ABテストにおける分散削減手法①〜少ないサンプルから小さな改善効果を検出する〜｜あならいずパンダマネーフォワード 分析推進部の石田と申します。 社内では、データサイエンティストとして施策効果検証系の案件を中心に担当しています。 本稿から2回に渡って、「ABテストにおける分散削減手法」というテーマで記事を執筆したいと思います。 馴染みのない方もいらっしゃるかもしれませんが、ABテストへ分散削減手法を適用することで、例えば以下に挙げたメリットを享受することができます。 必要サンプルサイズを低減できるため、意思決定サイクルを高速化できる より小さな改善効果を検出できる 魅力的だと感じていただけた方は、ぜひ最後まで本稿をお読みください！ 目次 想定する読者層と書いてある内容本稿のメインターゲットは、以下のような方です。 統計的仮説検定の理論を少し勉強したことがあるけど、分散削減と言われてもあまりピンと来ていない 確率変数、標本平均、分散、正規分布の意味は分かるけど、t検定の検定統計量がパッと
https://twitter.com/s1ok69oo/status/1678353847864147968?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
https://twitter.com/nogawanogawa/status/1676171420802629632?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
yaginuuun on Twitter: "A/Bテストにおいて、比較群同士の独立性を仮定できない場合にどのような取り組みによって妥当な効果検証を行なっているのか解説している記事がDoordashから出ていた。 https://t.co/3bgVzLYFAQ"
マーキュリー２世 on Twitter: "独立した2群の研究デザインでサンプルサイズを決定し、正当性を示す9つの方法が使えるウエブアプリ・Rパッケージの紹介。出来上がったサンプルサイズ・レポートはプレレジや論文の原稿のテンプレートとして活用可能。SampleSizePla… https://t.co/eCssfRNVzV"
