t-test mẫu độc lập

A/B Testing bằng R

Lauryn Burleigh

Data Scientist

t-test độc lập trong thiết kế A/B

  • Ý nghĩa khác biệt trung bình
  • Giả thuyết không:
    • Pizza Cheese và Pepperoni được ăn trong cùng thời gian (không khác biệt)
A/B Testing bằng R

Giả định

  • Biến phụ thuộc:
    • Khoảng hoặc tỉ lệ
    • Khoảng cách bằng nhau
  • Mẫu ngẫu nhiên
  • Phân phối chuẩn
  • Phương sai nhóm tương tự
library(ggplot2)
ggplot(pizza, aes(x = Time, 
                  fill = Topping)) +
       geom_histogram() + 
       facet_grid(Topping~.)

Hai biểu đồ histogram phân phối chuẩn. Pepperoni màu hồng trung bình 8 và Cheese màu xanh dương trung bình 6.2.

A/B Testing bằng R

Cỡ mẫu

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
A/B Testing bằng R

Đánh giá phương sai

  • Phương sai nhóm bằng nhau
  • Kiểm định Levene

Không có ý nghĩa (p > 0.05) = phương sai bằng nhau

Nếu có ý nghĩa (p < 0.05) = phương sai không bằng nhau

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
A/B Testing bằng R

Kiểm định

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
A/B Testing bằng R

Cohen's d

  • Cohen's d: cỡ ảnh hưởng của t-test
    • Thước đo chuẩn hóa chênh lệch trung bình
  • Nhỏ: 0.2
  • Vừa: 0.5
  • Lớn: 0.8
library(effectsize)
cohens_d(Time ~ Topping, data = Pizza)

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

Lực mẫu (Power)

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
  • Mức lực mẫu lý tưởng để chấp nhận kết quả: 0.8
    • Xác suất sai sót: 20%
    • 100 - 80 = 20
A/B Testing bằng R

Ayo berlatih!

A/B Testing bằng R

Preparing Video For Download...