如何使用python计算ab测试中两个列表的统计显著性
我做了A/B测试,我有如下数据:如何使用python计算ab测试中两个列表的统计显著性,python,list,Python,List,我做了A/B测试,我有如下数据: control_conversion test_conversion day1 100 101 day3 140 200 day5 200 320 day7 400 800 控制和测试组有1000个通信量 因此,转换率为: control_conversion test_conversion
control_conversion test_conversion
day1 100 101
day3 140 200
day5 200 320
day7 400 800
控制和测试组有1000个通信量
因此,转换率为:
control_conversion test_conversion
day1 0.10 0.10
day3 0.14 0.20
day5 0.20 0.32
day7 0.40 0.80
我想使用python来计算
第1天、第3天、第5天、第7天用于控制和试验
所以我需要列出两个清单:
control = [0.1, 0.14, 0.20, 0.40]
test = [0.1,0.2,0.32,0.8]
如何计算两个列表的四个p值
我想看到的是一个p值列表
pvalue=[0.1,0.2,0,1,0.2,0.1]快速脏,假设控制和测试保持相同数量的项目:
control = [0.1, 0.14, 0.20, 0.40]
test = [0.1,0.2,0.32,0.8]
for idx in range(len(control)):
val_co = control[idx]
val_te = test[idx]
# do whatever you want to do with val_co and val_te
您可以尝试在SciPy中使用
(我刚刚做了一个测试)你试过什么?到底是什么问题?
from scipy.stats import binom_test
n = 1000
control = [100, 140,200,400]
test = [101,200,320,800]
pvals = []
for idx in range(len(control)):
pvals.append(binom_test(test[idx],n=n, p=control[idx]/n))
print(pvals)
[0.9160130517865064, 1.8593423831091924e-07, 4.004795877115897e-19, 1.644604962019165e-147]