Valeurs p corrigées
Imaginez que vous êtes scientifique des données dans une entreprise d'abonnement. L'équipe de conception Web cherche le bouton d'incitation à l'action (CTA) idéal pour encourager les visiteurs de la page à s'inscrire à leur service. Elle vous a présenté 4 modèles différents en plus de la version actuelle.
Après avoir mené une expérience comparant chaque variante au groupe témoin, vous avez obtenu une liste de valeurs p chargées dans la variable pvals. Les comparer directement au seuil de signification gonflerait le taux d'erreur de type I. Pour éviter cela, vous pouvez utiliser la fonction smt.multipletests() de la bibliothèque statsmodels de Python pour corriger les valeurs p et vérifier la signification statistique avec un FWER = 5 %.
Cette activité fait partie du cours
A/B Testing en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
import statsmodels.stats.multitest as smt
pvals = [0.0126, 0.0005, 0.00007, 0.009]
# Perform a Bonferroni correction and print the output
corrected = smt.____(pvals, alpha = ____, method = '____')
print('Significant Test:', corrected[0])
print('Corrected P-values:', corrected[1])
print('Bonferroni Corrected alpha: {:.4f}'.format(corrected[3]))