学ぶ A/Bテストデータのシミュレーション | 実践的な分析・解釈・報告

メニューを表示するにはスワイプしてください

A/Bテストデータのシミュレーションは、実験や分析を学ぶ上で有用なスキル。合成データセットを生成することで、統計手法の練習、分析ワークフローのテスト、さまざまなシナリオでの実験が実際のユーザーデータなしで可能。合成データは、グループサイズやコンバージョン率などの主要なパラメータを制御でき、既知の条件下で実験を繰り返せるため、学習に特に有用。これにより、さまざまな要因が結果に与える影響を理解しやすくなり、リスクのない環境で分析スキルを高めることができる。


              1234567891011121314151617181920212223242526272829303132333435363738394041
            
import numpy as np
import pandas as pd

# Set random seed for reproducibility
np.random.seed(42)

# Define number of users per group
n_users = 1000

# Define conversion rates for group A and B
conversion_rate_A = 0.10  # 10%
conversion_rate_B = 0.13  # 13%

# Generate user IDs
user_ids = np.arange(1, 2 * n_users + 1)

# Randomly assign users to groups
groups = np.array(['A'] * n_users + ['B'] * n_users)
np.random.shuffle(groups)

# Assign conversions based on group-specific rates
conversions = []
for group in groups:
    if group == 'A':
        conversions.append(np.random.binomial(1, conversion_rate_A))
    else:
        conversions.append(np.random.binomial(1, conversion_rate_B))

# Create DataFrame
data = pd.DataFrame({
    'user_id': user_ids,
    'group': groups,
    'converted': conversions
})

# Show the first few rows
print(data.head())

# To adjust for different scenarios:
# - Change n_users for sample size
# - Modify conversion_rate_A or conversion_rate_B for different effect sizes

シミュレーションしたA/Bテストデータを生成した後は、データセットが意図したシナリオに合致しているか検証することが重要。まず、各グループのユーザー数がバランスしているか、または設計通りであるかを確認。次に、各グループの実際のコンバージョン率を計算し、指定した値に近いかを確認。さらに、データセットに欠損や重複がないか、すべてのユーザーに有効なグループ割り当てと結果があるかを検証。この検証ステップにより、合成データが現実的かつ信頼できる分析練習用データとなる。

すべて明確でしたか？

フィードバックありがとうございます！

セクション 4. 章 1

AIに質問する

何でも質問するか、提案された質問の1つを試してチャットを始めてください

セクション 4. 章 1