Какая ключевая идея лежит в основе permutation test при проверке H0 об отсутствии разницы между группами?
AМного раз брать выборки с возвращением и строить интервал
BПереставлять метки групп и смотреть, насколько часто статистика столь же экстремальна, как наблюдаемая
CУдалять выбросы и повторять тест до значимости
DСразу применять
normal approximation к любой метрикеПравильный ответ.
Permutation test строит распределение статистики при H0, переставляя метки групп.Разбор
Если H0 верна, то метки групп не должны влиять на значения метрики, и наблюдения становятся обменяемыми. Мы многократно переставляем метки, пересчитываем статистику и получаем распределение при H0. Затем оцениваем p-value как долю перестановок, где статистика не менее экстремальна, чем наблюдаемая.
Проверь себя · 1/3разбор после ответа
Что делает
bootstrap на одном шаге, чтобы получить одну реплику статистики?Ещё вопросы по теме «Бутстреп и перестановочные тесты»
- Что делает `bootstrap` на одном шаге, чтобы получить одну реплику статистики?
- Вы сделали 2000 повторов `bootstrap` для разницы средних A−B и получили 2000 значений разницы. Что из этого является `эмпирическое распределение` разницы средних?
- Как в `permutation test` обычно оценивают `p-value` для наблюдаемой статистики?
- Метрика имеет тяжёлые хвосты и сложную формулу (например, `revenue per user`). Какой подход часто удобен, чтобы оценить неопределённость оценки без сложных выводов формул?
- Какое утверждение про ограничения `bootstrap` наиболее корректно?
- Все вопросы по «Бутстреп и перестановочные тесты» →