基本的なA/Bテスト
必要なサンプルサイズがわかり、各グループで少なくとも400人集まるまで十分に実験を実施できたので、A/Bテストを分析していきます。
Lending Clubのサイト利用者は、申込時にランダムにAまたはBの2つのグループに割り当てられました。Aにはミントグリーンのサイトヘッダー、Bにはライトブルーのサイトヘッダーが表示されました。Lending Clubは、ヘッダーの色が申込者の借入希望額loan_amntに影響するかどうかに関心がありました。
新しいデータセットlendingclub_abがワークスペースに用意されています。A/Bテストは各グループに500人の申込者が集まるまで実施されました。各申込者にはグループAまたはBのラベルが付いています。2つのグループでloan_amntの平均が異なるかどうか、適切な検定を行って確認してください。
この演習はコースの一部です
Rで学ぶ実験計画法
演習の手順
ggplot2を使って、Groupごとのloan_amntの箱ひげ図を作成します。- A/Bテストの結果を検証するため、両側のt検定を実行します。
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。
# Plot the A/B test results
ggplot(___, aes(x = ___, y = ___)) +
geom_boxplot()
# Conduct a two-sided t-test
t.test(___ ~ ___, data = ___)