補正済みのp値
あなたはサブスクリプション企業で働くData Scientistだと想像してください。ウェブデザインチームは、訪問者にサービス登録を促す最適なCTA（call-to-action）ボタンを探しています。現在のバージョンに加えて、4つの異なるデザイン案が提示されました。
各バリアントをコントロールと比較する実験を実施した結果、pvals 変数に読み込まれたp値のリストが得られました。これらを有意水準と直接比較すると、タイプIエラー率が膨らんでしまいます。これを避けるために、Pythonのstatsmodelsライブラリにあるsmt.multipletests()関数を使ってp値を補正し、FWER = 5%で統計的有意性を検定できます。
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。
import statsmodels.stats.multitest as smt
pvals = [0.0126, 0.0005, 0.00007, 0.009]
# Perform a Bonferroni correction and print the output
corrected = smt.____(pvals, alpha = ____, method = '____')
print('Significant Test:', corrected[0])
print('Corrected P-values:', corrected[1])
print('Bonferroni Corrected alpha: {:.4f}'.format(corrected[3]))