파워 커브 그리기
A/B 테스트를 실행하기 전에 파워 분석을 수행하는 것은 가장 중요한 단계 중 하나예요. 이를 통해 결론에 도달할 가능성을 높이고, 각 테스트에 할당할 리소스와 시간을 더 잘 계획할 수 있어요. 또한 파워 커브를 그리면, 원하는 신뢰 수준에 도달하기 위해 필요한 표본 크기와 특정 매개변수 변화의 영향을 시각적으로 쉽게 파악할 수 있어요. 표본 크기가 클수록 결론에 도달할 가능성은 높아지지만, 파워 커브가 포화되는 구간에서는 표본을 더 모으거나 시간을 더 들이는 것이 리소스 낭비가 될 수 있어요.
이제 실제로 어떻게 작동하는지 살펴보겠습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 A/B Testing
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from statsmodels.stats.power import TTestIndPower
# Specify parameters for power analysis
sample_sizes = ____(range(____))
effect_sizes = ____([____])