[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-type-i-ii-errors":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":137},{"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":134,"helpful_yes_count":106,"helpful_no_count":106,"created_at":135,"updated_at":136,"published_at":17},299,"type-i-ii-errors",{"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},"Ошибки первого и второго рода","Ошибка первого рода — признать эффект, которого нет. Ошибка второго рода — не заметить реальный эффект.","Ошибки первого и второго рода — два способа ошибиться в статистическом выводе. Ошибка первого рода — ложная тревога: вы решили, что улучшение есть, а его нет. Ошибка второго рода — пропустить реальный эффект. Что хуже, зависит от цены ошибки в конкретной задаче: в борьбе с мошенничеством дороже пропустить мошенника, в медицине — зря назначить лекарство.","\u003Cp>Любой статистический вывод — это компромисс между двумя ошибками. Уменьшая одну, обычно увеличиваешь другую.\u003C\u002Fp>\u003Ch3>Как это связано с порогами\u003C\u002Fh3>\u003Cul>\u003Cli>Уровень значимости (обычно 5%) — это допустимая вероятность ошибки первого рода.\u003C\u002Fli>\u003Cli>Мощность теста (обычно 80%) — это вероятность правильно поймать эффект, если он есть. 1 минус мощность — это вероятность ошибки второго рода.\u003C\u002Fli>\u003Cli>Чем строже порог значимости, тем реже ложные тревоги, но и тем больше пропусков реальных эффектов при той же выборке.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Где это особенно важно\u003C\u002Fh3>\u003Cul>\u003Cli>Медицина: одна цена у «зря назначили лечение», другая — у «пропустили серьёзный диагноз».\u003C\u002Fli>\u003Cli>Борьба с мошенничеством: пропуск мошенника обычно обходится дороже ложного срабатывания даже с учётом разбора таких случаев.\u003C\u002Fli>\u003Cli>A\u002FB-тесты в продукте: ложный «успех» приводит к внедрению бесполезных изменений и потере фокуса.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>При проектировании A\u002FB-тестов\u003C\u002Fli>\u003Cli>При выборе порогов в моделях классификации\u003C\u002Fli>\u003Cli>В рисковых системах, где цены разных ошибок различны\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Не нужно жёстко применять во всех бизнес-обсуждениях — иногда достаточно спросить «есть ли реальный эффект» без формального разбора типов ошибок\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Модель банка выявляет подозрительные операции. При выборе порога команда осознанно идёт на больший процент ложных срабатываний (ошибка первого рода), потому что цена пропуска мошеннической операции (ошибка второго рода) — реальные деньги и репутационные потери. Это решение фиксируют письменно, чтобы потом не спорить, почему обычные клиенты иногда натыкаются на дополнительную проверку.\u003C\u002Fp>","\u003Cp>Перед запуском любого теста или модели полезно сразу проговорить: какая ошибка дороже и почему. Это сильно меняет, какие пороги вы выбираете и какие показатели смотрите в первую очередь.\u003C\u002Fp>","ошибка первого рода, ошибка второго рода, ложная тревога, пропуск эффекта, Type I error, Type II error","Type I and Type II Errors","Ошибки первого и второго рода: что это | Глоссарий Shtab","Ошибка первого рода — ложная тревога, ошибка второго рода — пропущенный эффект. Как они связаны с порогом значимости, мощностью теста и ценой решения.",{"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","О",[104,111],{"id":105,"order":106,"translations":107},1526,0,{"ru":108},{"question":109,"answer":110},"Можно ли уменьшить обе ошибки одновременно?","\u003Cp>Только увеличив выборку или снизив разброс показателя. При фиксированных данных снижение одной ошибки автоматически увеличивает другую. Это базовый компромисс статистики, обойти его нельзя — можно лишь осознанно выбрать точку баланса исходя из того, какая из двух ошибок дороже стоит бизнесу. Поэтому цену ошибок обсуждают до запуска теста, а не после.\u003C\u002Fp>",{"id":112,"order":61,"translations":113},1527,{"ru":114},{"question":115,"answer":116},"Что важнее в обычном A\u002FB-тесте продукта?","\u003Cp>Чаще беспокоят ошибки первого рода: внедрить изменение, которое на самом деле ничего не меняет. Но если ожидаемый эффект небольшой, а пропустить его команде дорого, важно следить и за мощностью теста — то есть за ошибкой второго рода. Практический выход один: заранее считать нужный размер выборки под тот эффект, который вы хотите увидеть.\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],{"id":128,"slug":129,"translations":130},297,"sample-size",{"ru":131},{"title":132,"short_definition":133},"Размер выборки","Количество наблюдений, на основе которых делаются статистические выводы. Чем оно больше, тем точнее оценки.",119,"2026-05-11T20:16:04.401739+03:00","2026-05-11T20:16:04.401755+03:00",[138,161,186],{"id":139,"slug":140,"translations":141,"category":146,"tags":149,"letter":159,"cover":17,"updated_at":160,"published_at":17},313,"arpu",{"ru":142},{"title":143,"short_definition":144,"translation_en":145},"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":147},{"ru":148},{"title":90,"description":91},[150],{"id":151,"slug":152,"kind":153,"hex":154,"order":155,"translations":156},45,"product-analytics","metric","#5e79ec",103,{"ru":157},{"title":158},"Продуктовая аналитика","A","2026-05-11T20:16:09.534333+03:00",{"id":162,"slug":163,"translations":164,"category":169,"tags":172,"letter":184,"cover":17,"updated_at":185,"published_at":17},304,"bi",{"ru":165},{"title":166,"short_definition":167,"translation_en":168},"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":170},{"ru":171},{"title":90,"description":91},[173,181],{"id":174,"slug":175,"kind":96,"hex":176,"order":177,"translations":178},44,"data-engineering","#0F9488",102,{"ru":179},{"title":180},"Инфраструктура данных",{"id":151,"slug":152,"kind":153,"hex":154,"order":155,"translations":182},{"ru":183},{"title":158},"B","2026-05-11T20:16:06.204990+03:00",{"id":187,"slug":188,"translations":189,"category":194,"tags":197,"letter":201,"cover":17,"updated_at":202,"published_at":17},312,"dau-wau-mau",{"ru":190},{"title":191,"short_definition":192,"translation_en":193},"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":195},{"ru":196},{"title":90,"description":91},[198],{"id":151,"slug":152,"kind":153,"hex":154,"order":155,"translations":199},{"ru":200},{"title":158},"D","2026-05-11T20:16:09.166914+03:00"]