Событие A — клик по рекламе, событие B — покупка. Какое утверждение лучше всего соответствует independence между A и B?
A
P(A|B) заметно больше P(A)B
P(A∩B)=P(A)*P(B)C
P(A∩B)=P(A)+P(B)DЕсли произошло
A, то B обязательно произойдётПравильный ответ. При
independence знание B не меняет вероятность A, что эквивалентно P(A∩B)=P(A)*P(B).Разбор
В joint distribution независимость означает, что совместные вероятности «раскладываются» через маргинальные. Эквивалентная форма — P(A|B)=P(A), то есть условие не меняет базу для A. Если P(A|B) заметно отличается от P(A), то independence нарушается.
Проверь себя · 1/3разбор после ответа
В
joint distribution по platform и purchase какая величина соответствует доле пользователей, которые одновременно platform=ios и совершили purchase?Ещё вопросы по теме «Совместные распределения и ЦПТ»
- В продуктовой аналитике вы смотрите одновременно `platform` (ios/android) и факт `purchase` (да/нет). Что описывает `joint distribution` (совместное распределение) этих двух признаков?
- Вы оцениваете средний чек как `sample mean` по 50 пользователям и затем по 5000 пользователям. Что утверждает `LLN` про поведение `sample mean` при росте размера выборки?
- Что является наиболее точным интуитивным описанием `CLT`?
- Распределение трат на пользователя сильно скошено: много маленьких чеков и редкие большие. Почему для `sample mean` трат по 5000 пользователям часто работает `normal approximation`?
- 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» →