Kvíz spojený s průvodcem · Střední úroveň
Statistická síla a velikost vzorku pro modelové experimenty kvíz
Vypočítejte aproximaci velikosti vzorku a identifikujte, jak velikost účinku, rozptyl, výkon a experimentální design ovlivňují požadovaný provoz.
Otázka 1 z 8
Jaká velikost vzorku je v uvedeném dvouramenném příkladu přibližně požadována na skupinu?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaká velikost vzorku je v uvedeném dvouramenném příkladu přibližně požadována na skupinu?
- 392
- 196
- 784
- 80
- Pokud se cílový MDE sníží na polovinu s jinými předpoklady pevnými, jak se změní přibližná velikost vzorku?
- It becomes half as large
- It becomes about four times larger
- It is unchanged
- It becomes one quarter as large
- Co znamená 80% výkon za specifikované alternativy a předpokladů?
- An 80% chance every user benefits
- An 80% chance the null is false
- An 80% chance the test rejects the null if that effect is present
- An 80% confidence interval coverage
- Co představuje MDE v plánování?
- The maximum possible variance
- The effect guaranteed by the model
- The observed effect after launch
- The smallest effect chosen as important to detect
- Proč randomizace klastrů často vyžaduje více pozorování?
- Each cluster has a separate p-value automatically
- Outcomes within a cluster are correlated and provide less independent information
- Clusters eliminate variance
- The treatment becomes continuous
- Why plan for multiple metrics or variants?
- Metrics cannot be correlated
- Power is always exactly zero for multiple metrics
- Many comparisons can increase false-positive risk
- More variants reduce all uncertainty
- Why is repeatedly checking fixed-horizon p-values and stopping at significance risky?
- It makes random assignment invalid
- It always lowers power
- It guarantees the effect is practical
- It can inflate false-positive rates unless a valid sequential method is used
- What should accompany a reported power calculation?
- Its assumptions about variance, test, allocation and effect size
- Only the chosen sample count
- The model's training accuracy
- A guarantee of causal generalization