Какой набор данных лучше всего помогает уменьшить survivorship bias при анализе исторических результатов объектов (например компаний, фондов или клиентов)?
AТолько текущие активные объекты, потому что они релевантнее
BТолько объекты с лучшими метриками за период
CТолько последний месяц наблюдений, чтобы не было шума
DИсторический список всех объектов за период, включая закрытые/ушедшие, с единым правилом включения в
populationПравильный ответ. Чтобы снизить
survivorship bias, нужно включать выбывших и закрытых, а не только «выживших».Разбор
Смещение появляется, когда из данных исчезают неуспешные объекты и вы анализируете только оставшихся. Полный исторический реестр объектов с правильным определением population позволяет корректнее оценить средние и распределения. Типичная ошибка — использовать удобный «текущий» срез и считать, что он отражает прошлое.
Проверь себя · 1/3разбор после ответа
Вы оцениваете среднюю доходность фондов за 10 лет, используя только фонды, которые существуют сегодня, и игнорируете закрытые фонды. Какой bias наиболее вероятен и в какую сторону?
Ещё вопросы по теме «Выборка и смещение»
- Вы хотите оценить средний чек за неделю для всех пользователей продукта. У вас есть данные по 5% пользователей, отобранных случайно. Что в этой задаче является `population`?
- Вы измерили NPS только у iOS-пользователей через in-app опрос и хотите распространить результат на всех пользователей. Какой риск здесь ключевой?
- Вы выложили ссылку на опрос в соцсетях и получили ответы в основном от людей с сильным недовольством продуктом. Какое смещение наиболее вероятно?
- Аналитик посчитал средний доход на пользователя только среди тех, кто остался активным до 30-го дня, и сделал вывод о среднем доходе всех новичков. Какой bias здесь наиболее характерен?
- В опросе пользователи систематически занижают свой доход. Как лучше всего описать проблему в терминах качества данных?
- Все вопросы по «Выборка и смещение» →