Совместные распределения и ЦПТ: вопросы для собеседования (часть 4)
Совместные распределения, маргинальные распределения, центральная предельная теорема — мост между теорией вероятностей и статистикой. ЦПТ объясняет, почему нормальное распределение так часто встречается и почему работает z-тест. На собеседовании просят сформулировать ЦПТ и привести пример её применения.
Вопросы 16–20 из 20
16Если события `A` и `B` независимы, какая формула верна для совместной вероятности?
A`P(A∩B) = P(A) + P(B)`
B`P(A∩B) = P(A) / P(B)`
C`P(A∩B) = P(A|B) + P(B|A)`
D`P(A∩B) = P(A) * P(B)`
Ответ: При независимости совместная вероятность равна произведению маргинальных: `P(A∩B) = P(A) * P(B)`.
Это свойство позволяет вычислять совместные вероятности без полного совместного распределения, но только когда предположение независимости разумно. Если `P(A|B)` отличается от `P(A)`, то независимость нарушается, и формула не работает. На интервью полезно проговорить, что независимость — сильное предположение, которое нужно проверять или обосновывать.
Подробный разбор → 17Какое утверждение корректно различает `LLN` (закон больших чисел) и `CLT` (центральная предельная теорема)?
A`LLN`: данные становятся нормально распределёнными; `CLT`: выборочное среднее сходится к матожиданию для любой выборки
B`LLN` и `CLT`: одно и то же утверждение, описанное разными словами и формулами в учебниках статистики
C`CLT`: применим только при известном совместном распределении; `LLN`: применим при неизвестном или несимметричном
D`LLN`: выборочное среднее приближается к матожиданию; `CLT`: распределение выборочного среднего близко к нормальному
Ответ: `LLN` отвечает за сходимость выборочного среднего к матожиданию, а `CLT` — за форму распределения выборочного среднего и нормальное приближение.
По `LLN` выборочное среднее на большой выборке обычно близко к математическому ожиданию, но это ничего не говорит о форме распределения ошибки. `CLT` добавляет, что после стандартизации ошибка выборочного среднего ведёт себя примерно как нормальное распределение. Поэтому `LLN` объясняет стабильность среднего, а `CLT` — почему так часто применяют нормальное приближение для построения доверительных интервалов и проверки гипотез.
Подробный разбор → 18Представьте, что вы 100 раз независимо собираете выборку пользователей и каждый раз считаете выборочное среднее выручки. Что говорит `CLT` про распределение этих выборочных средних при большом размере выборки?
AРаспределение оценок будет близко к нормальному, и можно использовать нормальное приближение для доверительного интервала вокруг среднего
BПо `LLN` все 100 значений выборочного среднего совпадут с математическим ожиданием выручки и не будут различаться между выборками
CРаспределение оценок повторит исходное распределение трат пользователей и сохранит его форму и ширину при любом размере выборки
DРаспределение оценок останется тяжелохвостым из-за асимметрии выручки и не приблизится к нормальному при росте размера выборки
Ответ: `CLT` описывает, что распределение выборочного среднего при большом размере выборки становится близким к нормальному.
Важно, что `CLT` говорит о распределении оценок при повторении выборки, а не о распределении самих трат. Из этого следует практический инструмент: нормальное приближение для построения доверительного интервала вокруг выборочного среднего. Поэтому `CLT` постоянно появляется в разговорах об оценках и неопределённости. `LLN` про другое — про сходимость одного среднего к матожиданию, а не про форму распределения многих средних.
Подробный разбор → 19Вы посчитали выборочное среднее по 20 пользователям, и нормальное приближение выглядит подозрительно: оценка сильно меняется при добавлении пары пользователей. Что наиболее разумно сказать?
A`CLT` начинает работать только при выборках больше 10000 наблюдений и принципиально неприменим к малым размерам
BЗакон больших чисел (`LLN`) обычно нарушается на 20 наблюдениях, и нормальное приближение страдает именно из-за нарушения `LLN`
CРазмер выборки слишком мал, поэтому `CLT` даёт слабое нормальное приближение для выборочного среднего
DНужно использовать медиану вместо среднего, тогда нормальное приближение автоматически становится точным на любых данных
Ответ: Для малого размера выборки `CLT` может давать слабое нормальное приближение, особенно если данные скошены или есть выбросы.
`CLT` — это приближение, которое обычно становится лучше при росте размера выборки. Если несколько наблюдений резко меняют выборочное среднее, значит шум ещё велик и итоговая оценка нестабильна. Практически это сигнал не делать слишком уверенных выводов и собирать больше данных. `LLN` отвечает за сходимость среднего к ожиданию, а не за нормальность, а переход к совместному распределению вообще не относится к проблеме малого размера выборки.
Подробный разбор → 20Вы считаете средний доход на пользователя как выборочное среднее. Данные сильно скошены, но у вас большая выборка. Почему аналитики часто строят доверительный интервал для среднего через нормальную аппроксимацию?
AПо закону больших чисел (`LLN`) доверительный интервал становится не нужен при достаточно большой выборке независимо от формы исходных данных
BПо центральной предельной теореме (`CLT`) распределение выборочного среднего близко к нормальному, и это даёт основание для нормальной аппроксимации
CВыборочное среднее из любых данных при большой выборке имеет распределение Стьюдента, которое практически совпадает с нормальной аппроксимацией
DПри большой выборке исходное распределение доходов само сходится к нормальному, и нормальная аппроксимация работает уже на уровне сырых наблюдений
Ответ: Центральная предельная теорема даёт основание использовать нормальную аппроксимацию для доверительного интервала вокруг среднего при большой выборке.
Даже если исходный доход сильно скошен, среднее по большой выборке ведёт себя более регулярно. Центральная предельная теорема описывает, что ошибка выборочного среднего после стандартизации имеет приблизительно нормальную форму, а значит можно оценить неопределённость. Это работает лучше при больших объёмах и при отсутствии экстремальных выбросов, доминирующих в сумме. `LLN` про сходимость среднего, а не про форму распределения, и не отменяет интервал; требование нормальности исходных данных — миф.
Подробный разбор → Другие темы: Теория вероятностей