A/B-testen

Statistical Thinking in Python (deel 2)

Justin Bois

Lecturer at the California Institute of Technology

Is je redesign effectief?

ch4-1.002.png

Is je redesign effectief?

ch4-1.003.png

Nulhypothese

De click-throughrate wordt niet beïnvloed door het redesign

Permutatietoets van doorkliks

import numpy as np
# clickthrough_A, clickthrough_B: arr. of 1s and 0s

def diff_frac(data_A, data_B):
        frac_A = np.sum(data_A) / len(data_A)
        frac_B = np.sum(data_B) / len(data_B)
        return frac_B - frac_A

diff_frac_obs = diff_frac(clickthrough_A,
                          clickthrough_B)

Permutatietoets van doorkliks

perm_replicates = np.empty(10000)
for i in range(10000):
     perm_replicates[i] = permutation_replicate(
                clickthrough_A, clickthrough_B, diff_frac)

p_value = np.sum(perm_replicates >= diff_frac_obs) / 10000

p_value

0.016

A/B-test

Gebruikt om te zien of een aanpassing beter werkt

Nulhypothese van een A/B-test

De toetsingsgrootheid is ongevoelig voor de verandering

Laten we oefenen!

Statistical Thinking in Python (deel 2)