Вероятность для аналитика данных

ДЛЯ НОВИЧКОВ

Аналитику

---

Зачем вероятность в аналитике

После EDA вы описали выборку. Вопрос инференциальной статистики — насколько выводы переносятся на генеральную совокупность. Вероятность задаёт язык для этой неопределённости: случайный эксперимент, исходы, частоты, распределения.

На практике вероятность часто разбирают сначала в Excel (симуляции и формулы), затем переносят в R и Python. Здесь — сжатый конспект с отсылками к 42 и пяти шагам вывода.

---

Базовые понятия

Понятие	Смысл	Пример
Случайный эксперимент	действие с заранее неизвестным исходом	бросок кубика, клик по баннеру
Пространство исходов	все допустимые исходы	6
Событие	подмножество исходов	«выпало чётное» = 6
Вероятность P(A)	число от 0 до 1; при равновероятных исходах — доля благоприятных	P(чётное) = 3/6

Условная вероятность P(A|B) — вероятность A при условии, что B уже произошло. Независимость — когда P(A|B) = P(A): знание B не меняет шансы A.

---

Дискретные и непрерывные распределения

Тип	Переменная	Примеры	В Excel / коде
Дискретное	счётные исходы	число кликов, оценка 1–5	БИНОМ.РАСП, ПОИССОН; binom, poisson
Непрерывное	значения на отрезке	время ответа, рост	НОРМ.РАСП, гистограмма; norm, dnorm в R

Нормальное распределение — центральная модель для многих метрик и основа t-тестов при больших выборках (42 — нормальность).

Мини-симуляция в Excel

1. Столбец A — формула =СЛЧИС() (или RAND()), протянуть на 1000 строк.
2. Построить гистограмму — форма приближается к равномерному распределению на [0,1].
3. Преобразовать: =НОРМ.ОБР(A1; 100; 15) — наблюдать «колокол».

Симуляция помогает почувствовать разброс до формул t-критерия: вы видите, что среднее по выборке прыгает от эксперимента к эксперименту.

---

Связь с проверкой гипотез

Идея вероятности	В статистическом выводе
Распределение статистики при H₀	p-значение, критическая область
Центральная предельная теорема	доверительный интервал для среднего
Независимость наблюдений	корректность t-теста, χ²

Практический цикл — пять шагов: выборка → гипотезы → план → расчёт → решение.

---

См. также

Материал	Тема
432 — линейная регрессия в трёх средах	от корреляции к модели
422 — причинность	корреляция ≠ причина
430 — маршрут по инструментам	Excel → R → Python

---