실험 설계: 검정력 분석

Python으로 배우는 A/B Testing

Moe Lotfy, PhD

Principal Data Science Manager

효과크기

평균 차이의 Cohen의 d
비율 차이의 Cohen의 h

Cohen의 h 효과크기 공식

경험 법칙
- 작은 효과 = 0.2
- 중간 효과 = 0.5
- 큰 효과 = 0.8

# Calculate standardized effect size
from statsmodels.stats.proportion import proportion_effectsize
effect_size_std = proportion_effectsize(.33, .3)
print(effect_size_std)

0.0645

# Calculate standardized effect size
from statsmodels.stats.proportion import proportion_effectsize
effect_size_std = proportion_effectsize(p_B, p_A)
print(effect_size_std)

0.0716

비율에 대한 표본 크기 추정

# Import power module
from statsmodels.stats import power
# Calculate sample size
sample_size = power.TTestIndPower().solve_power(effect_size=effect_size_std,
                                                power=.80,
                                                alpha=.05,
                                                nobs1=None)
print(sample_size)

3057.547

표본 크기와 MDE가 검정력에 미치는 영향

# Import t-test power package
from statsmodels.stats.power import TTestIndPower
# Specify parameters for power analysis
sample_sizes = array(range(10, 120))
effect_sizes = array([0.2, 0.5, 0.8])
# Plot power curves
TTestIndPower().plot_power(nobs=sample_sizes, effect_size=effect_sizes)
plt.show()

검정력 곡선: 표본 크기, 검정력, 효과크기의 관계를 표시

평균에 대한 표본 크기 추정

# Calculate the baseline mean order value
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

# Specify the desired minimum average order value
mean_new = 26

# Calculate the standardized effect size
std_effect_size=(mean_new-mean_A)/std_A

평균에 대한 표본 크기 추정

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

85.306

연습해 봅시다!

Python으로 배우는 A/B Testing