p-value đã được hiệu chỉnh
Hãy tưởng tượng bạn là một Data Scientist làm việc cho một công ty dịch vụ thuê bao. Nhóm thiết kế web đang tìm CTA (call-to-action) hoàn hảo để thuyết phục khách truy cập trang đăng ký dịch vụ. Họ đưa cho bạn 4 thiết kế khác nhau bên cạnh phiên bản hiện tại.
Sau khi chạy thí nghiệm so sánh từng biến thể với đối chứng, bạn đã tạo ra danh sách p-value và nạp vào biến pvals. So sánh trực tiếp chúng với ngưỡng ý nghĩa sẽ làm tăng tỷ lệ lỗi loại I. Để tránh điều này, bạn có thể dùng hàm smt.multipletests() từ thư viện statsmodels của Python để hiệu chỉnh các p-value và kiểm định ý nghĩa thống kê với FWER = 5%.
Bài tập này là một phần của khóa học
A/B Testing bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
import statsmodels.stats.multitest as smt
pvals = [0.0126, 0.0005, 0.00007, 0.009]
# Perform a Bonferroni correction and print the output
corrected = smt.____(pvals, alpha = ____, method = '____')
print('Significant Test:', corrected[0])
print('Corrected P-values:', corrected[1])
print('Bonferroni Corrected alpha: {:.4f}'.format(corrected[3]))