LoslegenKostenlos loslegen

Die Power-Berechnung erkunden

Wie besprochen, ist die Power die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn die Alternativhypothese wahr ist. Hier erkundest du einige Eigenschaften der Power-Funktion und siehst, wie sie sich unter anderem auf die Stichprobengröße bezieht. Die Funktion get_power() wurde bereitgestellt und nimmt die folgenden Argumente in dieser Reihenfolge entgegen: n für die Stichprobengröße, p1 als Basiswert, p2 als Wert mit Lift und cl als Konfidenzniveau.

Diese Übung ist Teil des Kurses

Customer Analytics und A/B-Testing mit Python

Kurs anzeigen

Anleitung zur Übung

  • Berechne die Power mit n = 1000 und n = 2000 in dieser Reihenfolge sowie mit den vorab geladenen Parametern p1, p2 und cl.
  • Verwende die Variable n1 für die Stichprobengröße und berechne die Power mit einem Konfidenzniveau von cl = 0.8 und cl = 0.95 in dieser Reihenfolge.
  • Klicke auf 'Antwort senden', um die Verhältnisse zu vergleichen. Welche Änderung hat den größeren Einfluss: das Konfidenzniveau zu erhöhen oder die Stichprobengröße?

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Look at the impact of sample size increase on power
n_param_one = get_power(n=____, p1=p1, p2=p2, cl=cl)
n_param_two = get_power(n=____, p1=____, p2=____, cl=____)

# Look at the impact of confidence level increase on power
alpha_param_one = get_power(n=n1, p1=p1, p2=p2, cl=____)
alpha_param_two = get_power(n=____, p1=____, p2=____, cl=____)
    
# Compare the ratios
print(n_param_two / n_param_one)
print(alpha_param_one / alpha_param_two)
Code bearbeiten und ausführen