В одной группе конверсия равна 0% (например, 0 успехов из 30). Что обычно более аккуратно оценивает неопределённость доли, чем нормальное приближение?
AСчитать долю строго равной
0 и предполагать отсутствие неопределённости у такой оценки в исследуемой выборкеBПоднять уровень значимости
alpha до 0.5 для получения более широкого интервала доли в исследуемой выборкеCИспользовать интервалы на основе биномиального распределения: например, точный доверительный интервал для доли
DПрименить
t-test по бинарным данным 0/1 и интерпретировать результат как обычный интервал среднего по выборкеПравильный ответ. При малых
n и крайних долях (0% или 100%) полезны интервалы на основе биномиального распределения.Разбор
Нормальное приближение даёт плохие оценки на краях, потому что распределение доли сильно асимметрично при значениях около 0 и 1. Интервалы на основе биномиального распределения аккуратнее учитывают дискретность и дают реалистичную неопределённость. Это важно для корректных выводов о том, насколько данные совместимы с ненулевой конверсией. Типичная ошибка — считать 0 из 30 доказательством «точно ноль» и не давать интервала вообще.
Проверь себя · 1/3разбор после ответа
В двухвыборочном
z-test для гипотезы H0: p1 = p2 какую оценку p обычно используют при расчёте стандартной ошибки доли?Ещё вопросы по теме «Тесты для долей»
- Команда считает конверсию из показа в клик: 80 кликов на 1000 показов. Как корректнее всего описать эту величину как долю?
- `конверсия` выросла с 5% до 6%. Как корректно назвать абсолютное изменение?
- Если `n` увеличили в 4 раза при том же `p`, как примерно изменится стандартная ошибка доли `SE = sqrt(p*(1-p)/n)`?
- Когда двухвыборочный `z-test` для сравнения долей обычно уместен?
- Вы считаете конверсию из визита в покупку на уровне пользователя. Что корректно считать `success` и что считать `trial` для расчёта доли?
- Все вопросы по «Тесты для долей» →