Эффекты рандомизации
Случайное распределение играет ключевую роль в A/B-тестировании. Представьте, что вы — специалист по данным, который настраивает эксперимент для проверки влияния различных вариантов страницы оформления заказа на бизнес-метрики.
Вы изучите выборку определённого процента пользователей для имитации случайного включения трафика в эксперимент, а также проверите распределение ряда атрибутов среди случайно распределённых пользователей в каждой группе. Это позволит убедиться, что результаты можно распространить на весь трафик, и изолировать влияние единственной изменяемой переменной — дизайна страницы оформления заказа.
Для вас загружен DataFrame checkout. Предполагается, что каждая строка DataFrame соответствует уникальному пользователю, посетившему соответствующую checkout_page, вместе с его действиями и дополнительными атрибутами.
Это упражнение является частью курса
A/B-тестирование в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Determine the normalized distribution of browser counts
checkout['browser'].____(normalize = ____)