Comprende qué son los tests A/B y su diseño. Conoce los aspectos a tener en cuenta para gestionar correctamente los datos y los análisis.

A/B testing y diseño

Diseño A/B entre sujetos

Formato e histogramas

Consideraciones en pruebas A/B

Error de tipo I en pruebas A/B

Muestreo

Tasa de error familiar (Family-wise error rate)

Potencia y tamaño de muestra

Impactos en la potencia

Determina el tamaño de muestra ideal

Regresión a la media

Introducción a los tests A/B

Aprende los análisis más comunes para comparar grupos A/B. Entiende el enfoque adecuado para cada prueba según sus supuestos y limitaciones.

t de Student para muestras independientes

Tamaño de muestra para t de muestras independientes

Análisis t-test independiente

Prueba U de Mann-Whitney

Análisis de Mann-Whitney U

Evaluación de la potencia del test de Mann-Whitney U

t-test vs. prueba U de Mann-Whitney

Prueba chi-cuadrado de independencia

Tamaño de muestra para la prueba Chi-cuadrado de independencia

Análisis de la prueba Chi-cuadrado de independencia

Prueba exacta de Fisher

Análisis con la prueba exacta de Fisher

Elegir pruebas

Comparación de grupos

Aprende a analizar la tendencia y la relación entre variables en grupos A/B. Entiende cómo evaluar y presentar los resultados a cualquier audiencia.

Introducción a las correlaciones

Opciones

Verdadero

Falso

Notas sobre correlación

Coeficiente de correlación

Correlación de Pearson

Tamaño de muestra para Pearson

Comprobar los supuestos de Pearson

Pearson ignorando grupos

Pearson dentro de grupos

Correlación de rango de Spearman

Análisis de correlación de Spearman

Correlación de Spearman

Opciones de correlación

Presentación de resultados de pruebas A/B

Elegir una visualización de datos

Pruebas

Gráfico de barras o de cajas

Diagrama de dispersión

Gráficos para los análisis

Crear gráficos de barras para un diseño A/B

Correlación y visualización

Asociaciones entre variables

Comprende las bases de la regresión y las rectas de regresión. Aprende a ejecutar regresiones, predecir datos a partir del modelo de regresión y presentar los resultados de forma visual.

Introducción a la regresión lineal

Dispersión y puntos

Hechos sobre regresión

Regresión lineal

Modelo de regresión lineal

Predicciones lineales

Regresión lineal múltiple

Regresión logística

Modelo de regresión logística

Probabilidades logísticas

Graficar la regresión

Gráfico logístico

Linealidad

Cierre

Regresión y predicción

absent

covid

webdata

gamedata

SiteSales

El A/B testing es un diseño experimental muy utilizado para investigar el comportamiento humano tanto en la industria como en la academia. En este curso, aprenderás qué preguntas puede responder un test A/B, las consideraciones importantes que debes tener en cuenta, cómo responder a las preguntas planteadas y cómo visualizar los datos. También aprenderás a determinar el tamaño muestral necesario en un experimento, realizar análisis adecuados para los datos y la hipótesis, evaluar si los resultados son fiables y presentar las conclusiones a cualquier audiencia, independientemente de su formación estadística.

Las pruebas A/B son un diseño experimental habitual para la investigación del comportamiento humano en la industria y el mundo académico. Las pruebas A/B comparan dos variantes para determinar si la medición muestra un rendimiento diferente y si las mediciones varían de manera significativa. Al aprender sobre las pruebas A/B y presentar los resultados, puedes tomar decisiones y hacer predicciones basadas en datos.
<br><br>
<h2>Desarrolla tu comprensión del diseño A/B</h2>
<br><br>
En este curso, aprenderás qué preguntas pueden abordar las pruebas A/B, las consideraciones importantes que debes tener en cuenta en las pruebas A/B, cómo responder a las preguntas planteadas y cómo visualizar los datos. También aprenderás a determinar el tamaño de la muestra necesaria para un experimento, realizar análisis adecuados para los datos y la hipótesis en cuestión, determinar si los resultados pueden considerarse fiables y presentar los resultados a un público sin conocimientos previos de estadística.
<br><br>
<h2>Aprende a analizar los datos de las pruebas A/B</h2>
<br><br>
Este curso abarca pruebas A/B paramétricas y no paramétricas, como pruebas t, prueba U de Mann-Whitney, prueba chi-cuadrado de independencia, prueba exacta de Fisher y correlaciones de Pearson y Spearman. Además, explorarás un análisis de potencia para cada prueba.
<br><br>
<h2>Predice resultados basados en datos</h2>
<br><br>
A medida que avances, también aprenderás a realizar regresiones lineales y logísticas para predecir resultados basados en datos y hallazgos previos.
<br><br>
<h2>Presenta los resultados a cualquier público con visualizaciones</h2>
<br><br>
Al finalizar este curso, tendrás un conocimiento profundo de las pruebas A/B, los análisis que puedes realizar con ellas y cómo transmitir los resultados mediante visualizaciones de datos.

Hypothesis Testing in R

Aprende lo básico de las pruebas A/B en R: diseña experimentos, analiza datos y presenta resultados.

A/B Testing en R

Los coeficientes de correlación más fuertes permiten hacer predicciones más precisas

Las correlaciones son especialmente susceptibles a los valores atípicos

En un diseño A/B, las correlaciones pueden ignorar los grupos o evaluarse dentro de los grupos

La correlación evalúa la fuerza y la dirección entre dos variables

Las correlaciones dan la recta de mejor ajuste

Notas sobre correlación

A/B Testing en R

ejercicio interactivo práctico