Сравнение страниц регистрации с помощью A/B-тестов — практический проект анализа данных для тех, кто умеет писать простые функции Python и выбирать строки в pandas. У общественной мастерской две версии страницы регистрации. Ваша задача — честно сравнить назначенных посетителей и сообщить, что подтверждает небольшой рандомизированный эксперимент, а что нет.
Три учебные работы выстраивают процесс: шесть карточек посетителей, преобразование событий в один семидневный исход на человека, исследование случайных перераспределений с постоянными размерами групп и интерпретация полного точного распределения. Независимое задание применяет те же правила к другому эксперименту с иными идентификаторами, размерами групп и порядком событий. Каждый модуль начинает с собственных подготовленных данных и файлов.
Чему вы научитесь
После курса вы сможете:
- сохранять всех назначенных посетителей, включая людей без событий, и связывать записи по устойчивой идентичности;
- учитывать только регистрации внутри окна UTC каждого человека и считать назначенного человека один раз;
- сравнивать доли регистраций как B минус A в процентных пунктах;
- сохранять размеры обеих групп при воспроизводимых исследовательских перераспределениях;
- рассчитывать ограниченный точный перестановочный тест с явно определённым двусторонним p-значением и включением равенства;
- применять заранее выбранный порог и наблюдаемое направление без обязательного победителя и без утверждения, что неубедительность доказывает равенство;
- сохранять настоящую таблицу людей, полный анализ и читаемый график количеств с видимым наблюдаемым сравнением.
Для кого этот курс
Для изучающих Python и анализ данных, которые хотят понять единицу анализа, знаменатели и свидетельства, стоящие за сравнением A/B.
Предварительные знания: Базовая навигация в терминале, функции Python, начальный выбор данных pandas, простые массивы NumPy и основы Matplotlib. Объединения, окна UTC, перераспределения постоянных размеров и нужное определение p-значения объясняются в курсе. Статистический вывод заранее знать не нужно.
Учебная среда: Каждый модуль предоставляет независимый браузерный WebIDE с подготовленными Python, pandas, NumPy, SciPy и Matplotlib. Вы работаете с локальными синтетическими CSV и файлами Python; установка на своём компьютере и файлы предыдущей VM не нужны.
Часто задаваемые вопросы
Буду ли я развёртывать настоящий сервис A/B-тестирования?
Нет. Записи — оригинальные синтетические учебные данные, представляющие случайное назначение посетителей. Вы анализируете небольшой фиксированный эксперимент, не отслеживая реальных людей, не развёртывая сайт и не устанавливая реальный бизнес-эффект.
Нужно ли знать p-значения до начала?
Нет. Карточки и ручной обмен сначала вводят сравнение людей. Вторая работа исследует 399 случайных перераспределений без оценки выборочного p-значения. Третья пошагово определяет точный тест и интерпретацию.
Должна ли B победить или результат быть значимым?
Нет. Корректный результат следует полной назначенной совокупности, заявленному тесту и выбранному заранее порогу. Свидетельства могут поддерживать любое направление или быть неубедительными. P-значение — не вероятность отсутствия эффекта, а неубедительность не доказывает равенство страниц.
Как независимое задание развивает учебные работы?
Вы самостоятельно объединяете те же изученные функции и статистическое соглашение на другом распределении. Изменения требуют заново проверить идентичности, окна и знаменатели, но не вводят новый статистический метод.
Сколько времени запланировать?
По оценкам автора, четыре модуля занимают в сумме 215 минут, включая чтение и обычные исправления. Оценка не измерялась в испытаниях с начинающими.
