Две метрики имеют одинаковое истинное среднее, но первая намного более шумная (у данных больше дисперсия). При одинаковом размере выборки n у какой метрики sampling distribution x̄ будет шире?
AУ менее шумной, потому что меньше разброс данных
BОдинаково, потому что средние одинаковые
CУ более шумной, потому что
SE для x̄ растёт вместе с разбросом исходных данныхDНельзя сравнить без знания
CLTПравильный ответ. Ширина
sampling distribution среднего определяется SE, а SE зависит от дисперсии данных и n.Разбор
При фиксированном n более шумная метрика даёт более широкий разброс возможных значений x̄ от эксперимента к эксперименту. Интуитивно это следует из SE = σ/√n: чем больше σ, тем больше SE. Частая ошибка — сравнивать точность средних, глядя только на n и игнорируя, насколько 'шумные' исходные наблюдения.
Проверь себя · 1/3разбор после ответа
Команда запускает одинаковый A/B тест много раз и каждый раз считает эффект
Δ = x̄_B - x̄_A. Значения Δ 'плавают' вокруг какого-то уровня. Как лучше всего назвать распределение значений Δ по повторениям?Ещё вопросы по теме «Случайные величины и выборочные распределения»
- Вы посчитали `выборочное среднее` `x̄` по случайной выборке пользователей. Как корректно трактовать `x̄`?
- Вы 1000 раз берёте случайные выборки размера n из одной популяции и каждый раз считаете `x̄`. Что из перечисленного является `sampling distribution` для `x̄`?
- Если стандартная ошибка среднего подчиняется приближению `SE ~ 1/√n`, как изменится `SE`, если размер выборки увеличится с 400 до 1600 (при том же разбросе данных)?
- Что утверждает `CLT` (интуитивно) про `выборочное среднее` `x̄` при достаточно большом `n`?
- Что корректнее всего отличает стандартное отклонение данных от стандартной ошибки среднего `SE`?
- Все вопросы по «Случайные величины и выборочные распределения» →