В отчёте вам нужно: (a) 95% интервал для медианы времени доставки, (b) p-value для H0, что две группы одинаковы по среднему времени доставки. Какое сочетание методов наиболее уместно?
A(a)
permutation test, (b) bootstrapB(a)
bootstrap, (b) permutation testC(a) только
normal approximation, (b) только normal approximationD(a) не считать интервалы, (b) не считать
p-valueПравильный ответ.
Bootstrap удобен для интервалов, а permutation test — для проверки H0 через перестановки.Разбор
Bootstrap строит эмпирическое распределение статистики (например, медианы) и даёт доверительный интервал без сложных формул. Permutation test строит нулевое распределение при H0 и даёт p-value без строгой опоры на нормальность. Типичная ошибка — путать интервал и тест и выдавать один инструмент за другой без корректной интерпретации.
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» →