A/B 测试

Python 统计思维（第 2 部分）

Justin Bois

Lecturer at the California Institute of Technology

重设计是否有效？

ch4-1.002.png

重设计是否有效？

ch4-1.003.png

原假设

重设计不影响点击率

点击率的置换检验

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)

点击率的置换检验

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 测试

组织用来评估策略调整是否带来更好结果

A/B 测试的原假设

检验统计量对该更改不敏感

让我们来练习！

Python 统计思维（第 2 部分）