Simpson's Paradox ในทางปฏิบัติ
การนำผลลัพธ์ A/B test ไปใช้กับกลุ่มประชากรย่อยต่างๆ อาจมีความสำคัญอย่างยิ่งต่อธุรกิจ บางครั้งเราต้องการประหยัดค่าใช้จ่ายในการรันการทดสอบซ้ำในหลายเมืองหรือหลายอุปกรณ์ การตรวจสอบว่าผลลัพธ์สอดคล้องกันในแต่ละกลุ่มย่อยจะช่วยเพิ่มความมั่นใจในการสรุปผลในวงกว้าง
ตรวจสอบชุดข้อมูล simp_balanced และ simp_imbalanced เพื่อหา Simpson's Paradox และทำความเข้าใจว่าปรากฏการณ์นี้เกิดขึ้นได้อย่างไรในบริบทของ A/B testing
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
A/B Testing ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Calculate the conversion rate per variant and then browser
imbalanced_variant_rate = simp_imbalanced.____('____')['____'].____()
imbalanced_variant_browser_rate = simp_imbalanced.____(['____','____'])['____'].____()
print(imbalanced_variant_rate)
print(imbalanced_variant_browser_rate)