Die Differenzverteilung plotten
Jetzt wollen wir die Differenzverteilung unserer Ergebnisse plotten, also die Verteilung unseres Lifts.
Die Variablen cont_var und test_var sowie cont_conv und test_conv wurden bereits für dich geladen. Zusätzlich wurden die unteren und oberen Grenzen des Konfidenzintervalls dieser Verteilung als lwr_ci bzw. upr_ci bereitgestellt.
Diese Übung ist Teil des Kurses
Customer Analytics und A/B-Testing mit Python
Anleitung zur Übung
- Berechne den Mittelwert der Lift-Verteilung, indem du die Conversion-Rate der Kontrolle (
cont_conv) von der Conversion-Rate des Tests (test_conv) abziehst. - Erzeuge den Wertebereich für die x-Achse der Differenzverteilung, und wähle eine Breite von 3 Standardabweichungen.
- Plotte eine Normalverteilung, indem du den berechneten
lift_meanundlift_sdangibst. - Zeichne eine grüne vertikale Linie beim Mittelwert der Verteilung und rote vertikale Linien bei der unteren und oberen Grenze des Konfidenzintervalls. Das ist bereits für dich erledigt, also klicke auf 'Antwort senden', um das Ergebnis zu sehen!
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Find the lift mean and standard deviation
lift_mean = ____
lift_sd = (test_var + cont_var) ** 0.5
# Generate the range of x-values
lift_line = np.linspace(lift_mean - 3 * _____, lift_mean + 3 * _____, 100)
# Plot the lift distribution
plt.plot(lift_line, norm.pdf(lift_line, _____, _____))
# Add the annotation lines
plt.axvline(x = lift_mean, color = 'green')
plt.axvline(x = lwr_ci, color = 'red')
plt.axvline(x = upr_ci, color = 'red')
plt.show()