Вы выбираете способ оценить средний доход пользователя: (A) усечённое среднее (снижает влияние выбросов) — может добавить смещение, но уменьшает дисперсию; (B) обычное среднее — меньше смещение, но более шумное. Какой принцип помогает сравнить такие точечные оценки по качеству?

AСравнить ожидаемую ошибку MSE = смещение² + дисперсия и выбрать оценку с меньшим значением
BВсегда выбирать оценку с нулевым смещением, даже если её дисперсия на этой выборке огромна
CВсегда выбирать оценку с минимальной дисперсией, даже если её смещение на задаче большое
DВыбирать оценку, которая выглядит ближе к методу максимального правдоподобия, без оглядки на цель
Правильный ответ. Для выбора между смещением и дисперсией используйте MSE = смещение² + дисперсия на вашей задаче.

Разбор

Небольшое смещение может быть оправдано, если оно сильно снижает дисперсию и делает метрику стабильнее. MSE объединяет оба компонента и позволяет сравнивать методы без иллюзии, что существует одна «идеальная» оценка. Практическая ловушка — оптимизировать только несмещённость, игнорируя шум, особенно на малых выборках. В продуктовой аналитике часто важна воспроизводимость решения, а не идеальная теоретическая точность.

Проверь себя · 1/3разбор после ответа
Вы измеряете время ответа и моделируете его как Normal(μ, σ) при известном σ. Какая точечная оценка MLE для параметра μ?
Тренировать статистику в Telegram

Ещё вопросы по теме «Точечные оценки и MLE»