การพล็อตการแจกแจงความน่าจะเป็น
การเข้าใจว่าการแจกแจงความน่าจะเป็นทั้งแบบไม่ต่อเนื่อง (เช่น แบบทวินาม) และแบบต่อเนื่อง (เช่น แบบปกติ) มีบทบาทอย่างไรใน A/B testing ช่วยให้เราได้รับข้อมูลเชิงลึกจากการมองเห็นข้อมูลและเข้าใจทฤษฎีที่เป็นรากฐานของกรอบการทดสอบทางสถิติสำหรับการทดลองออนไลน์ได้ดียิ่งขึ้น
การแจกแจงที่สำคัญอย่างยิ่งมี 2 แบบ ได้แก่ การแจกแจงแบบทวินามและการแจกแจงแบบปกติ ทำตามคำแนะนำเพื่อสร้างกราฟและสำรวจพารามิเตอร์ของการแจกแจงเหล่านี้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
A/B Testing ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
from scipy.stats import binom
# Plot a binomial distribution
p = ____
n = ____
x = np.arange(n*p - 100, n*p + 100)
binom_a = ____.____(____, ____, ____)
plt.bar(x, binom_a)
plt.xlabel('Purchased')
plt.ylabel('PMF')
plt.show()