基础 A/B 测试
既然我们已经知道所需的样本量，并且让实验运行到每组至少有 400 人，现在可以来分析我们的 A/B 测试了。
回顾一下：申请人在使用 Lending Club 网站时，会被随机分到 A 或 B 两组。A 组看到的是薄荷绿色的网站页眉，B 组看到的是浅蓝色的网站页眉。Lending Club 想了解，页眉颜色是否会影响 loan_amnt（申请人希望借款的金额）。
您的工作区中提供了一个新数据集 lendingclub_ab。该 A/B 测试一直运行到每组都有 500 名申请人为止。每位申请人都被标记为 A 组或 B 组。请进行合适的检验，查看两组的 loan_amnt 均值是否存在差异。
本练习是课程的一部分
R 中的实验设计
练习说明
- 使用
ggplot2按Group绘制loan_amnt的箱线图。 - 进行双侧 t 检验，以检验 A/B 测试结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Plot the A/B test results
ggplot(___, aes(x = ___, y = ___)) +
geom_boxplot()
# Conduct a two-sided t-test
t.test(___ ~ ___, data = ___)