Метод ресемплинга: многократно берём выборку с возвратом из данных, строим эмпирическое распределение статистики. Используется, когда параметрические предположения не выполняются
Метод искусственного увеличения объёма выборки: размножаем наблюдения путём интерполяции соседних точек — используется в ML при дисбалансе классов и в малых выборках
Алгоритм очистки данных от выбросов через итеративное удаление точек, выходящих за 3σ — после нескольких bootstrap-проходов получаем «чистое» множество для дальнейшего анализа
Технический приём только для оценки среднего: bootstrap корректно работает лишь для статистик, к которым применима ЦПТ. Для медианы и ratio-метрик нужны другие методы
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.