Auf statistische Signifikanz prüfen
Jetzt, da du ein intuitives Verständnis von statistischer Signifikanz und p-Werten hast, wendest du es auf deine Testergebnisdaten an.
Die vier Parameter, die für die p-Wert-Funktion benötigt werden, sind die beiden Conversion-Raten – cont_conv und test_conv – sowie die beiden Gruppengrößen – cont_size und test_size. Diese stehen dir in deinem Workspace zur Verfügung, also hast du alles, was du brauchst, um die statistische Signifikanz unserer Experimentergebnisse zu prüfen.
Diese Übung ist Teil des Kurses
Customer Analytics und A/B-Testing mit Python
Anleitung zur Übung
Ermittle den p-Wert unseres Experiments mit den geladenen Variablen cont_conv, test_conv, cont_size, test_size, die aus unseren Daten berechnet wurden. Bestimme anschließend, ob unser Ergebnis statistisch signifikant ist, indem du den zweiten Codeabschnitt ausführst.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Compute the p-value
p_value = get_pvalue(con_conv=____, test_conv=____, con_size=____, test_size=____)
print(p_value)
# Check for statistical significance
if p_value >= 0.05:
print("Not Significant")
else:
print("Significant Result")