Effetti della randomizzazione

L'assegnazione casuale ha un ruolo fondamentale negli A/B test. Immagina di essere un Data Scientist che imposta un esperimento per testare gli effetti di diversi design della pagina di checkout sulle metriche di business.

Esplorerai il campionamento di una percentuale di utenti per simulare l'arruolamento casuale del traffico nell'esperimento e controllerai le distribuzioni di alcuni attributi tra gli utenti assegnati casualmente in ciascun gruppo. Questo ti permette di verificare la capacità di generalizzare all'intera popolazione di traffico e di isolare l'impatto dell'unica variabile che stiamo modificando tra i gruppi: il design della pagina di checkout.

Il DataFrame checkout è già caricato per te. Assumi che ogni riga del DataFrame corrisponda a un utente univoco che visita la rispettiva checkout_page, insieme alle sue azioni e ad attributi aggiuntivi.