Intuizione dietro la significatività statistica
In questo esercizio lavorerai per sviluppare un’intuizione sulla significatività statistica. Lo farai usando la funzione get_pvalue() su una varietà di insiemi di parametri che potrebbero ragionevolmente presentarsi o essere scelti durante un A/B test. Mentre lo fai, osserva come i risultati sulla significatività statistica cambiano al variare dei parametri. Questo ti aiuterà a costruire intuizione su questo concetto e a mettere in luce alcune insidie sottili dei p-value. Come promemoria, ecco la firma della funzione get_pvalue():
def get_pvalue(con_conv, test_conv, con_size, test_size):
lift = - abs(test_conv - con_conv)
scale_one = con_conv * (1 - con_conv) * (1 / con_size)
scale_two = test_conv * (1 - test_conv) * (1 / test_size)
scale_val = (scale_one + scale_two)**0.5
p_value = 2 * stats.norm.cdf(lift, loc = 0, scale = scale_val )
return p_value
Questo esercizio fa parte del corso
Customer Analytics and A/B Testing in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Get the p-value
p_value = get_pvalue(con_conv=____, test_conv=____, con_size=____, test_size=____)
print(p_value)