Если bootstrap-распределение статистики заметно асимметрично, какой способ построения доверительного интервала чаще оказывается более уместным?
AИнтервал вида estimate ± 1.96·SE без учёта формы распределения, чтобы получить простую и быструю оценку границ
BСчитать только одно число (точечную оценку) и отказаться от интервалов, потому что асимметрия делает их некорректными
CЗаменить интервал на перестановочный тест, потому что строить интервалы при асимметрии формально невозможно
DПроцентильный интервал по квантилям эмпирического распределения
bootstrap-реплик статистикиПравильный ответ. Процентильный интервал использует форму эмпирического распределения, а не предположение симметрии.
Разбор
При сильной асимметрии интервал estimate ± 1.96·SE может быть плохо калиброван и давать неинтуитивные границы. Процентильный интервал берёт квантили из bootstrap-реплик и лучше отражает форму распределения статистики. Перестановочный тест и интервал — это разные инструменты: тест проверяет гипотезу, а не строит границы. Отказ от интервала ради точечной оценки прячет реальную неопределённость.
Проверь себя · 1/3разбор после ответа
У вас есть эмпирическое распределение статистики из
bootstrap-реплик. Что из него можно получить напрямую?Ещё вопросы по теме «Бутстреп и перестановочные тесты»
- Что делает `bootstrap` на одном шаге, чтобы получить одну реплику статистики?
- 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?
- Все вопросы по «Бутстреп и перестановочные тесты» →