La paradoja de Simpson en acción
Generalizar los resultados de nuestro test A/B a distintos segmentos de la población puede ser clave para el negocio. A veces queremos ahorrarnos el coste de ejecutar más tests en otras ciudades, por diferentes dispositivos, etc. Comprobar que los resultados se mantienen en las subpoblaciones aumenta nuestra confianza para hacer esas generalizaciones.
Examina los conjuntos de datos simp_balanced y simp_imbalanced en busca de la paradoja de Simpson para entender bien cómo puede aparecer este fenómeno en escenarios de A/B testing.
Este ejercicio forma parte del curso
A/B Testing en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Calculate the conversion rate per variant and then browser
imbalanced_variant_rate = simp_imbalanced.____('____')['____'].____()
imbalanced_variant_browser_rate = simp_imbalanced.____(['____','____'])['____'].____()
print(imbalanced_variant_rate)
print(imbalanced_variant_browser_rate)