Интересные факты из аналитики, разработки, автоматизации и AI
Иногда общая статистика показывает, что один вариант хуже другого. Но если разделить данные на важные сегменты, вывод может полностью измениться. Это и есть парадокс Симпсона — одна из самых опасных ловушек при интерпретации данных.
Не каждую медленную программу нужно запускать в нескольких потоках. Разбираем главный критерий распараллеливания, разницу между I/O- и CPU-задачами и пример с ThreadPoolExecutor.
Два показателя могут двигаться вместе и иметь почти идеальную статистическую связь. Но это ещё не означает, что один показатель вызывает другой. Разбираемся, как возникают ложные выводы и как проверять причинность.
Разбираем, почему среднее значение может искажать картину при выбросах, чем оно отличается от медианы и как с помощью Python и графиков выбрать подходящую метрику.