Событие A — клик по рекламе, событие B — покупка. Какое утверждение лучше всего соответствует независимости событий A и B?
AУсловная вероятность P(A|B) заметно больше безусловной P(A)
BСовместная вероятность раскладывается как P(A∩B) = P(A) · P(B)
CСовместная вероятность складывается как P(A∩B) = P(A) + P(B)
DЕсли произошло событие A, то событие B обязательно произойдёт следом
Правильный ответ. При независимости событий знание B не меняет вероятность A, что эквивалентно P(A∩B) = P(A) · P(B).
Разбор
В совместном распределении независимость означает, что совместные вероятности «раскладываются» через маргинальные. Эквивалентная форма — P(A|B) = P(A): знание о наступлении B не меняет вероятность A. Если P(A|B) заметно отличается от P(A), независимость нарушается. Сложение P(A) + P(B) — это формула для несовместных событий, а не для независимых.
Проверь себя · 1/3разбор после ответа
Что становится примерно нормально распределённым по смыслу
CLT при большом размере выборки?Ещё вопросы по теме «Совместные распределения и ЦПТ»
- В продуктовой аналитике вы смотрите одновременно платформу (ios/android) и факт покупки (да/нет). Что описывает совместное распределение этих двух признаков?
- Вы оцениваете средний чек как выборочное среднее по 50 пользователям и затем по 5000 пользователям. Что утверждает `LLN` про поведение выборочного среднего при росте размера выборки?
- Что является наиболее точным интуитивным описанием центральной предельной теоремы (`CLT`)?
- Распределение трат на пользователя сильно скошено: много маленьких чеков и редкие большие. Почему для выборочного среднего трат по 5000 пользователям часто хорошо работает нормальное приближение?
- У вас метрика конверсии за день оценивается как доля покупок. Почему оценка на 10000 сессиях обычно менее шумная, чем на 100 сессиях?
- Все вопросы по «Совместные распределения и ЦПТ» →