Practicing Statistics in Python: Hypothesis Testing

摘要

在一個產品改動實驗裡，控制組與實驗組的平均分別是 169.61 與 169.88，這樣就說明了實驗組表現得比較好嗎？還是差異是來自隨機誤差呢？在這場演講，我們會介紹如何使用假設檢定對實驗結果進行判斷，而且是以 Python 的 SciPy 函數庫，最少僅需要一行程式碼，來介紹包含 p-value、α、β、effect size、sample size 等不可或缺的假設檢定必備知識。

說明

實驗組平均比控制組好，就是真的比較好嗎？ 從學界到業界，「實驗」都是不可或缺的研究方法，我們把受試者分成兩組，量到控制組與實驗組的平均分別是 169.61 與 169.88，這樣就說明了實驗組比控制組還要好嗎？會不會只是來自隨機誤差呢？ 這場演講將介紹如何使用 Python 的 SciPy 函數庫進行假設檢定，最少僅需要一行程式碼。也會包含真實資料集示範、運作原理、常見的假設檢定以及完整的假設檢定步驟，以及 p-value、α、β、effect size、sample size 等不可或缺的假設檢定必備知識。

投影片

https://speakerdeck.com/mosky/hypothesis-testing-with-python

講者

Mosky Liu

Mosky 是個熱愛 open source 精神的 Python 工程師，也是 Pinkoi 的 Python Charmer，工作時和同事一起打造能夠買到獨特禮物的設計品購物平台。

自從寫下人生第一支程式後，就難以忘懷以敘述為磚、邏輯為泥，堆砌出腦中藍圖的成就感，也熱愛分享自己所學，業餘時是 Python 課程講師，偶爾講點資料科學。也是數場國內外研討會的講者，包含臺灣的 PyCon、COSCUP、TEDxNTUST，以及在日本、新加坡、香港、韓國、馬來西亞等地的 PyCon。More: mosky.tw 。