Pearson innerhalb von Gruppen
Ein A/B-Design hat den Vorteil, dass du die Pearson-Korrelation innerhalb jeder Gruppe berechnen kannst, um die Beziehung unter Berücksichtigung eines möglichen Einflusses – der Gruppierung – genauer zu beurteilen.
Ein Unternehmen möchte für jede Anzeige den Zusammenhang zwischen der auf der Website verbrachten Suchzeit und dem für Artikel ausgegebenen Geldbetrag untersuchen. Du hast entschieden, dass eine Pearson-Korrelation aufgrund der Linearität und Normalverteilung passend ist, und den Zusammenhang zunächst gruppenunabhängig bewertet. Führe nun den Pearson-Korrelationstest innerhalb der beiden Gruppen New und Old durch, die in der Variablen Ad gespeichert sind.
Der Datensatz SiteSales wurde bereits für dich geladen.
Diese Übung ist Teil des Kurses
A/B-Tests in R
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Run the Pearson correlation on the New ad
cor.test(___,
data = ___,
subset = ___,
method = ___)