>假设我有以下数据帧df
conv_rate = sales / visits
:
theme visits sales conv_rate
0 brazil 34 2 5.9%
1 argentina 18 3 16.7%
2 spain 135 15 11.1%
3 uk 71 6 8.5%
4 france 80 4 5.0%
5 iceland 26 1 3.8%
6 chile 104 11 10.6%
7 italy 47 5 10.6%
# Total visits = 515
# Total sales = 47
# Mean conversion rate = 9.1%
我想测试哪些国家的转化率与人口均值的转化率显着不同(零假设=转化率没有差异(。
什么测试最适合这里?我相信我需要一个双尾检验,因为样本转化率可能高于或低于总体平均值。但是,我不确定t检验还是z检验最合适。
根据我所读到的内容,z 检验最适合大样本量 (n>30(,而 t 检验最适合小样本量 (n<30(。这是对的吗?由于我的一些样本(例如西班牙(的样本量比其他样本(例如阿根廷(大,我如何确定哪种测试最合适?我希望在所有行(样本(上运行相同的测试。
我在这里要做的是看看哪些国家的转化率与零假设"显着不同"。我想使用显著性检验来计算每个国家的"测试值"(例如下面(,然后将该值与阈值进行比较,以确定该国家/地区的转化率是否只能由 5%、1%、0.1% 的人口计算(因此让我非常有信心转化率的差异是"显着的"而不是偶然的(。
theme visits sales conv_rate value
0 brazil 34 2 5.9% 1.57
1 argentina 18 3 16.7% 4.51
2 spain 135 15 11.1% 3.06
3 uk 71 6 8.5% 2.57
4 france 80 4 5.0% 1.88
5 iceland 26 1 3.8% 1.28
6 chile 104 11 10.6% 3.23
7 italy 47 5 10.6% 2.94
哪种测试最适合此目的?我可以在pandas
中构建测试还是应该使用scipy
?
您可以使用二项式检验,将转化视为"销售额",将访问次数视为"试用",平均成功率即为平均销售额/平均访问量:
import pandas as pd
from scipy.stats import binom_test
p = df.sales.sum()/df.visits.sum()
df['p_binom'] = df.apply(lambda x: binom_test(x[2],x[1],p=p),axis=1)
df
theme visits sales conv_rate p_binom
0 brazil 34 2 5.9% 0.765868
1 argentina 18 3 16.7% 0.222923
2 spain 135 15 11.1% 0.452636
3 uk 71 6 8.5% 1.000000
4 france 80 4 5.0% 0.245689
5 iceland 26 1 3.8% 0.508992
6 chile 104 11 10.6% 0.607580
7 italy 47 5 10.6% 0.615161