Почему bootstrap часто используют для ratio metric, например ARPU или CTR?
AОн дает эмпирическое распределение эффекта и
confidence interval без предположения о нормальности, учитывая нелинейность отношенияBОн гарантирует меньшую дисперсию, чем любой параметрический метод
CДля него не нужны сырые данные, достаточно средних по вариантам
DОн всегда быстрее
delta method (дельта-метод для ratio-метрик) на больших выборкахПравильный ответ.
bootstrap строит эмпирическое распределение ratio metric, что помогает при асимметрии, выбросах и нелинейности.Разбор
ARPU часто имеет тяжелые хвосты, а отношение сумм в CTR является нелинейной функцией данных. bootstrap пересчитывает метрику на множестве ресэмплированных выборок и позволяет оценить стандартную ошибку и построить confidence interval без строгих параметрических допущений. Это особенно полезно, когда нормальная аппроксимация сомнительна.
Проверь себя · 1/3разбор после ответа
Вы считаете
ARPU в эксперименте; что является числителем и знаменателем этой метрики?Ещё вопросы по теме «Ratio-метрики и бутстреп»
- Какая из метрик является `ratio metric`?
- Вы считаете `ARPU` в эксперименте; что является числителем и знаменателем этой метрики?
- Есть таблица по пользователям с колонками conversions (число конверсий) и visits (число визитов). Вы хотите получить групповой `conversion rate` по визитам; какой расчет корректен?
- Почему анализ `ratio metric` вроде `CTR` часто нельзя делать как «обычный средний показатель» без оговорок?
- Есть две кампании: (1) 1 клик и 1 показ, (2) 9 кликов и 99 показов. Чему равен общий `CTR` по двум кампаниям при корректной агрегации?
- Все вопросы по «Ratio-метрики и бутстреп» →