知识卡片
A/B 测试就是 z 检验
把每个访客是否点击看成伯努利试验,两组点击率 p_A、p_B 各近似正态,标准差为 √(p(1−p)/N)。两个独立正态之差仍是正态,均值 p_B−p_A、方差为两者之和,于是 z=(p_B−p_A)/√(σ_A²+σ_B²) 在“两者相同”的 H0 下近似标准正态,查双尾概率即可。200/1000 对 180⁄1000 得 z=−1.14、p=0.254,差别不足以定论;180 降到 150 则 z=−2.94、p=0.003,可以下结论。严格说这里用样本估了标准差,应查 t 分布,样本够大时两者几乎一样——这正是 A/B 测试要求足够流量的原因;此外还需保证随机分流与两组独立。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 假设和推论 · 查看原书依据
这在某种程度上有点欺骗性。只有在已知标准差的条件下数学推理才正确。这里我们从数据中估计它们,这意味着我们应该使用 分布。但对于足够大的数据集,正态分布与 分布之间的差别可以忽略。
参考来源
- 位置:《数据科学入门(第2版)》第7章 假设和推论(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0011.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「这在某种程度上有点欺骗性……」
- 原始内容:这在某种程度上有点欺骗性。只有在已知标准差的条件下数学推理才正确。这里我们从数据中估计它们,这意味着我们应该使用 分布。但对于足够大的数据集,正态分布与 分布之间的差别可以忽略。