O paradoxo de Simpson em ação
Generalizar os resultados do nosso teste A/B para diferentes segmentos da população pode ser crucial para o negócio. Às vezes, queremos economizar o custo de rodar outros testes em diferentes cidades, por dispositivos, etc. Garantir que nossos resultados sejam consistentes por subpopulações aumenta nossa confiança para fazer essas generalizações.
Examine os conjuntos de dados simp_balanced e simp_imbalanced em busca do paradoxo de Simpson para entender como esse fenômeno pode ocorrer em cenários de testes A/B.
Este exercicio faz parte do curso
A/B Testing em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Calculate the conversion rate per variant and then browser
imbalanced_variant_rate = simp_imbalanced.____('____')['____'].____()
imbalanced_variant_browser_rate = simp_imbalanced.____(['____','____'])['____'].____()
print(imbalanced_variant_rate)
print(imbalanced_variant_browser_rate)