绘制功效曲线
在运行 A/B 测试之前进行功效分析是最重要的步骤之一。它能提高我们得到明确结论的机会，并帮助更好地规划每个测试所需的资源和时间。此外，绘制功效曲线可以更直观地看到在目标置信水平下，调整某些参数对所需样本量的影响。尽管更大的样本量更有可能得到明确的结果，但当功效曲线趋于饱和时，继续收集更多样本或延长测试时间将造成资源浪费。
下面通过实操来看它是如何工作的。
本练习是课程的一部分
Python 中的 A/B 测试
交互式实操练习
通过完成这段示例代码来试试这个练习。
from statsmodels.stats.power import TTestIndPower
# Specify parameters for power analysis
sample_sizes = ____(range(____))
effect_sizes = ____([____])