Команда повторяет одинаковый A/B-тест много раз и каждый раз считает эффект Δ = x̄_B − x̄_A. Значения Δ колеблются вокруг какого-то уровня. Как корректнее всего назвать распределение этих значений?

Даже при одинаковом истинном эффекте результаты разных запусков немного отличаются из-за случайного состава выборок. Это и есть выборочное распределение статистики Δ: как распределяются её оценки при повторении процедуры. Ошибка — интерпретировать одно значение Δ как точную величину эффекта без учёта разброса. Дисперсия по объединённым данным и распределение исходных наблюдений описывают совсем другие объекты.