Вчера на вебинаре мы обсудили, какие ошибки поджидают при проведении A/B тестов или статистических исследований в отсутствие понимания, какой размер эффекта вы хотите обнаружить и какой размер выборки для этого потребуется.
Что теперь? Собрали список важных дел, которые стоит сделать после открытой лекции:
● Поэкспериментировать с симуляцией A/B теста и проблемой подглядывания в Jupyter Notebook.
● Поиграть с калькулятором для размера выборки.
● Посмотреть, как исследования без чёткого плана могут приводить к неверным интерпретациям на примере большой научной работы, проведённой в Дании и показавшей, что маски не очень-то и защищают от коронавируса.
● Прочесть комментарий Data Scientist'а Алексея Чернобровова, чтобы понять, что с ним [исследованием] не так.
● Пересмотреть, конечно же, запись вебинара.
Что теперь? Собрали список важных дел, которые стоит сделать после открытой лекции:
● Поэкспериментировать с симуляцией A/B теста и проблемой подглядывания в Jupyter Notebook.
● Поиграть с калькулятором для размера выборки.
● Посмотреть, как исследования без чёткого плана могут приводить к неверным интерпретациям на примере большой научной работы, проведённой в Дании и показавшей, что маски не очень-то и защищают от коронавируса.
● Прочесть комментарий Data Scientist'а Алексея Чернобровова, чтобы понять, что с ним [исследованием] не так.
● Пересмотреть, конечно же, запись вебинара.