A/B测试是一种互联网常用的对比试验,在试验过程中,我们从总体中抽取一些样本进行数据统计,进而得出对总体参数的一个评估。实际上是统计学上假设检验(显著性检验)的一种应用。 基本思想首先,让我们用大白话理解一下这个什么是假设检验 统计假设检验意味着没有任何检验可以百分百确定,因为我们依靠概率进行试验。 假设检验的基本思想是“小概率事件”原理,小概率思想是指小概率事件在一次试验中基本上不会发生。
假设检验的统计推断方法是带有某种概率性质的反证法。反证法思想是先提出检验假设,再用适当的统计方法,利用小概率原理,确定假设是否成立。
可以发现,原假设是想要推翻的假设,备择假设才是我们想要的结果。 将基本思想应用到A/B测试在A/B测试过程中,因为我们试验的目的是通过反证法证明测试版本和对照版本有明显的不同(更好)。
假设检验的两类错误因为我们依靠概率进行试验,所以必然会出现失误。
错误有两类: ⑴ 第一类错误:弃真错误
我们会预先设定一个数比如α 是0.05,如果一件事发生的概率只有5%,那就认为是小概率,就会把它拒绝。但是,有可能真实的情况就落在这5%之中。
⑵ 第二类错误(取伪错误):
A/B:2个版本有差异时候,我们认为他们没有差异
总结按照假设检验的思路,对AB两个版本提出假设,H1是我们想要的假设(B和A有差异),H0是要拒绝的假设(无差异)。 第一类错误,原假设为真时,决定放弃原假设(B版本不好,但换了B版本) 第二类错误,原假设不真时,接受原假设(B版本更好,但没换B版本) 横轴:现实情况 纵轴:估计情况 |
|
来自: taotao_2016 > 《历史》