选模型，从你要做的事开始我
输入材料
实验方案、分组数据、主指标、样本单位和预设分析计划。
目标交付
分组质量检查、效应与区间估计、统计结果和决策说明。
怎样一步步完成
把工作拆成可检查的环节，再选择模型和配套工具。
- 01
回查实验设计
确认随机化单位、实验周期、主要指标和事先约定的停止条件。
- 02
核对样本质量
检查分流比例、污染、重复用户、缺失与异常数据。
- 03
运行统计计算
选择符合指标分布与设计的检验，计算效应量和置信区间。
- 04
解释业务意义
同时讨论统计不确定性、实际收益与适用人群，不只给显著或不显著。
需要哪些模型能力
按实际环节组合使用，下面的目录会展示匹配其中一种或多种能力的候选。
查看匹配的模型配套工具
R / Python 统计库实验分流与数据记录
选型与交付检查
- 分析必须运行统计代码，并公开检验假设和参数。
- 多重比较、提前停止和反复查看结果会影响结论。
- 观察性数据无法直接当作随机实验解释。
可以这样描述需求
使用 Python 分析 A/B 实验，检查样本分流与数据质量，计算效应量和置信区间，并总结统计与业务意义。带着这个需求继续选型