[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-sample-size":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":154},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":102,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":103,"related":117,"views_count":151,"helpful_yes_count":106,"helpful_no_count":106,"created_at":152,"updated_at":153,"published_at":17},297,"sample-size",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Размер выборки","Количество наблюдений, на основе которых делаются статистические выводы. Чем оно больше, тем точнее оценки.","Размер выборки — это сколько наблюдений у вас есть для эксперимента или анализа. Маленькая выборка даёт большой разброс оценок: одна и та же случайность может выглядеть как «двукратное улучшение» или как «провал». Перед любым A\u002FB-тестом полезно заранее посчитать, сколько данных нужно, чтобы поймать минимально интересный эффект с приемлемой надёжностью.","\u003Cp>Размер выборки — главный регулятор надёжности и стоимости любого статистического исследования. Слишком маленькая выборка даёт ненадёжные выводы, слишком большая — лишние затраты времени и денег.\u003C\u002Fp>\u003Ch3>От чего зависит нужный размер\u003C\u002Fh3>\u003Cul>\u003Cli>Минимальный эффект, который вы хотите уверенно поймать (MDE).\u003C\u002Fli>\u003Cli>Базовая величина метрики: конверсия 1% требует значительно большей выборки, чем 30%.\u003C\u002Fli>\u003Cli>Выбранные уровни значимости и мощности теста.\u003C\u002Fli>\u003Cli>Разброс метрики: чем он шире, тем больше нужно данных.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Что важно\u003C\u002Fh3>\u003Cul>\u003Cli>Если выборка не дотягивает до расчётной, выводы из теста почти бесполезны.\u003C\u002Fli>\u003Cli>Слишком большая выборка приводит к тому, что значимыми становятся даже бесполезные для бизнеса различия.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Перед запуском A\u002FB-теста\u003C\u002Fli>\u003Cli>При планировании опросов и фокус-групп\u003C\u002Fli>\u003Cli>Перед оценкой моделей на отложенной выборке\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Когда выбор делается не на основе статистики, а на основе экспертной оценки или требований регуляторов\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Команда хочет проверить изменение в форме регистрации. Конверсия — 8%, минимальный интересный прирост — 0,5 процентных пункта. Калькулятор размера выборки показывает: для теста с уровнем значимости 5% и мощностью 80% нужно около 28 тысяч пользователей в каждой группе. У сайта 5 тысяч новых в неделю. Это значит, что эксперимент займёт около 12 недель, и команда заранее решает либо подождать, либо проверять более грубые гипотезы.\u003C\u002Fp>","\u003Cp>Не запускайте A\u002FB-тест без предварительного расчёта выборки. Иначе типичный сценарий выглядит так: команда смотрит на цифры через неделю, видит «победу», внедряет — а на следующих неделях эффект пропадает. Это и есть результат слишком маленькой выборки.\u003C\u002Fp>","размер выборки, объём выборки, число наблюдений, sample size","Sample Size","Размер выборки: что это и как рассчитать | Глоссарий Shtab","Размер выборки — сколько наблюдений нужно для надёжного статистического вывода. От чего зависит, как считать заранее, что бывает при недостаточной выборке.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},11,"analytics-data","#06b6d4",{"ru":89},{"title":90,"description":91},"Аналитика и данные","Понятия и инструменты работы с данными: виды аналитики, статистические основы, A\u002FB-тестирование, продуктовые метрики, дашборды и BI, инфраструктура данных, качество и управление данными.",[93],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},43,"statistics","tool","#7c5ce6",101,{"ru":100},{"title":101},"Статистика","Р",[104,111],{"id":105,"order":106,"translations":107},1520,0,{"ru":108},{"question":109,"answer":110},"А если данных просто мало?","\u003Cp>Тогда честнее признать, что тест не даст уверенного ответа, и либо подождать, либо сменить метрику на более чувствительную, либо использовать байесовские методы и принимать решение с явно описанной долей риска. Иллюзия точности на маленькой выборке хуже, чем её отсутствие: она заставляет команду верить в эффект, которого может и не быть.