Efecto del día de la semana
Aunque el A/B testing nos permite controlar variables externas como el clima y los festivos, algunos tratamientos pueden tener efectos más fuertes o más débiles que otros, y conviene incluirlos para captar bien el comportamiento del usuario en periodos con fluctuaciones. Según el métrico que sigas, puede que necesites ejecutar tus A/B tests en incrementos semanales completos. Algunos métricos presentan estacionalidad y se ven afectados por festivos, fines de semana, etc., mientras que otros apenas fluctúan. Como data scientist, te toca asesorar al equipo sobre si pueden detener la prueba al alcanzar el tamaño muestral requerido o si conviene extenderla unos días para cubrir efectos estacionales como el del día de la semana.
Examina el conjunto de datos novelty que ya está cargado para que selecciones los métricos que necesitan ejecutarse en incrementos semanales. También tienes cargados pandas y matplotlib.
Este ejercicio forma parte del curso
A/B Testing en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()