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?

AЗависимость не влияет: достаточно увеличить n, и SE будет падать так же быстро
BCLT означает, что зависимость исчезает сама при росте n
CСильная зависимость уменьшает эффективный размер выборки, поэтому SE может падать медленнее и нужно учитывать корреляции при выводах
DПри зависимости SE обязательно становится равной 0
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
Есть n независимых наблюдений с дисперсией σ^2. Как корректно описать, как меняются дисперсии статистик S=ΣXi и при росте n?
Тренировать статистику в Telegram

Ещё вопросы по теме «Случайные величины и выборочные распределения»