Mann-Whitney-U-Test
Angenommen, du bist Analytics Engineer in einem Early-Stage-Start-up, in dem der Traffic auf die Website noch gering ist. Weil du in vielen Fällen Tests sehr lange laufen lassen müsstest, um eine ausreichend große Stichprobe für die Annahmen parametrischer Tests zu sammeln, kannst du auf nichtparametrische Tests zurückgreifen, um schneller Entscheidungen zu treffen.
Einer dieser Tests ist der Mann-Whitney-U-Test. Er prüft die statistische Signifikanz und zeigt, ob zwei unabhängige Stichproben aus einer Population mit derselben Verteilung stammen. Du nutzt diesen Test, um den Unterschied in time_on_page zwischen zwei Gruppen des Checkout-Datensatzes zu analysieren. Das DataFrame checkout steht bereit, und pingouin ist zusammen mit pandas und numpy geladen.
Diese Übung ist Teil des Kurses
A/B-Tests in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate the mean and count of time on page by variant
print(checkout.____('checkout_page')['____'].____({'____', '____'}))