Когда распределение симметричное, нет выбросов | Средний чек в магазине = 1500 ₽ |
| **Медиана (Median)** | Значение, которое делит ряд пополам (50-й процентиль) | Когда есть выбросы или асимметрия | Медианный чек = 800 ₽ (лучше показывает "типичного" покупателя) |
| **Мода (Mode)** | Самое часто встречающееся значение | Для категориальных данных (категории товаров) | Самый популярный товар — "Хлеб" |

**Почему медиана важнее среднего в ритейле?**

Представьте: у вас 10 покупателей. 9 купили по 100 ₽, а 1 купил на 1 000 000 ₽.

- **Среднее** = (9×100 + 1 000 000) / 10 = 100 090 ₽ 
- **Медиана** = 100 ₽ 

Какой показатель реально описывает вашего клиента? Конечно, медиана!

---

#### 1.2 Меры разброса (Насколько данные "размазаны"?)

| Показатель | Определение | Формула (интуитивно) |
| :--- | :--- | :--- |
| **Дисперсия** | Средний квадрат отклонений от среднего | `Σ (xi - mean)² / n` |
| **Стандартное отклонение (σ)** | Корень из дисперсии. Показывает, насколько типичное значение отклоняется от среднего | `√дисперсия` |
| **Размах** | Максимум - минимум | `max - min` |
| **Квартили** | Делят данные на 4 части (25%, 50%, 75%) | Q1, Q2 (медиана), Q3 |
| **Межквартильный размах (IQR)** | Q3 - Q1 | Показывает разброс средних 50% данных |
| **Процентили** | Делят данные на 100 частей (1-й, 5-й, 95-й и т.д.) | 90-й процентиль — значение, ниже которого лежат 90% данных |

**Пример из ритейла:**

Проанализировали чеки за месяц:
- Средний чек = 1000 ₽
- Стандартное отклонение = 300 ₽

Это значит, что большинство чеков лежит в диапазоне **1000 ± 300** = от 700 до 1300 ₽.

Если стандартное отклонение = 800 ₽ при среднем = 1000 ₽ — это говорит о **большой неоднородности** клиентов (есть и бедные, и богатые).

---

#### 1.3 Правило трех сигм (Эмпирическое правило)

Для **нормального распределения**:

| Диапазон | Сколько данных попадает |
| :--- | :--- |
| `mean ± 1σ` | ~68% |
| `mean ± 2σ` | ~95% |
| `mean ± 3σ` | ~99.7% |

**Как найти выбросы в ритейле:**

Выбросы — это точки, которые выходят за пределы `mean ± 3σ` или за `Q1 - 1.5×IQR` и `Q3 + 1.5×IQR`.

**Пример:** Вы ищете аномальные транзакции.
- Если средний чек = 1500 ₽, σ = 500 ₽
- То `3σ = 1500 ₽`
- Чек > 1500 + 1500 = 3000 ₽ — это выброс (возможно, мошенничество или ошибка)

---

### ТЕМА 2. ВЕРОЯТНОСТЬ

**Вероятность** — это мера того, насколько событие возможно. От 0 (никогда) до 1 (всегда).

---

#### 2.1 Базовые понятия

| Термин | Определение | Пример |
| :--- | :--- | :--- |
| **Событие** | Результат эксперимента | "Покупатель купил товар" |
| **Вероятность P(A)** | Число благоприятных исходов / Всего исходов | P(покупка) = 0.3 (30% покупателей что-то покупают) |
| **Независимые события** | Одно не влияет на другое | Погода на улице не влияет на качество товара (обычно) |
| **Зависимые события** | Одно влияет на другое | Наличие скидки влияет на вероятность покупки |

---

#### 2.2 Условная вероятность

**Формула:** `P(A|B)` — вероятность события A при условии, что B произошло.

**Формула:** `P(A|B) = P(A ∩ B) / P(B)`

**Пример из ритейла:**

- Событие A: Клиент купил товар
- Событие B: Клиент зашел на сайт по рекламе

Вопрос: Какова вероятность покупки, если клиент пришел по рекламе?

```
P(покупка | пришел_по_рекламе) = P(покупка И пришел_по_рекламе) / P(пришел_по_рекламе)
```

Если `P(покупка)` без рекламы = 2%, а с рекламой = 8%, то реклама работает.

