样本大小计算器

The goal is to provide a simple way to calculate the needed population size required for a test to be statistically significant (e.g. the needed amount of visitors you need to assess that a lift/loss of x% can be trusted with a 95% confidence level).

NULL假设是“频繁的”统计测试中的“惯例”，说明变化之间没有区别（因此，命名“NULL”）。

当测试结果是负数时，它意味着确实有一个差异：我们正在否定空假设。相反，当测试的结果是肯定的时，它意味着变异之间没有任何差异。

这与p值的概念相关联。

P值是考虑空假设的A / B测试结果的概率。

简而言之，如果p值低（小于0.05），则无效假设不太可能是真的，因此变型之间存在差异。

相反，如果p值高（大于0.05），则空假设可能是真的，这意味着在变型之间可能没有实际差异。至少，您无法在这一点上得出结论，并且需要更多数据以进一步分析。

此p值仅通知存在差异的存在，它不会给出关于其大小的任何信息或是否为A> B或B> A.

符号：由于P值配方有点令人困惑，因此使用百分比：（1 - p值）* 100通常被翻译成“置信水平”。

到达统计学意义意味着置信水平相等或大于给定阈值。理论决定在实验开始之前固定此阈值。

对于置信水平，其统计显着性的常规阈值为95％（对应于P值为0.05），但它只是一个惯例。

应以每个企业的独特特征为符合此阈值，因为它直接与视为实验所指定的风险。

还请记住，95％的统计显着性意味着，统计上，每20个结果中的1个是错误的，没有任何可能检测到它的可能性。

该算法目前基于外推Z-统计公式，通常用于正常分布。华体会娱乐平台AB美味也提供贝叶斯A / B测试。

如果效果实际存在，统计功率是测试检测效果的能力。即：如果存在实际差异，则检测变化之间的差异。

在进行预测时，存在两种类型的错误。对于A / B测试，I型错误，也称为“假阳性”，声明了作为获胜者的错误变化，而II型错误缺少获胜变化。

区分不仅仅是理论上的：类型I和II型错误通常不会致力于相同的成本！然后希望它们以不同地处理它们。

也命名为单尾测试，差异在于它们的结果范围：

• 片面测试只会提供有关a = b是否有一个信息。如果a！= b，可能是a> b或
• 双面测试将提供一个更多信息：如果a！= b，是a> b或

这对于A / B测试非常重要，因为在实验开始之前差异的方向通常是未知的。

双面测试使用更安全，这就是我们在AB美味的情况下使用的。华体会娱乐平台