-
同一门店的用户互相影响,怎样做簇随机化?ICC 与设计效应从家庭、门店和学校里的用户互相影响出发,推导簇随机化的组内相关与设计效应,用手算和纯 Python 重算实验人数。
15 分钟 中文 -
实验中途能不能停?用预先分配的显著性预算设计序贯检验把固定样本量和多次查看放进同一设计,用两次手算查看与纯 Python z 检验说明何时可以提前停止。
14 分钟 中文 -
实验开跑前要招多少用户?用 MDE、统计功效与 CUPED 规划样本量从可检测效应、假阳性率和漏检率推导在线实验样本量,用手算与纯 Python 正态近似估算两臂人数,并说明 CUPED、Holm 与序贯实验如何改变规划。
14 分钟 中文 -
几十个指标总有一个显著,怎样控制实验误报?Holm 多重检验从预注册检验家族、手算逐步门槛到可复核的 Holm 实现,说明如何控制在线实验中多指标与多切片带来的假阳性。
12 分钟 中文 -
总体提升,为何新用户却受损?预注册分层与实验异质性效应从加权总体均值推导分组处理效应与交互项,用极小数据和可运行 Python 代码区分真实异质性、随机噪声与事后挑切片。
13 分钟 中文 -
实验指标波动太大怎么办?用 CUPED 校正处理前协变量从用户稳定差异出发推导 CUPED 的协变量校正,手算组间效果变化,并用纯 Python 检查方差收益与因果边界。
11 分钟 中文 -
实验分流看似随机,为什么进组人数会失衡?用 SRM 定位故障从实验分配到分析样本逐层计算 Sample Ratio Mismatch,手算卡方检验并用最小 Python 实现定位丢失、重复与筛选偏差。
12 分钟 中文 -
A/B 实验为何会被“串组”污染?确定性分桶与用户粘性把实验身份、哈希分桶和暴露日志连成一条可重放的数据链,避免同一用户跨组、跨设备或重试时破坏因果比较。
9 分钟 中文
返回