BaşlayınÜcretsiz Başlayın

Güç Analizi - Bölüm I

Şimdi güç analizine geçiyoruz. Genelde yaptığın her deneyin veya A/B testinin en az %80 güce sahip olmasını istersin. Bunu sağlamanın bir yolu, %80 güce ulaşmak için gereken örneklem büyüklüğünü hesaplamaktır.

Diyelim ki bir haber sitesi yönetiyorsun ve kullanıcıların sitede geçirdiği süreyi artırmak istiyorsun. Şu anda kullanıcıların sitede geçirdiği süre, ortalaması 1 dakika ve standart sapması 0,5 dakika olan normal dağılıma sahip. Sayfaları daha hızlı yükleyen bir özellik sunuyorsun ve sitede geçirilen sürede %5’lik bir artışı ölçmek için gereken örneklem büyüklüğünü bilmek istiyorsun.

Bu egzersizde, tek bir simülasyon çalıştırmak için çerçeveyi kuracak, bir t-testi çalıştıracak ve p-değerini hesaplayacağız.

Bu egzersiz

Python'da İstatistiksel Benzetim

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • effect_size’ı %5, control_mean’i 1 ve control_sd’yi 0,5 olarak başlat.
  • np.random.normal() kullanarak, başlattığın değerlerle control_time_spent ve treatment_time_spent için birer örneklem çekimi simüle et.
  • st scipy.stats olacak şekilde (zaten içe aktarılmıştır) st.ttest_ind() ile treatment_time_spent ve control_time_spent üzerinde bir t-testi çalıştır.
  • İstatistiksel anlamlılık stat_sig, p_value 0,05’ten küçükse True, aksi halde False olmalıdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Initialize effect_size, control_mean, control_sd
effect_size, sample_size, control_mean, control_sd = ____, 50, ____, ____

# Simulate control_time_spent and treatment_time_spent, assuming equal variance
control_time_spent = np.random.normal(loc=control_mean, scale=____, size=sample_size)
treatment_time_spent = np.random.normal(loc=____*(1+effect_size), scale=control_sd, size=____)

# Run the t-test and get the p_value
t_stat, p_value = st.ttest_ind(____, ____)
stat_sig = p_value < ____
print("P-value: {}, Statistically Significant? {}".format(p_value, stat_sig))
Kodu Düzenle ve Çalıştır