De verschilverdeling plotten
Laten we nu de verschilverdeling van onze resultaten plotten, oftewel de verdeling van onze lift.
De cont_var en test_var en ook de cont_conv en test_conv zijn al voor je ingeladen. Daarnaast zijn de onder- en bovengrens van het betrouwbaarheidsinterval van deze verdeling respectievelijk als lwr_ci en upr_ci meegegeven.
Deze oefening maakt deel uit van de cursus
Customer Analytics and A/B Testing in Python
Oefeninstructies
- Bereken het gemiddelde van de liftverdeling door het conversiepercentage van de controle (
cont_conv) af te trekken van dat van de test (test_conv). - Genereer het bereik van x-waarden voor de verschilverdeling, maak het 3 standaarddeviaties breed.
- Plot een normale verdeling door de berekende
lift_meanenlift_sdop te geven. - Plot een groene verticale lijn bij het gemiddelde van de verdeling, en rode verticale lijnen bij de onder- en bovengrens van het betrouwbaarheidsinterval. Dit is al voor je gedaan, dus klik op 'Antwoord verzenden' om het resultaat te zien!
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Find the lift mean and standard deviation
lift_mean = ____
lift_sd = (test_var + cont_var) ** 0.5
# Generate the range of x-values
lift_line = np.linspace(lift_mean - 3 * _____, lift_mean + 3 * _____, 100)
# Plot the lift distribution
plt.plot(lift_line, norm.pdf(lift_line, _____, _____))
# Add the annotation lines
plt.axvline(x = lift_mean, color = 'green')
plt.axvline(x = lwr_ci, color = 'red')
plt.axvline(x = upr_ci, color = 'red')
plt.show()