Вы считаете среднее по наблюдениям, которые сильно зависимы во времени (например, дневные метрики с автокорреляцией). Что наиболее корректно сказать про интуицию SE ~ 1/√n и применение CLT?

AСильная зависимость уменьшает эффективный размер выборки, поэтому SE падает медленнее и нужна поправка на корреляции
BЗависимость не влияет на SE: достаточно увеличить n, и стандартная ошибка будет падать так же быстро, как при независимости
CCLT означает, что зависимость между наблюдениями исчезает сама собой при достаточно большом размере выборки n
DПри зависимости наблюдений SE обязательно становится равным нулю, поэтому доверительный интервал сжимается в точку
Правильный ответ. При зависимости эффективный n меньше, поэтому стандартные формулы для SE и интуиция CLT могут требовать поправок.

Разбор

Если наблюдения коррелируют, то новая точка приносит меньше новой информации, чем в независимом случае. Тогда реальная неопределённость среднего может быть больше, чем подсказывает наивная формула SE = σ/√n. CLT в простом виде предполагает независимость (или близкие к этому условия), поэтому при временных рядах нужны специальные методы или аккуратные допущения. Типичная ошибка — считать тысячи коррелированных точек как «тысячи независимых наблюдений».

Проверь себя · 1/3разбор после ответа
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?
Тренировать статистику в Telegram

Ещё вопросы по теме «Случайные величины и выборочные распределения»