Какое утверждение про ограничения метода bootstrap наиболее корректно?
A
Bootstrap гарантирует причинный вывод не хуже рандомизированного эксперимента и убирает влияние смешивающих факторов на оценку.B
Bootstrap оценивает вариативность статистики на имеющихся данных, но не исправляет смещение выборки и систематические ошибки сбора.C
Bootstrap увеличивает реальный размер выборки за счёт переиспользования наблюдений, поэтому смещение выборки постепенно исчезает.D
Bootstrap делает наблюдения независимыми во времени и подходит для любых временных рядов без дополнительных проверок и оговорок.Правильный ответ. Ресэмплинг оценивает вариативность, но не исправляет систематические ошибки данных.
Разбор
Bootstrap переиспользует те же наблюдения, поэтому не может добавить недостающие группы и не лечит смещение выборки. Если данные собраны с ошибкой или выборка нерепрезентативна, интервал аккуратно описывает неопределённость вокруг неправильной оценки. Типичная ошибка — пытаться компенсировать смещение, увеличивая число повторов bootstrap вместо улучшения данных или дизайна исследования.
Можно заниматься бесплатно
Готовим вопросы…
Три вопроса по теме этой страницы, с объяснениями.
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» →