Сообщить об ошибкеКороткий ответ
Генеральная совокупность — это все объекты, о которых мы хотим делать выводы (все пользователи продукта), а выборка — её часть, которую мы реально наблюдаем и анализируем; статистика используется, чтобы по выборке делать обоснованные выводы о совокупности.
Как это работает подробнее
параметры генеральной совокупности (истинное среднее, истинная доля) обычно неизвестны; мы оцениваем их статистиками, посчитанными по выборке, и эти оценки содержат неопределённость. На практике часто приходится явно формулировать, какую именно генеральную совокупность мы имеем в виду — всех пользователей, только платящих, или пользователей конкретного региона.
Пример кода
Пример на SQL
-- PostgreSQL: выборка — заказы за одну неделю октября
SELECT AVG(order_amount) AS sample_mean
FROM orders
WHERE order_date BETWEEN '2024-10-01' AND '2024-10-07';Что использовать на практике
- На практике: в аналитике «генеральная совокупность» часто условна — например, «все будущие пользователи» нельзя пронаблюдать целиком, поэтому мы работаем с историческими данными как выборкой. Важно, чтобы выборка была репрезентативна: случайный отбор или отбор без систематического смещения относительно совокупности, о которой делаются выводы. Хороший способ проверить репрезентативность выборки — сравнить её ключевые характеристики (демография, канал привлечения) с известными параметрами всей совокупности, если они доступны.
- Проверка: сравнить sample_mean с аналогичным расчётом за другую неделю — если значения сильно различаются, одна неделя плохо представляет «типичный» месяц и выводы о генеральной совокупности заказов нужно делать осторожно.
Подводные камни
- Частые ошибки: считать, что данные за один день/регион репрезентативны для всего продукта; забывать об интервалах неопределённости и выдавать точечную оценку по выборке как точный факт о совокупности; путать выборку логов (то, что записалось) с совокупностью событий (то, что реально произошло), теряя из виду потери при трекинге. Ещё одна частая ошибка — использовать данные одного экспериментального сегмента как репрезентативные для всей пользовательской базы без проверки состава.