比率に対するサンプルサイズ
実データはしばしば扱いづらいものです。現場のデータを扱うAnalytics Engineerとして、指標に有意な差があっても分散が大きすぎて捉えられない、という状況に出会うことがあります。これは、前の演習で扱った平均注文額のような連続値の指標で起こりやすい問題です。対処法はいくつかありますが、その一つは、ビジネス目標に合致しつつ分散の小さい別の指標を用いることです。
ここでは、二値の指標であるサインアップ率（ユーザーがサービスにサインアップしたかどうか）に対するサンプルサイズを計算します。ユーザー間でばらつきが大きくなりがちな支払い価格とは対照的です。homepage DataFrame と pandas、numpy ライブラリはすでに読み込まれており、statsmodels.stats.proportion の proportion_effectsize と statsmodels.stats の power も利用可能です。
この演習はコースの一部です
Pythonで学ぶA/Bテスト
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Calculate the baseline signup rate for group A
p_A = ____
print('Group A mean signup rate:', ____)