심슨의 역설 실습
A/B 테스트 결과를 전체 인구의 다양한 세그먼트로 일반화하는 일은 비즈니스에 매우 중요할 수 있어요. 때로는 도시별, 기기별 등으로 추가 테스트를 실행하는 비용을 절약하고 싶을 때가 있습니다. 하위 집단별로 결과가 일관적인지 확인하면 이러한 일반화에 대한 확신을 높일 수 있어요.
A/B 테스트 시나리오에서 이 현상이 어떻게 발생할 수 있는지 감을 잡기 위해 simp_balanced와 simp_imbalanced 데이터셋을 살펴보며 심슨의 역설을 탐구해 보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 A/B Testing
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Calculate the conversion rate per variant and then browser
imbalanced_variant_rate = simp_imbalanced.____('____')['____'].____()
imbalanced_variant_browser_rate = simp_imbalanced.____(['____','____'])['____'].____()
print(imbalanced_variant_rate)
print(imbalanced_variant_browser_rate)