Ab-Testing
為什麼 A/B 測試超重要：我要科學、不要只靠直覺
Data-Science
Ab-Testing
連微軟都有三分之二的想法會失敗，誰做決定還敢「純憑感覺」？
P 值越小越好？破除新手誤解：你需要信賴區間與效果量
Data-Science
Ab-Testing
Statistics
P 值越小代表結果越重要？統計顯著與「實用」顯著是兩回事！
A/B Test 看到顯著也不能信？小心統計檢定力不足！
Data-Science
Ab-Testing
Data-Analytics
Statistics
統計檢定力 Power Analysis
A/B Test 如何設定顯著水準？從 0.05 改成 0.01 算是夠嚴格的實驗嗎？
Data-Science
Ab-Testing
Data-Analytics
Statistics
介紹偽陽性率，它與顯著水準、統計檢定力、以及決策品質的關聯
卡方檢定的三大實戰使用時機：A/B 測試、分類模型、特徵選擇
Data-Science
Ab-Testing
Data-Analytics
Statistics
資料科學家不得不知道的三大卡方檢定使用時機：多組別的 A/B 測試、評估二分類模型、以及機器學習模型特徵選擇
A/B Test 樣本數究竟該怎麼算？公式與 Python 算法通通學會
Data-Science
Ab-Testing
Featured
Python
Data-Analytics
Statistics
A/B Test 樣本數計算的公式與假設
單尾與雙尾檢定，該選哪一個？
Data-Science
Ab-Testing
Featured
Data-Analytics
Statistics
簡短說明單尾與雙尾檢定的統計學特性差異，也介紹單尾檢定常見的錯誤使用方法
Novelty 與 Primacy Effect：好奇心殺死 A/B Test？
Data-Science
Ab-Testing
Data-Analytics
Statistics
A/B 測試不得不知道的 Novelty 與 Primacy Effect 問題，了解顧客的「好奇」與「守舊」傾向影響 A/B Testing 判讀
多重檢定問題：一定會有人中樂透
Data-Science
Ab-Testing
Data-Analytics
Statistics
分享什麼是多重檢定問題，他到底跟樂透、A/B Test、或者探索性資料分析有什麼關聯，並且介紹用來解決多重檢定問題的 Bonferroni 校正
比例資料的 A/B Test 該用卡方還是 Z 檢定？
Data-Science
Ab-Testing
R-Language
Data-Analytics
Statistics
介紹 Z 檢定與卡方檢定之間的關聯，以及什麼情況下這兩者都可以使用
A/A Test：商業實驗不能忘的前置動作
Data-Science
Ab-Testing
Python
Data-Analytics
Statistics
A/A Test 跟 A/B Test 不一樣，A/A Test 是 A/B Test 上線執行以前的重要前置準備
Sequential Testing：只需要加減法的 A/B Test？
Data-Science
Ab-Testing
Python
Data-Analytics
Statistics
Sequential A/B Testing 不止允許偷看數據、需要的樣本數比標準假設檢定還少、檢驗甚至只需要加減法！
A/B Test：「偷看結果」將成為最大的錯誤
Business-Thinking
Data-Science
Ab-Testing
Featured
Python
Data-Analytics
Statistics
在實驗樣本蒐集完整之前「偷看結果」，最嚴重的下場，會讓你手中看似有統計顯著性的決策，20% 以上是錯誤的！