Метод оценки распределения статистики через повторную выборку с возвращением из данных. Применять: когда нет аналитической формулы для CI (медиана, перцентили, ratio-метрики) или распределение далеко от нормального
Bootstrap — современная альтернатива A/B тестированию: позволяет оценить эффект изменений без контрольной группы, анализируя историю пост-фактум через resampling
Bootstrap корректно работает только на данных с нормальным распределением — в иных случаях центральная предельная теорема не применяется и полученные доверительные интервалы будут смещены
Bootstrap — способ искусственно увеличить размер выборки за счёт интерполяции и аугментации данных, похоже на SMOTE в машинном обучении при несбалансированных классах и малых выборках
Как разобрать этот вопрос на собеседовании
Раздели задачу на «какая гипотеза», «какой тест подходит» и «как интерпретировать результат». Держи в голове предпосылки теста, ошибки I и II рода и разницу между статистической и практической значимостью. Интервьюер чаще проверяет рассуждение, а не вывод формулы — проговаривай допущения вслух.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «Статистика». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: конспекты по статистике и a/b помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.