Comprenez les tests A/B et leur planification. Voyez les éléments à considérer pour assurer un traitement adéquat des données et des analyses.

A/B testing et conception

Plan intersujets A/B

Format et histogrammes

Points à considérer dans les tests A/B

Erreur de type I dans les tests A/B

Échantillonnage

Taux d'erreur par famille

Puissance et taille d'échantillon

Influences sur la puissance statistique

Déterminer la taille d'échantillon idéale

Régression vers la moyenne

Introduction aux tests A/B

Apprenez les analyses courantes pour comparer des groupes A/B. Comprenez l'approche appropriée pour chaque test selon ses hypothèses et ses limites.

Test t pour échantillons indépendants

Taille d'échantillon pour un test t indépendant

Analyse du test t indépendant

Test U de Mann-Whitney

Analyse de Mann-Whitney U

Évaluation de la puissance du test de Mann-Whitney U

Test t c. test de Mann-Whitney U

Test du khi carré d'indépendance

Taille d'échantillon pour le test du Chi carré d'indépendance

Analyse du test du chi carré d'indépendance

Test exact de Fisher

Analyse par test exact de Fisher

Choisir les tests

Comparer des groupes

Apprenez à analyser la tendance et la relation entre des variables dans des groupes A/B. Voyez comment évaluer et présenter les résultats à tout public.

Introduction aux corrélations

Options

Vrai

Faux

Notes sur la corrélation

Coefficient de corrélation

Corrélation de Pearson

Taille d'échantillon pour Pearson

Évaluer les hypothèses de Pearson

Corrélation de Pearson en ignorant les groupes

Corrélation de Pearson à l'intérieur des groupes

Corrélation de Spearman (par rang)

Analyse de corrélation de Spearman

Corrélation de Spearman

Options de corrélation

Présenter les résultats d'un test A/B

Choisir une visualisation de données

Tests

Diagramme à barres ou boîte à moustaches

Nuage de points

Graphiques pour les analyses

Créer des diagrammes à barres pour un devis A/B

Corrélation et visualisation

Associations entre variables

Comprenez les bases de la régression et des droites de régression. Apprenez à exécuter des régressions, à prédire des données à partir du modèle et à présenter visuellement les résultats.

Introduction à la régression linéaire

Faits sur la régression

Régression linéaire

Modèle de régression linéaire

Prédictions linéaires

Régression linéaire multiple

Régression logistique

Modèle de régression logistique

Probabilités logistiques

Tracer une régression

Graphique logistique

Linéarité

Récapitulatif

Régression et prédiction

absent

covid

SiteSales

gamedata

webdata

Les tests A/B sont un type courant de plan expérimental utilisé dans la recherche sur le comportement humain, tant en industrie qu'en milieu universitaire. Dans ce cours, vous verrez quelles questions les tests A/B permettent d'aborder, les considérations essentielles à garder en tête, comment répondre aux questions posées et comment visualiser les données. Vous apprendrez aussi à déterminer la taille d'échantillon requise pour une expérience, à réaliser des analyses adaptées aux données et à l'hypothèse, à évaluer la fiabilité des résultats et à les présenter à un public, peu importe ses connaissances en statistiques.

Les tests A/B sont une méthode expérimentale courante en recherche sur le comportement humain, tant dans l’industrie que dans le milieu universitaire. Les tests A/B comparent deux variantes afin de déterminer si la mesure montre des performances différentes et si les mesures varient de manière significative. En apprenant l’A/B testing et en présentant les résultats, vous pouvez prendre des décisions et faire des prédictions fondées sur les données.
<br><br>
<h2>Développez une compréhension de la conception A/B</h2>
<br><br>
Dans ce cours, vous apprendrez quelles questions les tests A/B peuvent permettre de résoudre, les considérations importantes à garder à l’esprit dans les tests A/B, comment répondre aux questions posées et comment visualiser les données. Vous apprendrez aussi à déterminer la taille d’échantillon nécessaire dans une expérience, à mener des analyses adaptées aux données et à l’hypothèse en question, à déterminer si les résultats peuvent être considérés avec confiance et à présenter les résultats à un public, peu importe son niveau de connaissances en statistique.
<br><br>
<h2>Apprenez à analyser les données des tests A/B</h2>
<br><br>
Ce cours couvre les tests A/B paramétriques et non paramétriques, comme les tests t, le test U de Mann-Whitney, le test du chi carré d’indépendance, le test exact de Fisher, ainsi que les corrélations de Pearson et de Spearman. De plus, vous explorerez une analyse de puissance pour chaque test.
<br><br>
<h2>Prédisez les résultats à partir des données</h2>
<br><br>
Au fur et à mesure de votre progression, vous apprendrez également à exécuter des régressions linéaires et logistiques afin de prédire des résultats à partir des données et des conclusions antérieures.
<br><br>
<h2>Présentez des résultats à n’importe quel public grâce aux visualisations</h2>
<br><br>
À la fin de ce cours, vous aurez une compréhension approfondie des tests A/B, des analyses que vous pouvez effectuer avec ceux-ci et de la façon de communiquer les résultats à l’aide de visualisations de données.

Hypothesis Testing in R

Apprenez les bases des tests A/B en R : concevoir, analyser, prédire et présenter les résultats.

Tests A/B en R

Des coefficients de corrélation plus élevés permettent de faire des prédictions plus exactes

Les corrélations sont particulièrement sensibles aux valeurs aberrantes

Dans un devis A/B, les corrélations peuvent ignorer les groupes ou être évaluées à l'intérieur des groupes

La corrélation évalue la force et la direction entre deux variables

Les corrélations donnent la droite de meilleure adéquation

Notes sur la corrélation

Tests A/B en R

Exercice interactif pratique