El análisis exploratorio de datos (EDA) nos permite obtener una primera comprensión del conjunto de datos. Las estadísticas descriptivas explican la magnitud, la dirección y la dispersión de nuestras métricas promedio, y las distribuciones y tendencias visuales aportan información más profunda para saber qué buscar y descubrir patrones interesantes que pueden quedar ocultos bajo los promedios.

Ponte en el papel de una persona analista de datos que está a punto de explorar datos de A/B testing en la fase inicial de EDA antes de ejecutar cualquier prueba estadística. Observa qué puedes encontrar en los datos que te resulte interesante. Los DataFrames AdSmart y checkout, así como pandas como pd, NumPy como np, Matplotlib.pyplot como plt y Seaborn como sns, ya se han cargado por ti.

La fuente del conjunto de datos Adsmart en Kaggle está enlazada aquí. (https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing)

Análisis de pruebas A/B de diferencia de proporciones

Create Your Free Account