Что делает bootstrap на одном шаге, чтобы получить одну реплику статистики?
AБерёт выборку того же размера
n с возвращением и пересчитывает статистику на этой новой выборкеBПеремешивает метки групп A и B как в
permutation test и пересчитывает статистику на перемешанных данныхCДобавляет синтетические наблюдения сверх исходных
n, чтобы искусственно увеличить размер выборкиDУдаляет выбросы по правилу
IQR и пересчитывает среднее на оставшихся очищенных наблюденияхПравильный ответ. В
bootstrap мы много раз пересэмплируем данные с возвращением и пересчитываем статистику.Разбор
Каждая bootstrap-реплика — это новая выборка размера n, собранная из исходных наблюдений с повторениями. Повторяя это много раз, мы получаем эмпирическое распределение статистики и можем оценивать неопределённость. Типичная ошибка — перепутать bootstrap с permutation test, где переставляют метки, а не пересэмплируют наблюдения.
Проверь себя · 1/3разбор после ответа
В A/B-тесте группы сформированы случайно, а распределение метрики далеко от нормального. Нужно получить
p-value для гипотезы «разницы нет». Что наиболее естественно использовать?Ещё вопросы по теме «Бутстреп и перестановочные тесты»
- Какая ключевая идея лежит в основе перестановочного теста при проверке нулевой гипотезы об отсутствии разницы между группами?
- Вы сделали 2000 повторов `bootstrap` для разницы средних A−B и получили 2000 значений разницы. Что из этого является эмпирическим распределением разницы средних?
- Как в `permutation test` обычно оценивают `p-value` для наблюдаемой статистики?
- Метрика имеет тяжёлые хвосты и сложную формулу (например, выручка на пользователя). Какой подход часто удобен, чтобы оценить неопределённость оценки без сложных выводов формул?
- Какое утверждение про ограничения метода `bootstrap` наиболее корректно?
- Все вопросы по «Бутстреп и перестановочные тесты» →