Прикладной статистический анализ ответы МТИ Синергия. Все тесты экзамен темы 1-6

группа A: Видела старый дизайн;
группа B: Видела новый дизайн.

Основной метрикой для оценки успешности нового дизайна является коэффициент конверсии: процент посетителей, совершивших целевое действие (например, покупку, регистрацию).
После двух недель тестирования были получены следующие результаты:

группа A (старый дизайн): Коэффициент конверсии = 3 %;
группа B (новый дизайн): Коэффициент конверсии = 4 %.

Аналитик хочет выяснить, является ли увеличение коэффициента конверсии статистически значимым или это просто случайное колебание. Он планирует использовать статистический тест для сравнения двух долей (коэффициентов конверсии).
Какую альтернативную гипотезу (H1) должен сформулировать аналитик, если он хочет доказать, что новый дизайн увеличивает коэффициент конверсии?

Сервер

До (Старый алгоритм)

После (Новый алгоритм)

1

1200

1350

2

1500

1550

3

1800

1700

Аналитик хочет определить, является ли разница в обработке запросов статистически значимой, то есть повлиял ли новый алгоритм на распределение нагрузки между серверами. Поскольку данные о количестве запросов необязательно должны подчиняться нормальному распределению, аналитик решил использовать непараметрический тест.
Какой непараметрических критерий наиболее подойдет для анализа данных в данной ситуации?

Аналитики собрали данные об использовании процессора и времени отклика за несколько дней. Они подозревают, что чем выше загрузка процессора, тем больше времени требуется для ответа на запросы (то есть время отклика). Они хотят использовать корреляционный анализ, чтобы проверить эту гипотезу.
Какой коэффициент корреляции следует использовать, чтобы оценить взаимосвязь между загрузкой ЦП и временем отклика?

время доступа: время, затраченное на загрузку файла (в секундах).
цензура: если файл был успешно загружен, это нецензурированные данные (1). Если при загрузке произошла ошибка (например, из-за временных проблем с сетью), это цензурированные данные (0), то есть мы знаем, что время загрузки превышает измеренное, но точное время неизвестно.

Аналитики используют таблицы выживаемости для анализа времени доступа. Они хотят построить график выживаемости, чтобы визуализировать вероятность того, что файл будет загружен в течение определенного времени.
В контексте анализа выживаемости, что представляют собой цензурированные данные?

время игры, т.е. количество дней, в течение которых игрок был активен;
статус, где

1 = игрок покинул игру (выбыл);
0 = игрок все еще активен (данные цензурированы).
Например, если игрок зарегистрировался месяц назад и до сих пор играет, его данные будут цензурированы.
Аналитики используют таблицы выживаемости для анализа этих данных. Они хотят построить кривую выживаемости, чтобы оценить, как быстро игроки покидают игру.
Какие параметры покажет таблица выживаемости?