设置实验

Python 实验设计

James Chapman

Curriculum Manager, DataCamp

实验设计的定义

一种流程
客观且可控的方法
得出明确结论
- 针对一个假设

¹ https://www.sciencedirect.com/topics/earth-and-planetary-sciences/experimental-design

形成有力的结论表述

X 可能影响了 Y。存在较小但可能的误差风险

精确、量化的表述

P 值分析表明，X 对 Y 有影响，I 类错误风险为 10%

I 类错误：错误地拒绝原假设

目标：实验设计与统计分析

为何进行实验设计？

适用于多个领域：

医学研究
市场营销
产品分析
农业
政府政策

一些术语…

受试对象（Subjects） = 我们实验的对象（人、员工、用户等）

受试对象：此处为一位人。

一些术语…

受试对象（Subjects） = 我们实验的对象（人、员工、用户等）
处理（Treatment） = 给一组实施的某种改变

对一组受试对象实施处理。

一些术语…

受试对象（Subjects） = 我们实验的对象（人、员工、用户等）
处理（Treatment） = 给一组实施的某种改变

对处理组实施处理。

一些术语…

受试对象（Subjects） = 我们实验的对象（人、员工、用户等）
处理（Treatment） = 给一组实施的某种改变
对照（Control） = 未实施改变的一组

将受试对象分为处理组和对照组。

将受试对象分组

如何将受试对象分组？
- 选项1——非随机（"切分"DataFrame）
- 选项2——随机分配

示例：200名受试者身高在 heights DataFrame 中

    id  height
0    0  177.98
1    1  174.17
2    2  178.89

非随机分配

按 DataFrame 切片分配

group1_nonrandom = heights.iloc[0:100,:]
group2_nonrandom = heights.iloc[100:,:]

compare_df = pd.concat(
    [group1_nonrandom['height'].describe(), 
     group2_nonrandom['height'].describe()],
    axis=1)
compare_df.columns = ['group1', 'group2']
print(compare_df)

差异很大！（均值相差9cm）

       group1  group2
count  100.00  100.00
mean   170.32  179.19 <--
std      3.28    3.50
min    159.28  175.03
25%    168.06  176.57
50%    170.75  178.03
75%    173.09  180.79
max    174.92  191.32

随机分配

使用 .sample()
- n 或 frac（比例 0-1）

group1 = heights.sample(frac=0.5,
                        replace=False,
                        random_state=42)

group2 = heights.drop(group1.index)

print(compare_df)

近得多！（<1cm）

       group1  group2
count  100.00  100.00
mean   175.10  174.41 <--
std      5.39    5.78
min    163.07  159.28
25%    171.32  170.17
50%    175.22  174.86
75%    178.32  177.85
max    189.78  191.32

分配小结

应将受试对象_随机_分配到各组
- 才能将观测到的变化正确归因

随机分配受试对象：.sample()
核验差异：.describe()

将受试对象随机分配到处理组和对照组。

让我们来练习！

Python 实验设计