Penyiapan data eksperimen

Perancangan Eksperimen dengan Python

James Chapman

Curriculum Manager, DataCamp

Masalah pada randomisasi

1) Masalah ketidakseimbangan: jumlah subjek berbeda antar grup

Dua grup dengan jumlah subjek berbeda.

Masalah pada randomisasi

2) Masalah kovariat: Variabilitas kovariat tinggi → ketidakseimbangan grup saat randomisasi

Grup kontrol dan perlakuan untuk mengukur dampak usia pada waktu reaksi. Kedua grup memiliki distribusi kebugaran fisik yang tidak seimbang, yang meski bukan fokus utama eksperimen, dapat memengaruhi variabel waktu reaksi.

Hasil: lebih sulit mengukur efek perlakuan!

Randomisasi blok

Bagi ke blok berukuran $n$ terlebih dulu lalu acak
- Memperbaiki masalah ketidakseimbangan

Contoh randomisasi blok yang menampilkan dua kisi kotak oranye dan putih

24 subjek dibagi dua grup lalu diacak

Dataset kita

Dataset e-commerce (ecom) (1000 subjek)
- Rata-rata ukuran keranjang
- Rata-rata waktu di situs
- Power user (Rata-rata 40+ menit/hari di situs)

   basket_size  web_time  power_user
0          227         7           0
1          123         5           0
2           98        16           0
3          211        45           1
4          133        17           0

Randomisasi blok di Python

group1 = ecom.sample(frac=0.5, random_state=42, replace=False)
group1['Block'] = 1
group2 = ecom.drop(group1.index)
group2['Block'] = 2
print(len(group1), len(group2))

500,500

Memvisualkan pemisahan

import seaborn as sns
import matplotlib.pyplot as plt
sns.displot(data=ecom, 
            x='basket_size', 
            hue='power_user', 
            fill=True, 
            kind='kde')    
plt.show()

Confounding = variabel yang mungkin menyebabkan efek, bukan perlakuan

Plot distribusi seaborn yang menampilkan dua distribusi mirip normal dan sedikit tembus pandang. Satu biru lebih besar dan satu oranye lebih kecil, saling tumpang tindih, dengan oranye lebih ke kanan

Randomisasi berstrata

Bagi berdasarkan kovariat terlebih dulu
- Lalu acak
Hijau = Semua power user (Kuning = Bukan power user)
- Lalu bagi Perlakuan/Kontrol
Memperbaiki masalah kovariat/konfunder
Bisa untuk banyak kovariat — tetapi jadi kompleks

Gambar dua kisi data, satu hijau dan satu kuning. Keduanya berisi huruf T atau C di semua sel dan kisi kuning lebih besar

Strata pertama kita

Pisahkan power user
Sample ke Perlakuan/Kontrol

strata_1 = ecom[ecom['power_user'] == 1]
strata_1['Block'] = 1

strata_1_g1 = strata_1.sample(frac=0.5, replace=False)
strata_1_g1['T_C'] = 'T'

strata_1_g2 = strata_1.drop(strata_1_g1.index)
strata_1_g2['T_C'] = 'C'

Strata kedua

Pisahkan yang bukan power user
Sample ke Perlakuan/Kontrol

strata_2 = ecom.drop(strata_1.index)
strata_2['Block'] = 2

strata_2_g1 = strata_2.sample(frac=0.5, replace=False)
strata_2_g1['T_C'] = 'T'
strata_2_g2 = strata_2.drop(strata_2_g1.index)
strata_2_g2['T_C'] = 'C'

Konfirmasi stratifikasi

Gabungkan blok dan grup
Gunakan groupby untuk cek alokasi

ecom_stratified = pd.concat([strata_1_g1, strata_1_g2, strata_2_g1, strata_2_g2])

ecom_stratified.groupby(['Block','T_C', 'power_user']).size()

Block  T_C  power_user
1      C    1              50
       T    1              50
2      C    0             450
       T    0             450

Ayo berlatih!

Perancangan Eksperimen dengan Python