Вы хотите оценить churn подписчиков за месяц, но берёте в анализ только тех, кто открывал приложение на прошлой неделе. Что наиболее вероятно произойдёт с оценкой churn и почему?
AChurn будет завышен из-за
measurement errorBChurn будет точным, потому что активные лучше отражают
populationCChurn не изменится, потому что выборка случайная
DChurn будет занижен, потому что вы исключили «тихо ушедших» и получили
selection bias с элементами survivorship biasПравильный ответ. Если вы исключаете неактивных, вы меняете
population анализа и обычно занижаете churn.Разбор
Выборка только активных смещена в сторону пользователей, которые с большей вероятностью остаются, поэтому churn в такой sample будет ниже, чем в полной population подписчиков. Это смещение похоже на survivorship bias, потому что вы анализируете тех, кто «дожил» до условия активности. Типичная ошибка — не замечать, что фильтр по активности меняет сам объект оценки.
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» →