Вы оцениваете вероятность конверсии p по выборке: из 100 пользователей 56 оплатили. Что является точечной оценкой параметра p?
A
p_hat = 56/100BИнтервал значений
p от 0.46 до 0.66CГрафик конверсии по дням
DОписание, что конверсия зависит от источника трафика
Правильный ответ. Точечная оценка — это одно число, вычисленное из данных для приближения параметра.
Разбор
Параметр p — неизвестная характеристика процесса, а p_hat — вычисленное по выборке число. Интервал и график описывают неопределённость или структуру данных, но это уже не точечная оценка параметра. Частая ошибка — смешивать точечную оценку и способы визуализации/описания вариативности.
Проверь себя · 1/3разбор после ответа
В A/B тесте в группе A 30 оплат из 200 пользователей. Если модель — Бернулли с параметром
p (это conversion to paid), какая точечная оценка MLE для p?Ещё вопросы по теме «Точечные оценки и MLE»
- 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)?
- Что делает метод `MLE` для получения точечной оценки параметра?
- Все вопросы по «Точечные оценки и MLE» →