Experimenteel ontwerp: poweranalyse

A/B-testen in Python

Moe Lotfy, PhD

Principal Data Science Manager

Effectgrootte

Cohen's d voor verschillen in gemiddelden
Cohen's h voor verschillen in proporties

Formule voor effectgrootte Cohen's h

Vuistregel
- Klein effect = 0,2
- Middelgroot effect = 0,5
- Groot effect = 0,8

# Gestandaardiseerde effectgrootte berekenen
from statsmodels.stats.proportion import proportion_effectsize
effect_size_std = proportion_effectsize(.33, .3)
print(effect_size_std)

0.0645

# Gestandaardiseerde effectgrootte berekenen
from statsmodels.stats.proportion import proportion_effectsize
effect_size_std = proportion_effectsize(p_B, p_A)
print(effect_size_std)

0.0716

Steekproefgrootte schatten voor proporties

# Importeer powermodule
from statsmodels.stats import power
# Bereken steekproefgrootte
sample_size = power.TTestIndPower().solve_power(effect_size=effect_size_std,
                                                power=.80,
                                                alpha=.05,
                                                nobs1=None)
print(sample_size)

3057.547

Effect van steekproefgrootte en MDE op power

# Importeer t-toets powerpakket
from statsmodels.stats.power import TTestIndPower
# Parameters voor poweranalyse
sample_sizes = array(range(10, 120))
effect_sizes = array([0.2, 0.5, 0.8])
# Plot powercurves
TTestIndPower().plot_power(nobs=sample_sizes, effect_size=effect_sizes)
plt.show()

Powercurves die tonen hoe de steekproefgrootte verandert met power en effectgrootte

Steekproefgrootte schatten voor gemiddelden

# Bereken de basisgemiddelde bestelwaarde
mean_A = checkout[checkout['checkout_page']=='A']['order_value'].mean()
print(mean_A)

24.9564

std_A = checkout[checkout['checkout_page']=='A']['order_value'].std()
print(std_A)

2.418

# Gewenste minimale gemiddelde bestelwaarde
mean_new = 26

# Gestandaardiseerde effectgrootte berekenen
std_effect_size=(mean_new-mean_A)/std_A

Steekproefgrootte schatten voor gemiddelden

sample_size = power.TTestIndPower().solve_power(effect_size=std_effect_size,
                                                power=.80,
                                                alpha=.05,
                                                nobs1=None)
print(sample_size)

85.306

Laten we oefenen!

A/B-testen in Python