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 — способ искусственно увеличить размер выборки за счёт интерполяции и аугментации данных, похоже на SMOTE в машинном обучении при несбалансированных классах и малых выборках
Bootstrap корректно работает только на данных с нормальным распределением — в иных случаях центральная предельная теорема не применяется и полученные доверительные интервалы будут смещены
Bootstrap — современная альтернатива A/B тестированию: позволяет оценить эффект изменений без контрольной группы, анализируя историю пост-фактум через resampling
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
2475 вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.