问题描述
我正在尝试进行AB测试-比较网站上各种变体之间的收入。
我们的标准方法(使用t检验)似乎不可行,因为无法对收入进行二项建模。 但是,我阅读了有关引导的内容,并提出了以下代码:
import numpy as np
import scipy.stats as stats
import random
def resampler(original_array, number_of_samples):
sample_array = np.zeros(number_of_samples)
choice = random.choice
for i in range(number_of_samples):
sample_array[i] = sum([choice(original_array) for _ in range(len(original_array))])
y = stats.normaltest(sample_array)
if y[1] > 0.001:
print y
new_y = resampler(original_array, number_of_samples * 2)
y = new_y
return sample_array
基本上,从“收入向量”(人口稀少的向量-所有非转化访问者为零)中随机抽样,并对所得向量求和,直到得到正态分布为止。
我可以对两个测试组都执行此操作,此时,我有两个正态分布的量用于t检验。
使用scipy.stats.ttest_ind
我可以得到看起来合理的结果。
但是,我不知道运行此过程对Cookie拆分有何影响(预计每个组将看到50%的Cookie)。 在这里,我看到了一些非常意外的事情-给出以下代码:
x = [272898,389076,61091,65251,10060,1468815,216014,25863,42421,476379,73761]
y = [274253,387941,61333,65020,10056,1466908,214679,25682,42873,474692,73837]
print stats.ttest_ind(x,y)
我得到的输出是:(0.0021911476165975929,0.99827342714956546)
根本不重要(我认为我的解释正确吗?)
但是,当我运行此代码时:
for i in range(1000, 100000, 5000):
one_array = resampler(x,i)
two_array = resampler(y,i)
t_value, p_value = stats.ttest_ind(one_array, two_array)
t_value_array.append(t_value)
p_value_array.append(p_value)
print np.mean(t_value_array)
print np.mean(p_value_array)
我得到:0.642213492773 0.490587258892
我不确定如何解释这些数字-据我所知,我已经从实际的Cookie拆分中重复生成了正态分布(数组中的每个数字代表一个不同的站点)。 在每种情况下,我都对两个分布进行了t检验,并得到了t统计量和p值。
这是合法的做法吗? 我只运行了这些测试多次,因为不这样做时,我看到p值和t统计量的变化很大。
我是否缺少一种明显的方式来运行这种测试?
干杯,
马特
PS
我们拥有的数据:网站1:测试组1:唯一Cookie:收入网站1:测试组2:唯一Cookie:收入网站2:测试组1:唯一Cookie:收入网站2:测试组2:唯一Cookie:收入等
我们想要的是:
测试组x以z%的把握击败了测试组y
(测试组1的零假设=测试组2)
奖金:
与上面相同,但在每个站点以及整个站点
1楼
首先,使用t检验来检验二项式响应变量是不正确的。 您需要使用逻辑回归模型。
关于您的问题。 很难阅读该代码并理解您认为要测试的内容-H_0(无效假设)是什么? 如果我说实话(我希望你不要冒犯),那看起来很困惑。
我将不得不猜测数据是什么样的---您有一堆这样的示例:
Website Method Revenue
------- ------ -------
w1 A 12
w2 B 0
w3 A 6
w4 B 0
等等等等。这看起来正确吗? 您是否有重复的措施(即,您对每种方法的每个网站都有收入度量?还是您将网站随机分配给方法?)? 我猜您要传递给方法的是一个方法的所有收入的数组,但是它们是否以任何方式在方法之间配对?
我可以想象使用这些数据测试各种假设。 例如,方法A是否比方法B更可能产生非零收益(使用逻辑回归,响应为二进制)? 在方法完全产生收益的情况下,方法A产生的收益是否大于方法B(对非零收益的t检验)? 在所有实例中,方法A是否比方法B产生更多的收入(可能是符号测试,这是由于当您包含零时假设正态性存在问题)。 我认为这个令人不安的假设是为什么要运行重复抽样的过程,直到数据看起来正常为止,但是您不能这样做并测试有意义的任何事情:仅仅因为数据的某些子集是正态分布的,并不意味着您可以查看只有这部分! 实际上,看到这实际上所做的是排除了大多数零条目或大多数非零条目,我不会感到惊讶。
如果您详细说明一些实际数据,以及要回答的问题,我很乐意提出更具体的建议。