В A/B тесте вы сравниваете конверсию между вариантами A и B. Какая формулировка H0/H1 корректна для двусторонней проверки отличий?
A
H0: pA = pB, H1: pA ≠ pB: стандартная двусторонняя проверка отличий конверсийB
H0: pA > pB, H1: pA ≤ pB: формулировка односторонней проверки в одну сторонуC
H0: pA ≠ pB, H1: pA = pB: гипотезы перепутаны местами относительно стандартаD
H0: p-value < α, H1: p-value ≥ α: правило принятия решения вместо самих гипотезПравильный ответ. Обычно
H0 фиксирует отсутствие эффекта, а H1 — наличие отличия в любую сторону.Разбор
Нулевая гипотеза H0 фиксирует «нет разницы» между вариантами, а альтернативная H1 задаёт, что разница есть. Для двусторонней проверки в H1 ставят знак ≠, потому что интересуют и рост, и падение метрики. Односторонние формулировки со знаками > или ≤ отвечают на другой вопрос. Подменять гипотезы правилом сравнения p-value с уровнем значимости тоже неверно: это правило решения, а не сами гипотезы.
Проверь себя · 1/3разбор после ответа
Два эксперимента имеют одинаковый размер выборки и одинаковый средний эффект, но во втором дисперсия метрики выше. Что обычно происходит с мощностью во втором эксперименте?
Ещё вопросы по теме «Основы проверки гипотез»
- Как корректно интерпретировать значение `p-value` = 0.03 в проверке статистических гипотез?
- При уровне значимости 0.05 получено `p-value` = 0.04. Какое решение соответствует стандартному правилу проверки гипотез?
- Что означает выбор уровня значимости `alpha` = 0.01 в терминах ошибки I рода?
- Что обозначает параметр `beta` в проверке гипотез?
- Как связаны мощность теста `power` и вероятность ошибки II рода `beta`?
- Все вопросы по «Основы проверки гипотез» →