Tracciare la distribuzione delle differenze
Ora tracciamo la distribuzione delle differenze dei nostri risultati, cioè la distribuzione del nostro lift.
Le variabili cont_var e test_var, così come cont_conv e test_conv, sono già state caricate per te. Inoltre, i limiti inferiore e superiore dell'intervallo di confidenza di questa distribuzione sono forniti rispettivamente come lwr_ci e upr_ci.
Questo esercizio fa parte del corso
Customer Analytics and A/B Testing in Python
Istruzioni dell'esercizio
- Calcola la media della distribuzione del lift sottraendo il tasso di conversione del gruppo di controllo (
cont_conv) da quello del gruppo di test (test_conv). - Genera l'intervallo di valori x per la distribuzione delle differenze, rendendolo ampio 3 deviazioni standard.
- Traccia una distribuzione normale specificando
lift_meanelift_sdcalcolati. - Traccia una linea verticale verde sulla media della distribuzione e linee verticali rosse su ciascuno dei limiti inferiore e superiore dell'intervallo di confidenza. Questo è già stato fatto per te, quindi premi "Invia risposta" per vedere il risultato!
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Find the lift mean and standard deviation
lift_mean = ____
lift_sd = (test_var + cont_var) ** 0.5
# Generate the range of x-values
lift_line = np.linspace(lift_mean - 3 * _____, lift_mean + 3 * _____, 100)
# Plot the lift distribution
plt.plot(lift_line, norm.pdf(lift_line, _____, _____))
# Add the annotation lines
plt.axvline(x = lift_mean, color = 'green')
plt.axvline(x = lwr_ci, color = 'red')
plt.axvline(x = upr_ci, color = 'red')
plt.show()