Théorème central limite pour les moyennes

Peu importe la distribution des données, le théorème central limite (TCL), entre autres avantages, nous permet de supposer la normalité des distributions d'échantillonnage de mesures que l'on examine souvent en A/B testing, comme les moyennes, les sommes, les proportions, les écarts types et les centiles. Les tests de signification statistique qui supposent la normalité peuvent donc être facilement appliqués à de tels scénarios afin de tirer des conclusions solides sur nos expériences.

L'objectif de cet exercice est de montrer comment le TCL s'applique à diverses distributions et d'en apprécier la puissance.

Les éléments suivants ont été chargés pour vous :

• le DataFrame checkout
• pandas sous le nom pd
• numpy sous le nom np
• matplotlib sous le nom plt
• seaborn sous le nom sns