Simpsonův paradox v praxi
Zobecnění výsledků A/B testu na různé segmenty populace může mít pro byznys zásadní význam. Někdy chceme ušetřit náklady na spouštění dalších testů v různých městech, na různých zařízeních apod. Ověření konzistence výsledků napříč subpopulacemi nám dodá větší jistotu při takovém zobecňování.
Prozkoumat datasety simp_balanced a simp_imbalanced z pohledu Simpsonova paradoxu – a získáš tak dobrý přehled o tom, jak k tomuto jevu může docházet v A/B testovacích scénářích.
Toto cvičení je součástí kurzu
A/B testování v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Calculate the conversion rate per variant and then browser
imbalanced_variant_rate = simp_imbalanced.____('____')['____'].____()
imbalanced_variant_browser_rate = simp_imbalanced.____(['____','____'])['____'].____()
print(imbalanced_variant_rate)
print(imbalanced_variant_browser_rate)