Comparando páginas de inscrição com testes A/B é um projeto prático de análise de dados para quem sabe escrever funções básicas de Python e selecionar linhas com pandas. Uma oficina comunitária tem duas versões da página de inscrição. Sua tarefa é comparar os visitantes designados de forma justa e relatar o que um pequeno experimento aleatorizado sustenta ou não.
Três laboratórios guiados constroem o processo: começar com seis cartões, transformar eventos brutos em um resultado de sete dias por pessoa, explorar redesignações aleatórias com tamanhos fixos e interpretar uma distribuição exata completa. Um desafio independente aplica as mesmas regras a outro experimento com identidades, tamanhos de grupos e ordem de eventos diferentes. Cada unidade começa com seus próprios dados e arquivos preparados.
O que você aprenderá
Ao concluir, você poderá:
- manter todos os visitantes designados, incluindo pessoas sem eventos, e associar registros por identidade estável;
- reter apenas inscrições dentro da janela UTC de cada pessoa e contar cada pessoa designada uma vez;
- comparar taxas como B menos A em pontos percentuais;
- preservar ambos os tamanhos ao gerar redesignações exploratórias reproduzíveis;
- calcular um teste de permutação exato limitado com um valor p bilateral inclusivo explicitamente definido;
- aplicar o limiar pré-selecionado e a direção observada sem impor vencedor nem afirmar que evidência inconclusiva prova igualdade;
- salvar a tabela real por pessoa, a análise completa e um gráfico legível de contagens com a comparação observada visível.
Para quem é este curso
Para estudantes de Python e análise de dados que querem entender a unidade de análise, os denominadores e as evidências de uma comparação A/B.
Pré-requisitos: Navegação básica no terminal, funções Python, seleção introdutória com pandas, arrays básicos NumPy e Matplotlib introdutório. Junções, janelas UTC, redesignações com tamanhos fixos e a definição necessária do valor p são explicadas. Não é necessário conhecer inferência estatística antes.
Ambiente: Cada unidade oferece um WebIDE independente no navegador com Python, pandas, NumPy, SciPy e Matplotlib preparados. Você trabalha com CSVs sintéticos e arquivos Python locais; não precisa instalar nada nem usar arquivos da VM da unidade anterior.
Perguntas frequentes
Vou implantar um serviço real de testes A/B?
Não. Os registros são dados didáticos sintéticos originais que representam alocação aleatória de visitantes. Você analisa um experimento pequeno e fixo; não rastreia visitantes reais, implanta um site nem estabelece um efeito comercial real.
Preciso conhecer valores p antes de começar?
Não. Os cartões e uma troca manual estabelecem primeiro a comparação por pessoa. O segundo laboratório explora 399 redesignações aleatórias sem avaliar um valor p amostral. O terceiro define depois o teste exato e sua interpretação passo a passo.
B precisa vencer ou o resultado ser significativo?
Não. Um resultado correto segue toda a população designada, o teste declarado e o limiar pré-selecionado. As evidências podem apoiar qualquer direção ou continuar inconclusivas. Um valor p não é a probabilidade de ausência de efeito, e um resultado inconclusivo não prova igualdade das páginas.
Como o desafio amplia os laboratórios guiados?
Você combina de forma independente as mesmas funções e convenção estatística ensinadas em outra alocação. As mudanças exigem verificar novamente identidades, janelas e denominadores, sem introduzir um método estatístico novo.
Quanto tempo devo reservar?
As estimativas do autor totalizam 215 minutos para as quatro unidades, incluindo leitura e correções comuns. Essa estimativa não foi medida em testes com iniciantes.
