Dimensione del campione per proporzioni

I dati reali possono essere disordinati. Come Analytics Engineer che lavora con dati del mondo reale, ti capiterà di incontrare situazioni in cui la varianza è troppo alta per riuscire a cogliere una differenza significativa nelle metriche. Questo problema è più probabile con metriche continue, come il valore medio dell’ordine visto nell’esercizio precedente. Ci sono diversi modi per affrontarlo, ma una soluzione è trovare una metrica con varianza più bassa che sia comunque allineata agli obiettivi di business.

Qui vedrai come calcolare la dimensione del campione per una metrica binaria: il tasso di iscrizione, che indica se un utente si è registrato al servizio oppure no, invece del prezzo pagato che può variare di più tra gli utenti. Il DataFrame homepage e le librerie pandas, numpy sono già state caricate per te, così come proportion_effectsize da statsmodels.stats.proportion e power da statsmodels.stats.