五分钟掌握AB实验和样本量计算原理

AB实验简介

什么是AB实验

将测试对象随机分成A,B两组,然后比较两组之间的差异
AB测试是为Web或App界面或流程制作两个(A/B)版本,在同一时间维度,分别让组成成分相同(相似)的访客群组(目标人群)随机的访问这些版本,收集各群组的用户体验数据和业务数据,最后分析、评估出最好版本,正式采用。

需要满足的条件:
对照组:有其他对照组作为对比,就能真正看出来效果。而且不同组间的效果差异要足够明显,才能验证我们的判断
随机性:为了排除实验条件以外的干扰因素,我们需要确保两个组的用户是随机选取,这是为了排除用户差异对实验结果的影响
大样本:这里的样本量是指数据量,包括用户、行为和时间跨度,样本量越大,越容易排除个体差异的影响,也更容易验证统计上的显著性

AB实验的原则

唯一变量:
AB实验时需要保证除了要实验的变量之外,实验组和对照组其他的“变量”都是均匀的,包含但不限于:
时间、环境、样本属性等
多层实验如何保证唯一变量:
分流因子通过加入不同的字符串(实验名)作为离散因子,保证每层都是正交分布,防止层与层之间有交集。
在这里插入图片描述

AB实验涉及的统计学基础

抽样

实验的思想:
用能近似代表总体的样本推断总体的分布(假设检验),利用样本指标近似代替总体指标,继而进行决策;
如何保证:
近似代表总体的样本需满足以下2项条件:
1、随机抽样:实验中的样本是随机抽取的。而且抽取的算法能够充分保证了抽样的随机性。
2、样本能近似代表总体:
样本量越大,通过样本去评估总体的误差就越小。当误差小于我们需要的精度时样本量就足够了。
E ( X ˉ ) = E ( 1 / n ∑ i = 1 n X i ) = 1 n ∑ i = 1 n E ( X i ) = μ D ( X ˉ ) = D ( 1 / n ∑ i = 1 n X i ) = 1 n 2 ∑ i = 1 n D ( X i ) = 1 n σ 2 E(\bar{X})=E(1/n\sum_{i=1}^{n}X_i)=\frac1n\sum_{i=1}^nE(X_i)=\mu\\ D(\bar{X})=D(1/n\sum_{i=1}^{n}X_i)=\frac1{n^2}\sum_{i=1}^nD(X_i)=\frac1n\sigma^2 E(Xˉ)=E(1/ni=1nXi)=n1i=1nE(Xi)=μD(Xˉ)=D(1/ni=1nXi)=n21i=1nD(Xi)=n1σ2
所以当n较大时, X ˉ \bar{X} Xˉ近似服从 N ( μ , σ 2 n ) N(\mu,\frac{\sigma^2}{n}) N(μ,nσ2),等价地有 X ˉ − μ σ / n ∼ N ( 0 , 1 ) \frac{\bar{X}−\mu}{\sigma/\sqrt{n}}\sim N(0,1) σ/n XˉμN(0,1)
中心极限定理(central limit theorem):设均值为 μ \mu μ、方差为 σ 2 \sigma^2 σ2(有限)的任意一个总体中抽取样本量为n的样本,当n充分大时,样本均值 μ \mu μ的抽样分布近似服从均值为 μ \mu μ、方差为 1 n σ 2 \frac1n\sigma^2 n1σ2的正态分布。

样本量计算

样本量计算公式:
均值检验样本量预估: n = ( Z 1 − α / 2 + Z 1 − β ) σ 2 E 2 n=\frac{(Z_{1-\alpha/2}+Z_{1-\beta})\sigma^2}{E^2} n=E2(Z

  • 8
    点赞
  • 69
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
Matching AB实验是一种常见的实验设计方法,它被广泛应用于社会科学、医学和心理学等领域中。Matching AB实验的目的是通过匹配两组被试,以便对特定实验干预的效果进行评估。 在Matching AB实验中,研究者首先需确定一个或多个重要的特征(如性别、年龄、学历等),然后通过个体间的匹配,使得实验组(接受干预)和对照组(不接受干预)在这些特征上尽量相似。这种匹配可以通过随机分配的方式进行,也可以通过其他方法(如成对匹配或协同匹配)来实现。 匹配的目的是为了保证实验组和对照组之间的可比性,以排除其他因素对实验结果的干扰。通过匹配,研究者可以消除不同组别间的差异,使得实验结果更加可靠和科学。 在Matching AB实验中,在确定匹配之后,研究者给实验组施加特定的干预措施(如药物治疗、教育介入等),而对照组则不接受该干预。随后,研究者收集两组被试的数据,并进行分析和比较。 通过对实验组和对照组的比较,研究者可以更准确地评估干预的效果,得出科学结论。同时,Matching AB实验也可以帮助研究者发现在匹配特征以外的其他因素对干预效果的潜在影响。 总结而言,Matching AB实验通过匹配两组被试,使得实验组和对照组在重要特征上相似,从而提高实验的可靠性和准确性。这种实验方法在社会科学研究中具有广泛的应用前景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值