Valores de p corrigidos
Imagine que você é um(a) Cientista de Dados trabalhando em uma empresa de assinaturas. A equipe de design da web está procurando o CTA (call-to-action) ideal para incentivar visitantes da página a se inscreverem no serviço. Eles apresentaram 4 designs diferentes além da versão atual.
Depois de executar um experimento comparando cada variante ao controle, você gerou uma lista de valores de p carregada na variável pvals. Compará-los diretamente ao limiar de significância resultaria em uma taxa de erro do Tipo I inflada. Para evitar isso, você pode usar a função smt.multipletests() da biblioteca statsmodels do Python para corrigir os valores de p e testar a significância estatística com FWER = 5%.
Este exercício faz parte do curso
A/B Testing em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
import statsmodels.stats.multitest as smt
pvals = [0.0126, 0.0005, 0.00007, 0.009]
# Perform a Bonferroni correction and print the output
corrected = smt.____(pvals, alpha = ____, method = '____')
print('Significant Test:', corrected[0])
print('Corrected P-values:', corrected[1])
print('Bonferroni Corrected alpha: {:.4f}'.format(corrected[3]))