Efeitos da randomização

A atribuição aleatória tem um papel fundamental em testes A/B. Imagine que você é uma pessoa Cientista de Dados configurando um experimento para testar os efeitos de diferentes designs da página de checkout em métricas de negócio.

Você vai explorar a amostragem de uma porcentagem de usuários para simular a entrada aleatória de tráfego no experimento e verificar as distribuições de certos atributos entre usuários atribuídos aleatoriamente em cada grupo. Isso permite verificar a capacidade de generalização para a população geral de tráfego e isolar o impacto da única variável que estamos alterando entre os grupos: o design da página de checkout.

O DataFrame checkout já está carregado para você. Considere que cada linha do DataFrame corresponde a um usuário único visitando a respectiva checkout_page, junto com suas ações e atributos adicionais.