У вас есть эмпирическое распределение статистики из bootstrap-реплик. Что из него можно получить напрямую?
AТочную численность всей популяции пользователей, из которой была получена исследуемая выборка
BИстинную причинную связь между изменением продукта и поведением исследуемой метрики на популяции
CСтандартную ошибку оценки и доверительный интервал по квантилям эмпирического распределения реплик
DГарантированно несмещённую оценку параметра для любой выборки независимо от её размера и состава
Правильный ответ. Эмпирическое распределение статистики из
bootstrap позволяет напрямую оценивать неопределённость самой оценки.Разбор
Стандартную ошибку можно оценить как стандартное отклонение bootstrap-реплик, а доверительные интервалы — как квантили (например, 2.5% и 97.5%). Это практичный способ, когда аналитические формулы неудобны или неприменимы. Типичная ошибка — пытаться трактовать bootstrap как инструмент причинности или способ исправить нерепрезентативность выборки.
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?
- 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» →