---

#### 2.3 Теорема Байеса (Интуитивно)

**Формула Байеса:**

`P(A|B) = P(B|A) × P(A) / P(B)`

**Что это дает:** Мы можем пересчитать вероятность события, когда появляются новые данные.

**Пример из ритейла (Скоринг клиентов):**

Компания хочет предсказать, купит ли клиент товар.

- **Априорная вероятность (P(A)):** Без данных 5% клиентов покупают товар.
- **Новые данные (B):** Клиент добавил товар в корзину.
- **P(B|A):** Среди тех, кто купил, 80% добавляли товар в корзину.
- **P(B):** Среди всех клиентов, 10% добавляют товар в корзину.

**По Байесу:**
```
P(покупка | добавил_в_корзину) = 0.8 × 0.05 / 0.10 = 0.4 (40%)
```

**Вывод:** Без данных — 5%, с данными о корзине — 40%. Байес позволяет нам **уточнять прогнозы**.

---

### ТЕМА 3. ПРОВЕРКА ГИПОТЕЗ (А/Б-ТЕСТИРОВАНИЕ)

Это **главный инструмент** аналитика в ритейле и маркетинге.

---

#### 3.1 Основные понятия

| Термин | Определение | Пример |
| :--- | :--- | :--- |
| **Нулевая гипотеза (H₀)** | Утверждение "ничего не изменилось" | Новая упаковка НЕ влияет на продажи |
| **Альтернативная гипотеза (H₁)** | Утверждение "изменение есть" | Новая упаковка увеличивает продажи |
| **p-value** | Вероятность получить такие данные (или более экстремальные), если H₀ верна | p-value = 0.03 = 3% |
| **Уровень значимости (α)** | Порог, при котором мы отвергаем H₀ | Обычно α = 0.05 (5%) |
| **Доверительный интервал** | Диапазон, в котором с вероятностью 95% лежит истинное значение | Средний чек: 1000 ± 50 ₽ |

---

#### 3.2 Как интерпретировать p-value

**Правило:** Если `p-value < 0.05` → **отвергаем H₀** (результат статистически значим).

| p-value | Интерпретация |
| :--- | :--- |
| **p < 0.001** | 🟢 Очень сильные доказательства (изменение точно есть) |
| **0.001 < p < 0.05** | 🟢 Статистически значимо (можно внедрять) |
| **0.05 < p < 0.10** | 🟡 На границе (нужны еще данные) |
| **p > 0.10** | 🔴 Нет доказательств (изменение не подтверждено) |

**Пример из ритейла (А/Б-тест):**

- **Группа A (контроль):** 1000 клиентов, старая упаковка, конверсия = 10%
- **Группа B (тест):** 1000 клиентов, новая упаковка, конверсия = 14%

**p-value = 0.02** (это значит, что если бы разницы не было, вероятность получить такую разницу — всего 2%).

**Вывод:** p-value < 0.05 → внедряем новую упаковку.

---

#### 3.3 t-тест (Стьюдента)

**Когда использовать:** Сравниваем средние значения двух групп (количественные данные).

**Пример из ритейла:** 
- Средний чек в магазине А = 1200 ₽
- Средний чек в магазине Б = 1350 ₽
- Вопрос: Разница реальная или случайная?

