Парадокс Сімпсона в дії
Узагальнення результатів нашого A/B‑тесту на різні сегменти аудиторії може мати вирішальне значення для бізнесу. Інколи ми хочемо заощадити на запуску додаткових тестів в інших містах, на різних пристроях тощо. Переконання, що результати узгоджені для підгруп, підвищує нашу впевненість у таких узагальненнях.
Проаналізуйте набори даних simp_balanced і simp_imbalanced на предмет парадоксу Сімпсона, щоб краще зрозуміти, як це явище може виникати у сценаріях A/B‑тестування.
Ця вправа є частиною курсу
A/B Testing на Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)