1. Learn
    2. /
  2. Courses
    3. /
  3. Symulacje statystyczne w Pythonie
Connected

Exercise

Analiza mocy – część I

Teraz zajmiemy się analizą mocy. Zazwyczaj zależy nam na tym, żeby każdy przeprowadzany eksperyment lub test A/B miał moc co najmniej 80%. Jednym ze sposobów osiągnięcia tego celu jest obliczenie wielkości próby potrzebnej do uzyskania mocy na poziomie 80%.

Wyobraź sobie, że zarządzasz serwisem informacyjnym i chcesz zwiększyć czas, jaki użytkownicy spędzają na stronie. Obecnie czas ten ma rozkład normalny ze średnią 1 minuty i odchyleniem standardowym 0,5 minuty. Planujesz wdrożyć funkcję przyspieszającą ładowanie stron i chcesz poznać wielkość próby potrzebną do wykrycia 5-procentowego wzrostu czasu spędzonego na stronie.

W tym ćwiczeniu skonfigurujesz framework do przeprowadzenia jednej symulacji, uruchomisz test t i obliczysz wartość p.

Instructions

100 XP
  • Ustaw effect_size na 5%, control_mean na 1 i control_sd na 0,5.
  • Używając np.random.normal(), zasymuluj jedno losowanie dla control_time_spent i treatment_time_spent, korzystając z zainicjalizowanych wartości.
  • Przeprowadź test t dla treatment_time_spent i control_time_spent za pomocą st.ttest_ind(), gdzie st to scipy.stats – biblioteka jest już zaimportowana.
  • Ustaw stat_sig na True, jeśli p_value jest mniejsze od 0,05, w przeciwnym razie przypisz False.