**t-тест показывает:** Если p-value < 0.05 → разница реальная.

---

#### 3.4 Хи-квадрат (χ²) тест

**Когда использовать:** Сравниваем категориальные данные (проценты, доли).

**Пример из ритейла:** 
- Есть 3 рекламных канала: TV, Соцсети, Контекст
- Каждый привел разное количество клиентов
- Вопрос: Каналы работают одинаково или есть явный лидер?

| Канал | Пришло клиентов |
| :--- | :--- |
| TV | 150 |
| Соцсети | 300 |
| Контекст | 550 |

**χ²-тест покажет:** Если p-value < 0.05 → есть значимая разница между каналами (можно сливать бюджет с плохих каналов).

---

### ТЕМА 4. КОРРЕЛЯЦИЯ

**Корреляция** — это мера связи между двумя переменными. Но **корреляция ≠ причинность!**

---

#### 4.1 Коэффициент корреляции Пирсона (r)

**Для ЧИСЛОВЫХ данных:** измеряет **линейную** связь.

| Значение r | Интерпретация |
| :--- | :--- |
| **r = 1** | Полная положительная связь (что больше x, то больше y) |
| **r = 0** | Связи нет |
| **r = -1** | Полная отрицательная связь (что больше x, то меньше y) |

**Примеры из ритейла:**

- **r = 0.85** — между рекламным бюджетом и продажами. (Сильная связь: больше тратим → больше продаем)
- **r = 0.1** — между цветом упаковки и продажами. (Связи нет)
- **r = -0.7** — между ценой и количеством продаж. (Отрицательная связь: цена растет → продажи падают)

---

#### 4.2 Коэффициент корреляции Спирмена

**Для НЕЛИНЕЙНЫХ данных или для рангов (порядковых):** оценивает монотонную связь (не обязательно линейную).

**Пример:** Зависимость между рангом сотрудника (должность) и зарплатой.

---

#### 4.3 КОРРЕЛЯЦИЯ ≠ ПРИЧИННОСТЬ (Важнейшее правило!)

**Пример 1 (Ложная корреляция):**
- В летние месяцы растут продажи мороженого.
- В летние месяцы растет число утопленников.
- **Корреляция = 0.95**, но мороженое НЕ вызывает утопления.

**Реальная причина:** Жара (общий фактор).

**Пример 2 (Обратная причинность):**
- Мы видим корреляцию между "количеством пожарных на месте" и "ущербом от пожара".
- Корреляция = 0.8.
- Значит ли это, что пожарные увеличивают ущерб? Нет! Просто на большие пожары выезжает больше машин.

**Как проверить причинность в ритейле?** Только через **А/Б-тест** (рандомизированное контролируемое испытание)!

---

### ТЕМА 5. РАСПРЕДЕЛЕНИЯ

---

#### 5.1 Нормальное распределение (Колокол Гаусса)

**Характеристики:**
- Симметричное
- Большинство значений в центре
- Крайние значения — редкость

**Где встречается в ритейле:**
- Рост, вес людей (для сегментации аудитории)
- Количество посетителей в час (примерно)
- Ошибки измерения

**Пример:** Если средний чек распределен нормально, то 95% чеков лежит в диапазоне `mean ± 2σ`.

---

#### 5.2 Биномиальное распределение

**Когда использовать:** Когда есть два исхода (успех/неуспех).

**Примеры в ритейле:**
- Клиент купил / не купил
- Клиент вернул товар / не вернул
- Клиент открыл письмо / не открыл

**Характеристики:**
- Дискретное (конкретное число успехов)
- Зависит от `n` (количество испытаний) и `p` (вероятность успеха)

**Пример:** Из 100 клиентов, каждый с вероятностью 10% купит товар. Какое распределение будет иметь общее количество покупок? → **Биномиальное**.

---

#### 5.3 Распределение Пуассона

**Когда использовать:** Считаем количество событий в фиксированный промежуток времени.

**Примеры в ритейле:**
- Количество клиентов в час в магазине
- Количество заказов в минуту на сайте
- Количество возвратов в день

**Характеристики:**
- Дискретное
- λ (лямбда) = среднее количество событий

**Пример:** В вашем магазине в час приходит в среднем 50 клиентов. Какова вероятность, что за следующий час придет ровно 60 клиентов? → **Распределение Пуассона**.

