Grundläggande A/B-test
Nu när vi vet vilken urvalsstorlek som krävs, och vi lät experimentet pågå tillräckligt länge för att få minst 400 personer i varje grupp, kan vi analysera vårt A/B-test.
Kom ihåg att sökande på Lending Clubs webbplats slumpmässigt delades in i två grupper, A eller B, där grupp A visades en mintgrön sidhuvudfärg och grupp B visades en ljusblå sidhuvudfärg. Lending Club ville undersöka om valet av sidhuvudfärg påverkade loan_amnt, det vill säga det belopp en sökande ville låna.
En ny datamängd, lendingclub_ab, finns tillgänglig i din arbetsmiljö. A/B-testet kördes tills det fanns 500 sökande i varje grupp. Varje sökande har märkts som tillhörande grupp A eller B. Genomför lämpligt test för att se om medelvärdet för loan_amnt skiljer sig åt mellan de två grupperna.
Den här övningen är en del av kursen
Experimentell design i R
Övningsinstruktioner
- Skapa ett lådagram för
loan_amntuppdelat påGroupmed hjälp avggplot2. - Genomför det tvåsidiga t-testet för att utvärdera resultaten från A/B-testet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot the A/B test results
ggplot(___, aes(x = ___, y = ___)) +
geom_boxplot()
# Conduct a two-sided t-test
t.test(___ ~ ___, data = ___)