1. Nauka
    2. /
  2. Kursy
    3. /
  3. Symulacje statystyczne w Pythonie
Connected

ćwiczenie

Analiza mocy testu – część II

Wcześniej zasymulowaliśmy jedno wystąpienie eksperymentu i wygenerowaliśmy wartość p. Teraz wykorzystamy ten schemat do obliczenia mocy statystycznej. Moc eksperymentu to jego zdolność do wykrycia różnicy między grupą eksperymentalną a kontrolną, jeśli różnica rzeczywiście istnieje. Dobrą praktyką statystyczną jest dążenie do mocy na poziomie 80%.

Dla naszej strony internetowej chcemy wiedzieć, ile osób musi odwiedzić każdy wariant, aby wykryć 10-procentowy wzrost czasu spędzonego na stronie przy mocy 80%. Zaczynamy od małej próby (50 obserwacji), symulujemy wiele wystąpień eksperymentu i sprawdzamy moc. Jeśli moc osiągnie 80%, przerywamy. Jeśli nie – zwiększamy rozmiar próby i próbujemy ponownie.

Instrukcje

100 XP
  • Dla zmiennych losowych time_spent ustaw size jako krotkę, tak aby kształt wynosił sample_size \(\times\) sims.
  • Oblicz power jako ułamek wartości p mniejszych od 0,05 (statystycznie istotnych).
  • Jeśli power jest większe lub równe 80%, użyj break, aby wyjść z pętli while. W przeciwnym razie zwiększaj sample_size o 10.