В метрике дохода есть редкие огромные значения (выбросы). Вам нужна стабильная точечная оценка 'типичного' пользователя для мониторинга эффекта pricing. Какое решение наиболее разумно?
AВсегда использовать обычное среднее, потому что оно обязательно несмещённое
BУдалить все большие значения вручную без фиксированного правила, чтобы 'не мешали'
CВсегда использовать
MLE, не анализируя распределение данныхDИспользовать робастную оценку (например, медиану или усечённое среднее) и понимать, что возможен небольшой
bias, но меньше variance и выше устойчивость к выбросамПравильный ответ. Робастная
оценка может снизить шум (variance) и сделать мониторинг устойчивее, даже ценой небольшого bias.Разбор
При тяжёлых хвостах среднее сильно зависит от редких экстремальных значений, поэтому variance метрики растёт и выводы становятся нестабильными. Медиана или усечённое среднее уменьшают влияние выбросов и часто полезны для операционного мониторинга pricing. Важно заранее определить правило и применять его последовательно, иначе появляется риск подгонки. Ошибка — считать, что робастный метод всегда лучше: иногда бизнес-цель требует именно среднего дохода, а не 'типичного'.
Проверь себя · 1/3разбор после ответа
Что верно про связь свойств
несмещённость и состоятельность?Ещё вопросы по теме «Точечные оценки и MLE»
- Вы оцениваете вероятность конверсии `p` по выборке: из 100 пользователей 56 оплатили. Что является точечной оценкой параметра `p`?
- Что означает свойство `несмещённость` для оценки `θ_hat` параметра `θ`?
- Как лучше всего описать `состоятельность` последовательности оценок `θ_hat_n`?
- Есть две оценки одного параметра: `θ_hat_A` несмещённая, но с высокой `variance`; `θ_hat_B` слегка смещённая, но с низкой `variance`. По какому критерию можно оправданно выбрать `θ_hat_B` как более полезную точечную оценку?
- Две оценки параметра `θ` обе имеют свойство несмещённости. У `θ_hat_A` дисперсия меньше, чем у `θ_hat_B` на том же размере выборки. Что можно сказать про эффективность (интуитивно)?
- Все вопросы по «Точечные оценки и MLE» →