Tracer la distribution des différences
Traçons maintenant la distribution des différences de nos résultats, c’est‑à‑dire la distribution de notre lift.
Les variables cont_var et test_var, ainsi que cont_conv et test_conv, ont été chargées pour vous. De plus, les bornes inférieure et supérieure de l’intervalle de confiance de cette distribution vous sont fournies, respectivement sous lwr_ci et upr_ci.
Cet exercice fait partie du cours
Analytics client et A/B Testing en Python
Instructions
- Calculez la moyenne de la distribution du lift en soustrayant le taux de conversion du groupe témoin (
cont_conv) de celui du test (test_conv). - Générez l’intervalle des valeurs x pour la distribution des différences, en le fixant à 3 écarts types de large.
- Tracez une loi normale en utilisant les valeurs calculées de
lift_meanetlift_sd. - Tracez une ligne verticale verte à la moyenne de la distribution, et des lignes verticales rouges aux bornes inférieure et supérieure de l’intervalle de confiance. C’est déjà fait pour vous, cliquez donc sur "Soumettre la réponse" pour voir le résultat !
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Find the lift mean and standard deviation
lift_mean = ____
lift_sd = (test_var + cont_var) ** 0.5
# Generate the range of x-values
lift_line = np.linspace(lift_mean - 3 * _____, lift_mean + 3 * _____, 100)
# Plot the lift distribution
plt.plot(lift_line, norm.pdf(lift_line, _____, _____))
# Add the annotation lines
plt.axvline(x = lift_mean, color = 'green')
plt.axvline(x = lwr_ci, color = 'red')
plt.axvline(x = upr_ci, color = 'red')
plt.show()