CommencerCommencer gratuitement

Intuition derrière la significativité statistique

Dans cet exercice, vous allez développer une compréhension intuitive de la significativité statistique. Pour cela, vous allez utiliser la fonction get_pvalue() sur différents jeux de paramètres susceptibles d’apparaître ou d’être choisis au cours d’un test A/B. Pendant vos essais, observez comment les résultats de significativité évoluent lorsque vous modifiez les paramètres. Cela renforcera votre intuition sur ce concept et mettra en évidence certains pièges subtils liés aux p-values. Pour rappel, voici la signature de la fonction get_pvalue() :

def get_pvalue(con_conv, test_conv, con_size, test_size):  
    lift =  - abs(test_conv - con_conv)

    scale_one = con_conv * (1 - con_conv) * (1 / con_size)
    scale_two = test_conv * (1 - test_conv) * (1 / test_size)
    scale_val = (scale_one + scale_two)**0.5

    p_value = 2 * stats.norm.cdf(lift, loc = 0, scale = scale_val )

    return p_value

Cet exercice fait partie du cours

Analytics client et A/B Testing en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Get the p-value
p_value = get_pvalue(con_conv=____, test_conv=____, con_size=____, test_size=____)
print(p_value)
Modifier et exécuter le code