Simpson-Paradoxon in Aktion
Die Verallgemeinerung unserer A/B-Testergebnisse auf verschiedene Segmente der Bevölkerung kann für das Geschäft äußerst wichtig sein. Manchmal möchten wir die Kosten sparen, weitere Tests in anderen Städten, auf unterschiedlichen Geräten usw. durchzuführen. Wenn unsere Ergebnisse in den Teilpopulationen konsistent sind, steigt unser Vertrauen, solche Verallgemeinerungen vorzunehmen.
Untersuche die Datensätze simp_balanced und simp_imbalanced auf das Simpson-Paradoxon, um ein gutes Gefühl dafür zu bekommen, wie dieses Phänomen in A/B-Tests auftreten kann.
Diese Übung ist Teil des Kurses
A/B-Tests in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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)