Aan de slagGa gratis aan de slag

De power-berekening verkennen

Zoals besproken is power de kans dat je de nulhypothese verwerpt wanneer de alternatieve hypothese waar is. Hier verken je een paar eigenschappen van de power-functie en zie je hoe die zich verhoudt tot de steekproefgrootte en andere parameters. De functie get_power() is meegeleverd en neemt de volgende argumenten in deze volgorde: n voor steekproefgrootte, p1 als de baselinewaarde, p2 als de waarde met lift inbegrepen, en cl als het betrouwbaarheidsniveau.

Deze oefening maakt deel uit van de cursus

Customer Analytics and A/B Testing in Python

Cursus bekijken

Oefeninstructies

  • Bereken de power met n = 1000 en n = 2000 in die volgorde, samen met de vooraf ingeladen parameters p1, p2 en cl.
  • Gebruik de variabele n1 voor de steekproefgrootte en bereken de power met een betrouwbaarheidsniveau van cl = 0.8 en cl = 0.95 in die volgorde.
  • Klik op 'Antwoord verzenden' om de verhoudingen te vergelijken. Welke wijziging heeft de grootste impact: het verhogen van het betrouwbaarheidsniveau of de steekproefgrootte?

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Look at the impact of sample size increase on power
n_param_one = get_power(n=____, p1=p1, p2=p2, cl=cl)
n_param_two = get_power(n=____, p1=____, p2=____, cl=____)

# Look at the impact of confidence level increase on power
alpha_param_one = get_power(n=n1, p1=p1, p2=p2, cl=____)
alpha_param_two = get_power(n=____, p1=____, p2=____, cl=____)
    
# Compare the ratios
print(n_param_two / n_param_one)
print(alpha_param_one / alpha_param_two)
Code bewerken en uitvoeren