\u003C\u002Fp>",{"id":112,"order":61,"translations":113},1521,{"ru":114},{"question":115,"answer":116},"Существуют ли готовые калькуляторы?","\u003Cp>Да, их много — у Google, Optimizely, Evan Miller и других. Для большинства классических задач они работают хорошо: достаточно указать базовую конверсию, желаемый прирост, уровень значимости и мощность. Для нестандартных метрик и распределений лучше посчитать вручную или прогнать симуляцию на своих данных.\u003C\u002Fp>",{"parent":118,"related":126},[119],{"id":120,"slug":121,"translations":122},295,"statistical-significance",{"ru":123},{"title":124,"short_definition":125},"Статистическая значимость","Свойство результата эксперимента, при котором вероятность получить его случайно при отсутствии эффекта мала.",[127,130,137,144],{"id":120,"slug":121,"translations":128},{"ru":129},{"title":124,"short_definition":125},{"id":131,"slug":132,"translations":133},113,"ab-test",{"ru":134},{"title":135,"short_definition":136},"A\u002FB-тест","Сравнение двух вариантов (A и B) по одной метрике при случайном распределении пользователей между группами.",{"id":138,"slug":139,"translations":140},299,"type-i-ii-errors",{"ru":141},{"title":142,"short_definition":143},"Ошибки первого и второго рода","Ошибка первого рода — признать эффект, которого нет. Ошибка второго рода — не заметить реальный эффект.",{"id":145,"slug":146,"translations":147},316,"multivariate-test",{"ru":148},{"title":149,"short_definition":150},"Многомерное тестирование (MVT)","Эксперимент, в котором одновременно проверяется несколько элементов и их комбинаций, а не одно изменение.",117,"2026-05-11T20:16:03.683064+03:00","2026-05-11T20:16:03.683080+03:00",[155,178,203],{"id":156,"slug":157,"translations":158,"category":163,"tags":166,"letter":176,"cover":17,"updated_at":177,"published_at":17},313,"arpu",{"ru":159},{"title":160,"short_definition":161,"translation_en":162},"ARPU и ARPPU (средняя выручка на пользователя)","ARPU — средняя выручка на пользователя. ARPPU — средняя выручка на платящего пользователя.","ARPU and ARPPU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":164},{"ru":165},{"title":90,"description":91},[167],{"id":168,"slug":169,"kind":170,"hex":171,"order":172,"translations":173},45,"product-analytics","metric","#5e79ec",103,{"ru":174},{"title":175},"Продуктовая аналитика","A","2026-05-11T20:16:09.534333+03:00",{"id":179,"slug":180,"translations":181,"category":186,"tags":189,"letter":201,"cover":17,"updated_at":202,"published_at":17},304,"bi",{"ru":182},{"title":183,"short_definition":184,"translation_en":185},"Business Intelligence (бизнес-аналитика)","Совокупность процессов и инструментов сбора, хранения и визуализации данных для принятия деловых решений.","Business Intelligence (BI)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":187},{"ru":188},{"title":90,"description":91},[190,198],{"id":191,"slug":192,"kind":96,"hex":193,"order":194,"translations":195},44,"data-engineering","#0F9488",102,{"ru":196},{"title":197},"Инфраструктура данных",{"id":168,"slug":169,"kind":170,"hex":171,"order":172,"translations":199},{"ru":200},{"title":175},"B","2026-05-11T20:16:06.204990+03:00",{"id":204,"slug":205,"translations":206,"category":211,"tags":214,"letter":218,"cover":17,"updated_at":219,"published_at":17},312,"dau-wau-mau",{"ru":207},{"title":208,"short_definition":209,"translation_en":210},"DAU, WAU, MAU (активная аудитория за день, неделю и месяц)","Количество уникальных активных пользователей за день, неделю и месяц соответственно.","DAU \u002F WAU \u002F MAU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":212},{"ru":213},{"title":90,"description":91},[215],{"id":168,"slug":169,"kind":170,"hex":171,"order":172,"translations":216},{"ru":217},{"title":175},"D","2026-05-11T20:16:09.166914+03:00"]