Prueba de Levene

Nuestro siguiente paso después de la visualización será una comprobación estadística de la igualdad de varianzas para los grupos de control y de prueba.

Para ello, necesitamos la prueba de Levene. Se utiliza para probar la hipótesis nula de que las varianzas son iguales. Al comparar las varianzas de ambos grupos, la prueba utiliza un estadístico basado en la desviación típica.

Se llama estadístico F. Si el valor obtenido del estadístico F supera el valor crítico, esto indica diferencias significativas en las varianzas de los grupos.

Hagamos una prueba de Levene para los hablantes de `'Impresión''. Empecemos con las hipótesis:

H₀: Las varianzas en ambos grupos son iguales;.

Hₐ: Las varianzas difieren entre los grupos.

Echemos un vistazo al código. La sintaxis es muy sencilla:


              1234567891011121314151617181920
            
# Import libraries 
import pandas as pd
from scipy.stats import levene

# Read files 
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Do Levene's test 
statistic, p_value = levene(df_control['Impression'], df_test['Impression'])

# Print result of Levene's test
print('Statistic:', statistic)
print('p-value:', p_value)

# Determine whether the variances are similar
if p_value > 0.05:
  print('The variances of the two groups are NOT statistically different')
else:
  print('The variances of the two groups are statistically different')

Como puede ver, el valor p es muy superior a 0,05. Esto significa que no tenemos pruebas estadísticas suficientes para rechazar la hipótesis nula de igualdad de varianzas. No hay diferencias estadísticamente significativas entre las varianzas de las dos muestras.

Ahora vamos a dibujar un trazado de violín y un trazado de enjambre para las columnas 'Click' de ambos conjuntos de datos:


              1234567891011121314151617181920212223242526272829303132
            
# Import libraries
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

# Read .csv files
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Define colors for graphs
colors_list = ['#ff8a00', '#33435c']

# Add to the dataframes columns-labels, which mean belonging to either the control or the test group
df_control['group'] = 'Contol group'
df_test['group'] = 'Test group'

# Concat the dataframes
df_combined = pd.concat([df_control, df_test])

# Plotting violin plots
sns.violinplot(data=df_combined, x='group', y='Click', palette=colors_list)

# Plotting swarm plots
sns.swarmplot(data=df_combined, x='group', y='Click', color="r", alpha=0.8)

# Sign the axes
plt.xlabel('')
plt.ylabel('Clicks')
plt.title('Comparison of Click')

# Show the results
plt.show()

¿Son iguales las varianzas? Hagamos una prueba de Levene para las columnas 'Click' de ambos conjuntos de datos:


              1234567891011121314151617181920
            
# Import libraries
import pandas as pd
from scipy.stats import levene

# Read .csv files
df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';')
df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';')

# Levene's test
statistic, p_value = levene(df_control['Click'], df_test['Click'])

# Results of the Levene's test
print('Statistic:', statistic)
print('p-value:', p_value)

# Determine whether the variances are similar
if p_value > 0.05:
  print('The variances of the two groups are NOT statistically different')
else:
  print('The variances of the two groups are statistically different')

Necesitamos saber si las varianzas son iguales para realizar una prueba T. En caso de desigualdad de varianzas, utilizaremos una modificación de la prueba T. Por lo tanto, la prueba Levene es una parte importante de las pruebas A/B. Como puede ver, las varianzas de estas dos columnas son estadísticamente diferentes. Ahora te toca a ti.

¿Todo estuvo claro?

Sección 3. Capítulo 4