Taille d'échantillon pour des proportions

Les ensembles de données réels peuvent être brouillons. En tant qu'ingénieure ou ingénieur en analytique travaillant avec des données concrètes, vous allez rencontrer des situations où la variance est trop élevée pour détecter une différence significative dans les indicateurs. Ce problème survient plus souvent avec des mesures continues, comme la valeur moyenne des commandes dans l'exercice précédent. Il existe plusieurs façons d'y faire face, mais l'une des solutions consiste à trouver un indicateur dont la variance est plus faible tout en demeurant aligné sur les objectifs d'affaires.

Ici, vous allez calculer la taille d'échantillon pour un indicateur binaire : le taux d'inscription, qui indique si une personne utilisatrice s'est inscrite au service ou non, plutôt que le prix payé, qui peut varier davantage d'une personne à l'autre. Le DataFrame homepage et les bibliothèques pandas, numpy sont déjà chargés pour vous, ainsi que proportion_effectsize de statsmodels.stats.proportion et power de statsmodels.stats.