标签 - 数据分析

数据分析    2020-08-21 18:26:42    97    0    0

假设检验概念:

假设检验(hypothesis testing),又称统计假设检验,是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。显著性检验是假设检验中最常用的一种方法,也是一种最基本的统计推断形式,其基本原理是先对总体的特征做出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有Z检验、t检验、卡方检验等。假设检验的基本思想是“小概率事件”原理,其统计推断方法是带有某种概率性质的反证法,一般认为,事件发生的概率小于0.1、0.05或0.01等,即“小概率事件”。

假设检验的步骤:

  1. 提出原假设H0和备择假设H1
    • 保护原假设;
    • 原假设为维持现状:为解释某些现象或效果的存在性,常取原假设为“无效果”、“无改进”、“无差异 ”等;
  2. 确定适当的检验方法、统计量,可分别选用Z检验,T检验、卡方检验等,规定显著性水平的值;
  3. 计算检验统计量的值;
  4. 做出结论,统计量若在拒绝域中,则拒绝H0,否则接受H0

数据分析    2020-08-17 21:39:46    69    0    0

一、A/B Test

ABTest本身其实是物理学的“控制变量法”,通过只改变一个因素来确定其变化对CR(conversion rate)或者收益的影响,可以多方案并行测试,以某种规则选取较优者。

二、作用

  • 确定最佳方案;
  • 通过对比试验,找到问题的真正原因,提高产品设计和运营水平;
  • 建立数据驱动、持续不断优化的闭环过程;
  • 通过A/B测试,降低新产品或新特性的发布风险,为产品创新提供保障。

三、A/B Test流程

1.现状分析:分析业务数据,确定当前最关键的改进点。
2.假设建立:根据现状分析作出优化改进的假设,提出优化建议。