A/B 테스트

Python으로 하는 통계적 사고 (2부)

Justin Bois

Lecturer at the California Institute of Technology

재설계가 효과적인가요?

ch4-1.002.png

재설계가 효과적인가요?

ch4-1.003.png

귀무가설

클릭률은 재설계에 영향을 받지 않음

클릭 퍼뮤테이션 테스트

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)

클릭 퍼뮤테이션 테스트

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 테스트

전략 변경이 더 나은 결과를 내는지 확인할 때 사용

A/B 테스트의 귀무가설

검정 통계량은 변경의 영향이 없음

연습해 봅시다!

Python으로 하는 통계적 사고 (2부)