Выбор ответа Middle CUPED и снижение дисперсии спрашивают часто обновлено
Коэффициент θ в CUPED
Вопрос
Как считается коэффициент θ в CUPED, где Y метрика в тесте, X ковариата до теста?
Попробуйте сами
Выберите вариант, и откроется разбор.
Показать ответ и разбор
Коротко
Правильный ответ: θ = cov(X, Y) / var(X). θ это коэффициент регрессии Y на X: cov(X, Y) / var(X), он минимизирует дисперсию Y - θ·(X - mean(X)).
Варианты ответа
θ = corr(X, Y)θ = cov(X, Y) / var(Y)θ = cov(X, Y) / var(X)правильный ответθ = mean(Y) / mean(X)
Разбор
θ это коэффициент регрессии Y на X: cov(X, Y) / var(X), он минимизирует дисперсию Y - θ·(X - mean(X)). Корреляция безразмерна и совпадает с θ только при равных дисперсиях. Деление на var(Y) даёт регрессию X на Y, а отношение средних к CUPED отношения не имеет.
Ответьте сами, а не прочитайте
В тренажёре вопрос попадёт в повторения и вернётся, когда начнёт забываться. Плюс билеты с зачётом: 20 вопросов, не больше 2 ошибок.
Термины по теме
Ещё по теме «CUPED и снижение дисперсии»
- Кейс: CTR значим по показам
- Кейс: CUPED и много новых пользователей
- Кейс: один оптовик в группе B
- Кейс: перекос платформ в группах
- CUPED на Python: θ и снижение дисперсии
- Дельта-метод для CTR на Python
- Постстратифицированное среднее
- Ковариата за период теста