Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Estatísticas Descritivas | Verificação de Normalidade
A Arte do Teste A/B
course content

Conteúdo do Curso

A Arte do Teste A/B

A Arte do Teste A/B

1. O que é teste A/B?
2. Verificação de Normalidade
3. Variações em Testes A/B
4. Teste T
5. U-Test

Estatísticas Descritivas

Antes de prosseguirmos para a visualização da distribuição, é sensato examinar as estatísticas descritivas de cada parâmetro no conjunto de dados.

Dentre os principais parâmetros de que precisamos, incluem-se os seguintes:

  • Número de observações;
  • Valor médio;
  • Desvio padrão;
  • Mediana;
  • Valor mínimo;
  • Valor máximo.

Vamos a isso. Temos os resultados de um experimento controlado para dois grupos de usuários.

Testes A/A preliminares mostraram que o experimento foi adequado. Vamos exibir nossos arquivos:

12345678
# Import pandas import pandas as pd # Read .csv file df_control = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_control.csv', delimiter=';') # Print head of the control dataframe print(df_control.head())
copy

Nesta tabela, temos 4 colunas:

'Impressão' - o número de visualizações da página do produto; 'Clique' - o número de transições para a página do produto; 'Compra' - o número de compras do produto; 'Lucro' - lucro obtido com a venda do produto.

12345678
# Import pandas import pandas as pd # Read .csv file df_test = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/c3b98ad3-420d-403f-908d-6ab8facc3e28/ab_test.csv', delimiter=';') # Print head of the test dataframe print(df_test.head())
copy

Agora vamos calcular as estatísticas descritivas e exibi-las na tela:

12345678910111213141516
# Import pandas import pandas as pd # 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=';') # Calculate descriptive statistics using .agg method control_descriptive = df_control['Impression'].agg(['count', 'mean', 'std', 'median', 'min', 'max']).round(2) test_descriptive = df_test['Impression'].agg(['count', 'mean', 'std', 'median', 'min', 'max']).round(2) # Concat the results of aggregations result = pd.concat([control_descriptive, test_descriptive], axis=1) result.columns = ['Control', 'Test'] print(result)
copy

Utilizamos o método .agg() pela conveniência de calcular estatísticas descritivas. Esse método é denominado agregação. Agregações são uma forma de colapsar, resumir ou agrupar dados. Além disso, usamos o método .concat() para exibir de forma conveniente os resultados da agregação na tela.

As médias parecem bastante próximas. Ou não?

Tudo estava claro?

Seção 2. Capítulo 2
We're sorry to hear that something went wrong. What happened?
some-alt