T-test per la differenza tra medie
Sei una Data Scientist in un'azienda di e-commerce e devi aiutare il team pagamenti a scegliere il design della pagina di checkout che porta a un valore dell'ordine più alto e a decisioni di acquisto più rapide.
Dopo aver stimato la dimensione campionaria necessaria e superato tutti i controlli preliminari, analizzerai le differenze nella media di order_value e time_on_page tra le varianti di checkout_page per decidere quale design funziona meglio.
Il DataFrame checkout è disponibile e pingouin, pandas e numpy sono già stati caricati per te.
I valori NaN in order_value possono indicare utenti che non hanno completato l'acquisto. Analizzerai il valore medio dell'ordine solo tra gli ordini completati (dati completi).
Questo esercizio fa parte del corso
A/B Testing in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Calculate the mean order values and run a t-test between variants A and B
print(checkout.____('checkout_page')['____'].____())
ttest = ____.____(x=checkout[checkout['checkout_page']=='____']['____'],
y=checkout[checkout['checkout_page']=='____']['____'],
paired=____,
alternative="____")
print(ttest)