Comparación de páginas de inscripción con pruebas A/B es un proyecto práctico de análisis de datos para quienes pueden escribir funciones básicas de Python y seleccionar filas con pandas. Un taller comunitario tiene dos versiones de su página de inscripción. Tu tarea es comparar de forma justa a los visitantes asignados y explicar qué respalda, y qué no, un pequeño experimento aleatorizado.
Tres laboratorios guiados construyen el proceso: empezar con seis tarjetas, transformar eventos en un resultado de siete días por persona, explorar reasignaciones aleatorias con tamaños fijos e interpretar una distribución exacta completa. Un desafío independiente aplica las mismas reglas a otro experimento con identidades, tamaños de grupos y orden de eventos diferentes. Cada unidad comienza con sus propios datos y archivos preparados.
Lo que aprenderás
Al terminar, podrás:
- conservar a todos los visitantes asignados, incluidos quienes no tienen eventos, y asociar registros por identidad estable;
- conservar solo inscripciones dentro de la ventana UTC de cada persona y contar a cada persona asignada una vez;
- comparar tasas como B menos A en puntos porcentuales;
- preservar ambos tamaños al generar reasignaciones exploratorias reproducibles;
- calcular un test de permutación exacto acotado con un valor p bilateral inclusivo definido explícitamente;
- aplicar el umbral preseleccionado y la dirección observada sin forzar ganador ni afirmar que la evidencia inconclusa prueba igualdad;
- guardar la tabla real de personas, el análisis completo y un gráfico legible de recuentos con la comparación observada visible.
A quién va dirigido este curso
Para estudiantes de Python y análisis de datos que quieran entender la unidad de análisis, los denominadores y la evidencia de una comparación A/B.
Requisitos: Navegación básica por terminal, funciones Python, selección introductoria con pandas, arrays básicos NumPy y Matplotlib introductorio. El curso explica uniones, ventanas UTC, reasignaciones de tamaño fijo y la definición necesaria del valor p. No requiere conocimientos previos de inferencia estadística.
Entorno: Cada unidad ofrece un WebIDE independiente en el navegador con Python, pandas, NumPy, SciPy y Matplotlib preparados. Trabajarás con CSV sintéticos y archivos Python locales; no necesitas instalar nada ni conservar archivos de una VM anterior.
Preguntas frecuentes
¿Desplegaré un servicio real de pruebas A/B?
No. Son datos didácticos sintéticos originales que representan asignación aleatoria de visitantes. Analizas un experimento pequeño y fijo; no rastreas visitantes reales, despliegas un sitio ni estableces un efecto comercial real.
¿Debo conocer los valores p antes de empezar?
No. Las tarjetas y un intercambio manual establecen primero la comparación por persona. El segundo laboratorio explora 399 reasignaciones aleatorias sin evaluar un valor p muestral. El tercero define después el test exacto y su interpretación paso a paso.
¿Debe ganar B o ser significativo el resultado?
No. Un resultado correcto sigue toda la población asignada, el test declarado y el umbral preseleccionado. La evidencia puede apoyar cualquier dirección o quedar inconclusa. Un valor p no es la probabilidad de ausencia de efecto, y un resultado inconcluso no prueba igualdad.
¿Cómo amplía el desafío los laboratorios guiados?
Combinarás de forma independiente las mismas funciones y convención estadística en otra asignación. Los cambios exigen revisar de nuevo identidades, ventanas y denominadores; no introducen un método estadístico nuevo.
¿Cuánto tiempo debo reservar?
Las estimaciones del autor suman 215 minutos para las cuatro unidades, incluyendo lectura y correcciones comunes. No se han medido mediante pruebas con principiantes.
