기본 A/B 테스트
이제 필요한 표본 크기를 알았고, 각 그룹에 최소 400명이 모일 때까지 실험을 충분히 진행했으니 A/B 테스트를 분석해 볼까요?
지원자가 Lending Club 웹사이트를 사용할 때 무작위로 A 또는 B 그룹에 배정되었다는 점을 기억하세요. A 그룹에는 민트색 웹사이트 헤더가, B 그룹에는 연한 파란색 웹사이트 헤더가 표시되었어요. Lending Club은 웹사이트 헤더 색상 선택이 지원자가 대출을 신청한 금액 loan_amnt에 영향을 미치는지에 관심이 있었죠.
작업 공간에는 새로운 데이터셋 lendingclub_ab가 준비되어 있습니다. A/B 테스트는 각 그룹에 500명의 지원자가 모일 때까지 진행되었고, 각 지원자에게 그룹 A 또는 B 레이블이 붙어 있어요. 두 그룹 간 loan_amnt의 평균이 서로 다른지 적절한 검정을 수행해 확인하세요.
이 연습은 강의의 일부입니다
R로 배우는 실험 설계
연습 안내
ggplot2를 사용해Group별loan_amnt의 상자 그림을 만드세요.- 양측 t-검정을 수행해 A/B 테스트 결과를 검정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Plot the A/B test results
ggplot(___, aes(x = ___, y = ___)) +
geom_boxplot()
# Conduct a two-sided t-test
t.test(___ ~ ___, data = ___)