1. Nauka
    2. /
  2. Kursy
    3. /
  3. Testy A/B w Pythonie
Connected

ćwiczenie

Efekty randomizacji

Losowe przypisanie odgrywa kluczową rolę w testach A/B. Wyobraź sobie, że jesteś Data Scientistem projektującym eksperyment, którego celem jest zbadanie wpływu różnych wariantów strony z podsumowaniem zamówienia na wskaźniki biznesowe.

Zbadasź, jak pobrać próbkę określonego odsetka użytkowników, aby zasymulować losowe przypisanie ruchu do eksperymentu, a następnie sprawdzisz rozkłady wybranych atrybutów wśród użytkowników losowo przydzielonych do każdej grupy. Pozwoli to zweryfikować, czy wyniki można uogólnić na całą populację użytkowników, oraz wyizolować wpływ jedynej zmiennej, którą modyfikujemy między grupami: wyglądu strony z podsumowaniem zamówienia.

Dla wygody załadowano już ramkę danych checkout. Przyjmij, że każdy wiersz ramki danych odpowiada unikalnemu użytkownikowi odwiedzającemu odpowiednią checkout_page wraz z jego działaniami i dodatkowymi atrybutami.

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Użyj metody .value_counts() biblioteki pandas, aby wyznaczyć znormalizowany rozkład liczby przeglądarek w zbiorze danych.