Frequentist statistics

Частотная статистика — это подход к выводам, в котором вероятность понимается как предел доли появлений события при бесконечном повторении эксперимента. Проще: если подбрасывать монету много раз, доля орлов приближается к «истинной» вероятности; мы же оцениваем её по той выборке, что у нас есть.

Зачем этот термин важен? Он стоит за большинством современных научных методов: регрессиями, критериями значимости, доверительными интервалами и A/B-тестами. Понимание частотной логики позволяет корректно читать научные статьи и не путать статистическую значимость с практической важностью.

Как это работает? Представьте, что вы проверяете, честная ли монета. Вы подбросили её 100 раз и увидели 60 орлов. Частотник не спрашивает: «Насколько вероятно, что монета честная?» Он задаёт другой вопрос: «Если бы эксперимент можно было повторять бесконечно, как часто мы получали бы результат не менее экстремальный, чем 60 орлов?» Если такая частота (p-значение) меньше 0,05, данные считаются несовместимыми с гипотезой о честной монете.

Прикладной пример. Фармацевтическая компания испытывает новое лекарство. В группе плацебо выздоровели 40 из 100 пациентов, в группе лечения — 55 из 100. Частотник вычисляет вероятность получить разницу в 15 процентных пунктов (или больше) чисто случайно, если лекарство не работает. Если эта вероятность мала — скажем, 0,03 — результат объявляют статистически значимым. Но, заметьте, это не значит, что вероятность того, что лекарство работает, равна 0,97. Частотный метод говорит только о данных, а не о гипотезе.

Краткий вывод: частотная статистика — это строгий инструмент для решений в условиях неопределённости. Она отвечает на вопрос «насколько необычны наши наблюдения?», а не «насколько вероятна наша гипотеза?». Её сила — в объективности и воспроизводимости, а слабость — в тонкой интерпретации, которой нужно учиться отдельно.