---

#### 5.4 Почему распределения важны для аналитика?

| Распределение | Когда использовать | Какой тест применять |
| :--- | :--- | :--- |
| **Нормальное** | Данные симметричны | t-тест (параметрический) |
| **Не нормальное** | Данные асимметричны | Манн-Уитни (непараметрический) |
| **Биномиальное** | Считаем успехи/неуспехи | χ²-тест |

**Главное правило:** 
- Если данные **нормально распределены** → используем **t-тест**.
- Если данные **НЕ нормально распределены** → используем **непараметрические тесты** (Манн-Уитни, χ²).

---

### ИТОГОВАЯ ШПАРГАЛКА (Для собеседования)

| Тема | Что спросят | Ваш ответ |
| :--- | :--- | :--- |
| **Дескриптивная статистика** | Чем медиана отличается от среднего? | Медиана устойчива к выбросам, лучше описывает типичного клиента |
| **Выбросы** | Как найти аномалии в данных? | Использовать правило `mean ± 3σ` или метод квартилей (IQR) |
| **p-value** | Что такое p-value? | Вероятность получить такие данные, если нулевая гипотеза верна. Если p < 0.05 — результат значим |
| **А/Б-тест** | Как понять, что акция работает? | Провести t-тест между контрольной и тестовой группой. Если p < 0.05 — акция работает |
| **Корреляция** | Нашли корреляцию между кофе и продажами. Что делать? | Не спешить внедрять! Корреляция ≠ причинность. Проверить через А/Б-тест |
| **Доверительный интервал** | Что такое 95% доверительный интервал? | С вероятностью 95% истинное значение лежит в этом диапазоне |
| **Распределения** | Зачем знать распределения? | Чтобы правильно выбирать статистические тесты (t-тест для нормальных, χ² для категориальных) |

---

### ПРАКТИЧЕСКОЕ ЗАДАНИЕ ДЛЯ СТУДЕНТА

**Задача:** Представьте, что вы аналитик в М.Видео. К вам пришел маркетолог с вопросом: "Мы запустили новую рекламную кампанию на маркетплейсе. За 30 дней до кампании средняя конверсия была 5.2%. За 30 дней после — 6.8%. Как понять, это успех или просто случайность?"

**Что должен сделать студент:**

1. **Сформулировать гипотезы:**
   - H₀: Конверсия не изменилась
   - H₁: Конверсия увеличилась

2. **Выбрать метод:** t-тест для независимых выборок (или z-тест, если знаем стандартное отклонение).

3. **Получить p-value:** (Предположим, p = 0.03)

4. **Принять решение:** p < 0.05 → отвергаем H₀ → кампания работает.

5. **Построить доверительный интервал:** (1.6% ± 0.5%) = конверсия выросла на 1.1% - 2.1%.

6. **Подготовить ответ маркетологу:** "Кампания статистически значимо увеличила конверсию на 1.6% (95% ДИ: 1.1% - 2.1%). Рекомендую масштабировать."

---

### ДОПОЛНИТЕЛЬНЫЙ БЛОК: ОШИБКИ ПЕРВОГО И ВТОРОГО РОДА

| Ошибка | Что это | Пример в ритейле |
| :--- | :--- | :--- |
| **Ошибка I рода (False Positive)** | Мы отвергли H₀, а она была верна. Внедрили изменение, а оно не работает. | Запустили новую упаковку, потратили деньги, а продажи не выросли |
| **Ошибка II рода (False Negative)** | Не отвергли H₀, а она была ложной. Пропустили хорошее изменение. | Провели А/Б-тест, сказали "не внедрять", а на самом деле продажи бы выросли |

**Как снизить риск ошибок:**
- Увеличить выборку (больше клиентов в тесте)
- Снизить уровень значимости α (например, до 0.01)
- Использовать мощные статистические тесты

---

Этот блок полностью закрывает **теоретическую математическую базу** для Junior-аналитика. После изучения студент сможет:

1. Описать данные (среднее, медиана, выбросы)
2. Проверить гипотезы (А/Б-тесты)
3. Найти корреляции
4. Понимать распределения
5. **Интерпретировать p-value** и доверительные интервалы
6. Отличить корреляцию от причинности

test