Почему в bootstrap обычно пересэмплируют наблюдения с возвращением?
AЧтобы каждое наблюдение попадало ровно один раз
BЧтобы полностью уничтожить любые зависимости и сделать данные независимыми
CЧтобы имитировать повторные выборки из неизвестной популяции, используя наблюдаемые данные как приближение популяции
DЧтобы гарантированно получить меньшую дисперсию, чем у исходной статистики
Правильный ответ.
Bootstrap рассматривает выборку как приближение популяции и делает ресэмплинг с возвращением.Разбор
С возвращением одно и то же наблюдение может появляться несколько раз, а какие-то не появятся в конкретной реплике, что создаёт вариативность статистики. Это похоже на идею повторных выборок из большой популяции, которую мы не видим напрямую. Типичная ошибка — пересэмплировать без возвращения и получать почти ту же выборку, из-за чего неопределённость будет занижена.
Проверь себя · 1/3разбор после ответа
Какая ключевая идея лежит в основе
permutation test при проверке H0 об отсутствии разницы между группами?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 `permutation test` при проверке `H0` об отсутствии разницы между группами?
- 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?
- Все вопросы по «Бутстреп и перестановочные тесты» →