Ефекти рандомізації
Випадковий розподіл відіграє ключову роль в A/B‑тестуванні. Уявіть, що ви Data Scientist, який налаштовує експеримент, щоб перевірити вплив різних дизайнів сторінки оформлення замовлення на бізнес‑метрики.
Ви дослідите вибірку певного відсотка користувачів, щоб змоделювати випадкове зарахування трафіку до експерименту, і перевірите розподіли окремих атрибутів серед користувачів, випадково призначених до кожної групи. Це дозволить вам переконатися, що результати можна узагальнювати на всю популяцію трафіку, і ізолювати вплив єдиної змінної, яку ми змінюємо між групами: дизайну сторінки оформлення замовлення.
Датафрейм checkout вже завантажено. Вважайте, що кожен рядок у датафреймі відповідає унікальному користувачу, який відвідав відповідну checkout_page, разом із його діями та додатковими атрибутами.
Ця вправа є частиною курсу
A/B Testing на Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Determine the normalized distribution of browser counts
checkout['browser'].____(normalize = ____)