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 。