Valorile p corectate
Imaginează-ți că ești un Data Scientist care lucrează pentru o companie de abonamente. Echipa de web design caută butonul CTA (call-to-action) ideal pentru a-i convinge pe vizitatorii paginii să se aboneze la serviciu. Ți-au prezentat 4 variante diferite față de versiunea curentă.
După ce ai rulat un experiment în care ai comparat fiecare variantă cu grupul de control, ai obținut o listă de valori p stocată în variabila pvals. Compararea lor directă cu pragul de semnificație ar duce la o rată inflată a erorii de Tip I. Pentru a evita acest lucru, poți folosi funcția smt.multipletests() din biblioteca statsmodels a Python pentru a corecta valorile p și a testa semnificația statistică cu un FWER = 5%.
Acest exercițiu face parte din cursul
A/B Testing în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
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]))