Comprendi cos’è un A/B test e come si progetta. Scopri gli aspetti da considerare per gestire correttamente dati e analisi.

A/B test e design

Disegno A/B tra soggetti

Formati e istogrammi

Considerazioni nell'A/B testing

Errore di Tipo I nei test A/B

Campionamento

Tasso di errore familiare (Family-wise error rate)

Potenza e dimensione del campione

Impatto sulla potenza

Determina la dimensione campionaria ideale

Regressione verso la media

Introduzione agli A/B test

Impara le analisi più comuni per confrontare i gruppi A/B. Capisci l’approccio corretto a ciascun test, considerate assunzioni e limitazioni.

t-test per campioni indipendenti

Dimensione del campione per t-test indipendente

Analisi t-test per campioni indipendenti

Test U di Mann-Whitney

Analisi Mann-Whitney U

Valutazione della potenza del test di Mann-Whitney U

t-test vs. Mann-Whitney U test

Test Chi-quadro di indipendenza

Dimensione del campione per il test Chi-quadro di indipendenza

Analisi del test Chi-quadro di indipendenza

Test esatto di Fisher

Analisi con il test esatto di Fisher

Scelta dei test

Confronto tra gruppi

Impara ad analizzare l’andamento e le relazioni tra variabili nei gruppi A/B. Capisci come valutare e presentare i risultati a qualsiasi pubblico.

Introduzione alle correlazioni

Opzioni

Vero

Falso

Note sulla correlazione

Coefficiente di correlazione

Correlazione di Pearson

Dimensione campionaria per Pearson

Verificare le assunzioni di Pearson

Pearson ignorando i gruppi

Pearson all'interno dei gruppi

Correlazione di Spearman (a ranghi)

Analisi della correlazione di Spearman

Correlazione di Spearman

Opzioni di correlazione

Presentare i risultati di un test A/B

Scegliere una visualizzazione dei dati

Test

Grafico a barre o Box plot

Scatter plot

Grafici per le analisi

Creare grafici a barre per un A/B design

Correlazione e grafici

Associazioni tra variabili

Comprendi le basi della regressione e delle rette di regressione. Impara a eseguire regressioni, a prevedere dati con il modello di regressione e a presentare visivamente i risultati.

Introduzione alla regressione lineare

Dispersione e punti

Fatti sulla regressione

Regressione lineare

Modello di regressione lineare

Previsioni lineari

Regressione lineare multipla

Regressione logistica

Modello di regressione logistica

Probabilità logistiche

Rappresentare la regressione

Grafico logistico

Linearità

Riepilogo

Regressione e previsione

absent

covid

SiteSales

gamedata

webdata

L’A/B testing è un disegno sperimentale molto diffuso per studiare il comportamento umano, sia in ambito industriale sia accademico. In questo corso imparerai a quali domande può rispondere un A/B test, quali sono le considerazioni importanti da tenere presenti, come rispondere ai quesiti e come visualizzare i dati. Imparerai anche a determinare la dimensione del campione necessaria in un esperimento, a condurre analisi adatte ai dati e all’ipotesi in esame, a valutare se i risultati sono affidabili e a presentarli a un pubblico con qualsiasi livello di preparazione statistica.

L'A/B testing è un comune disegno sperimentale per la ricerca sul comportamento umano nell'industria e nel mondo accademico. I test A/B confrontano due varianti per determinare se la misurazione mostra prestazioni diverse e se le misurazioni variano in modo significativo. Imparando l'A/B testing e presentando i risultati, puoi prendere decisioni e fare previsioni basate sui dati.
<br><br>
<h2>Sviluppa una comprensione del design A/B</h2>
<br><br>
In questo corso, imparerai quali domande possono essere affrontate con i test A/B, quali sono le considerazioni importanti da tenere presenti nei test A/B, come rispondere alle domande in questione e come visualizzare i dati. Imparerai anche come determinare la dimensione del campione necessaria in un esperimento, condurre analisi appropriate per i dati e l’ipotesi in esame, stabilire se i risultati possono essere considerati affidabili e presentare i risultati a un pubblico, indipendentemente dal suo background statistico.
<br><br>
<h2>Impara a analizzare i dati dei test A/B</h2>
<br><br>
Questo corso copre test A/B parametrici e non parametrici, come i t-test, il test U di Mann-Whitney, il test chi-quadrato di indipendenza, il test esatto di Fisher e le correlazioni di Pearson e Spearman. Inoltre, esplorerai un’analisi della potenza per ciascun test.
<br><br>
<h2>Prevedi i risultati sulla base dei dati</h2>
<br><br>
Man mano che avanzi, imparerai anche a eseguire regressioni lineari e logistiche per prevedere i risultati sulla base dei dati e delle evidenze precedenti.
<br><br>
<h2>Presenta i risultati a qualsiasi pubblico con le visualizzazioni</h2>
<br><br>
Al termine di questo corso, avrai una comprensione approfondita dei test A/B, delle analisi che puoi eseguire con essi e di come comunicare i risultati con visualizzazioni dei dati.

Hypothesis Testing in R

Impara le basi dei test A/B in R: progettare esperimenti, analizzare dati e presentare risultati.

A/B Testing in R

Impara le basi dell’A/B testing in R: progetta esperimenti, analizza dati, prevedi risultati e presenta tutto con visualizzazioni.

Coefficienti di correlazione più forti permettono di fare previsioni più accurate

Le correlazioni sono particolarmente sensibili ai valori anomali (outlier)

Nelle A/B le correlazioni possono ignorare i gruppi o essere calcolate all’interno dei gruppi

La correlazione valuta la forza e la direzione di due variabili

Le correlazioni forniscono la retta di regressione (linea di miglior adattamento)

Note sulla correlazione

A/B Testing in R

esercizio interattivo pratico