新旧页面AB测试效果显著性分析
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
2. 新旧页面AB测试效果显著性分析：
- 使用jupyter notebook完成及展示操作结果；
- 利用Python及Pandas模块，导入AB测试CSV数据到DataFrame中进行数据处理；
- 查看原数据集的行数、重复数、不匹配数及空缺数等；
- 创建一个新的DF来剔除源数据集中空缺数据、重复数据及不匹配数据；
- 分别计算整体用户、新页面用户、旧页面用户的转化率，以及用户收到新、旧页面的概率；
- 对数据进行判断，提出原假设和备择假设，通过统计方法来确认是否有显著性差异；
- 在原假设的前提下，分别通过蒙特卡洛模拟法（模拟10000次），及利用卡方检验来验证原假设是否成立。
- 使用jupyter notebook完成及展示操作结果；
- 利用Python及Pandas模块，导入AB测试CSV数据到DataFrame中进行数据处理；
- 查看原数据集的行数、重复数、不匹配数及空缺数等；
- 创建一个新的DF来剔除源数据集中空缺数据、重复数据及不匹配数据；
- 分别计算整体用户、新页面用户、旧页面用户的转化率，以及用户收到新、旧页面的概率；
- 对数据进行判断，提出原假设和备择假设，通过统计方法来确认是否有显著性差异；
- 在原假设的前提下，分别通过蒙特卡洛模拟法（模拟10000次），及利用卡方检验来验证原假设是否成立。
新旧页面AB测试效果显著性分析
联系该工程师
微信扫码，建群沟通
案例介绍
2. 新旧页面AB测试效果显著性分析：
- 使用jupyter notebook完成及展示操作结果；
- 利用Python及Pandas模块，导入AB测试CSV数据到DataFrame中进行数据处理；
- 查看原数据集的行数、重复数、不匹配数及空缺数等；
- 创建一个新的DF来剔除源数据集中空缺数据、重复数据及不匹配数据；
- 分别计算整体用户、新页面用户、旧页面用户的转化率，以及用户收到新、旧页面的概率；
- 对数据进行判断，提出原假设和备择假设，通过统计方法来确认是否有显著性差异；
- 在原假设的前提下，分别通过蒙特卡洛模拟法（模拟10000次），及利用卡方检验来验证原假设是否成立。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
