Théorème central limite pour les moyennes

Quel que soit le type de distribution des données, le théorème central limite (TCL) permet, entre autres avantages, de supposer la normalité des distributions d’échantillonnage de métriques que l’on examine souvent en A/B testing, comme les moyennes, les sommes, les proportions, les écarts types et les percentiles. Les tests de significativité statistique qui supposent la normalité peuvent donc être facilement appliqués à ces situations pour tirer des conclusions solides sur nos expériences.

L’objectif de cet exercice est de montrer comment le TCL s’applique à différentes 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