Teste t de amostras independentes

Testes A/B em R

Lauryn Burleigh

Data Scientist

Teste t independente em A/B

  • Significância na diferença de médias
  • Hipótese nula:
    • Pizzas Cheese e Pepperoni são comidas no mesmo tempo (sem diferença)
Testes A/B em R

Pressupostos

  • Variável dependente:
    • Intervalar ou de razão
    • Intervalos iguais
  • Amostras aleatórias
  • Distribuição normal
  • Variâncias de grupo semelhantes
library(ggplot2)
ggplot(pizza, aes(x = Time, 
                  fill = Topping)) +
       geom_histogram() + 
       facet_grid(Topping~.)

Dois histogramas normalmente distribuídos. Pepperoni em rosa com média 8 e Cheese em azul com média 6,2.

Testes A/B em R

Tamanho da amostra

library(pwr)
pwr.t.test(d = 0.73, power = 0.80, 
           sig.level = 0.05, 
           type = "two.sample", 
           alternative = "two.sided")

  Two-sample t test power calculation 

              n = 30.44799
              d = 0.73
      sig.level = 0.05
          power = 0.8
    alternative = two.sided

NOTE: n is number in *each* group
Testes A/B em R

Avaliando variâncias

  • Variâncias dos grupos iguais
  • Teste de Levene

Não significativo (p > 0,05) = variâncias iguais

Se significativo (p < 0,05) = variâncias diferentes

library(car)
leveneTest(Time ~ Topping, 
           data = Pizza)

Levene's Test for Homogeneity of Variance
         Df F value Pr(>F)
group   1  0.1457 0.7031
Testes A/B em R

Teste

t.test(Time ~ Topping, data = Pizza, 
       paired = FALSE, 
       alternative = "two.sided", 
       var.equal = TRUE)

    Two Sample t-test
data:  Time by Topping
t = 2.3811, df = 198, p-value = 0.01821
alternative hypothesis: true difference 
in means between group Pepperoni and 
group Cheese is not equal to 0
95 percent confidence interval:
 0.0599370 0.6377601
Testes A/B em R

d de Cohen

  • d de Cohen: tamanho de efeito do teste t
    • Medida padronizada da diferença entre médias
  • Pequeno: 0,2
  • Médio: 0,5
  • Grande: 0,8
library(effectsize)
cohens_d(Time ~ Topping, data = Pizza)

Cohen's d |       95% CI
<----------------------
0.34      | [0.06, 0.62]
Testes A/B em R

Poder

library(pwr)

pwr.t.test(n = 1000, 
           sig.level = 0.0182, 
           d = 0.34, 
           type = "two.sample")

  Two-sample t test power calculation 
              n = 100
              d = 0.34
      sig.level = 0.0182
          power = 0.510256
    alternative = two.sided
NOTE: n is number in *each* group
  • Poder ideal para aceitar resultados: 0,8
    • Probabilidade de erro: 20%
    • 100 - 80 = 20
Testes A/B em R

Vamos praticar!

Testes A/B em R

Preparing Video For Download...