Testy poprawności: wewnętrzna trafność

Testy A/B w Pythonie

Moe Lotfy, PhD

Principal Data Science Manager

Niezgodność proporcji próby (SRM)

Niezgodność proporcji próby (SRM)
- Alokacja w wariantach odbiega od założeń
Test zgodności chi-kwadrat

Wzór chi-kwadrat

Przykład alokacji przy niezgodności proporcji próby

SRM – przykład w Pythonie

# Calculate the unique IDs per variant
AdSmart.groupby('experiment')['auction_id'].nunique()

experiment
control    4071
exposed    4006

# Assign the unqiue counts to each variant
control_users=AdSmart[AdSmart['experiment']=='control']['auction_id'].nunique()
exposed_users=AdSmart[AdSmart['experiment']=='exposed']['auction_id'].nunique()
total_users=control_users+exposed_users
# Calculate allocation ratios per variant
control_perc = control_users / total_users
exposed_perc = exposed_users / total_users
print("Percentage of users in the Control group:",100*round(control_perc,5),"%")
print("Percentage of users in the Exposed group:",100*round(exposed_perc,5),"%")

Percentage of users in the Control group: 50.402 %
Percentage of users in the Exposed group: 49.598 %

¹ Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing

SRM – przykład w Pythonie

# Creat lists of observed and expected counts per variant
observed = [ control_users, exposed_users ]
expected = [ total_users/2, total_users/2 ]
# Import chisquare from scipy library
from scipy.stats import chisquare
# Run chisquare test on observed and expected lists
chi = chisquare(observed, f_exp=expected)
# Print test results and interpretation
print(chi)
if chi[1] < 0.01:
    print("SRM may be present")
else:
    print("SRM likely not present")

Power_divergenceResult(statistic=0.5230902562832735, pvalue=0.4695264353014863)
SRM likely not present

¹ Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing

Analiza przyczyn SRM

Częste przyczyny SRM:$^1$

Przydział: nieprawidłowe bucketing lub błędne funkcje randomizacji
Wykonanie: opóźnione uruchomienie wariantów lub tempo skalowania
Rejestrowanie danych: opóźnienia logowania lub filtrowanie botów
Ingerencja: wstrzymanie wariantu przez eksperymentatora

¹ Diagnosing Sample Ratio Mismatch in Online Controlled Experiments: A Taxonomy and Rules of Thumb for Practitioners

Testy A/A

Test A/A
- Prezentuje identyczne doświadczenie dwóm grupom użytkowników
- Ujawnia błędy w konfiguracji eksperymentu
- Brak istotnych statystycznie różnic między metrykami
- Wyniki fałszywie pozytywne mogą nadal wystąpić przy zadanym $\alpha$ (5% przypadków)
- Ujawnia nierównowagi w rozkładach między grupami (np. przeglądarki, urządzenia)

Równowaga rozkładów – przykład w Pythonie

Zrównoważony rozkład przeglądarek
Test prawidłowy

checkout.groupby('checkout_page')['browser'].value_counts(normalize=True)

checkout_page  browser
A              chrome     0.341333
               safari     0.332000
               firefox    0.326667
B              safari     0.352000
               firefox    0.325000
               chrome     0.323000
C              safari     0.346000
               chrome     0.330000
               firefox    0.324000

Niezrównoważony rozkład przeglądarek
Test nieprawidłowy

 AdSmart.groupby('experiment')['browser'].value_counts(normalize=True)

experiment  browser                   
control     Chrome Mobile                 0.591992
            Facebook                      0.137804
            Samsung Internet              0.120855
            Chrome Mobile WebView         0.071727
            Mobile Safari                 0.060427
            Chrome Mobile iOS             0.008352
            Mobile Safari UI/WKWebView    0.007369
exposed     Chrome Mobile                 0.535197
            Chrome Mobile WebView         0.298802
            Samsung Internet              0.082876
            Facebook                      0.050674
            Mobile Safari                 0.022716
            Chrome Mobile iOS             0.004244

¹ Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing

Czas na ćwiczenia!

Testy A/B w Pythonie