minitab的cpk计算,minitab怎么计算样本量

　　A/B测试是我们做算法模型时离不开的助手。只有通过A/B测试的模式，才能进入产品。但是为了使A/B测试达到应有的效果，我们必须严格满足它的一些要求。这里有一篇关于A/B测试的文章：ABtest，假设检验，流量分配写的很好。这里我只补充一些细节。

　　Z检验很多情况下，我们要用Z检验来判断A/B检验的有效性。z-检验，也称“U-检验”，是检验检验数据在零假设下能否逼近正态分布的一种统计检验。根据中心极限定理，在大样本条件下，许多试验可以拟合正态分布。在不同的显著性水平上，Z-检验具有相同的临界值，因此对于临界值不同的学生，Z-检验比T-检验更简单易用。当实际标准差未知，样本量较小(小于等于30)时，学生的T检验更适用。

　　我们假设H0假设A和B之间没有显著差异，H1假设A和B之间有显著差异，那么我们有几个重要的数据要考虑：

　　样本量，即A和b的样本数，一般我们会设定功效：拒绝H0后接受H1的概率，一般设定为90%置信度：我们对得出结论有多大的把握，一般为0.95或0.99显著性：1-置信度，即0.05或0.01置信区间：目标值的置信区间。以孤独的白天分布为例，没错，其中，与置信度有关的statsmodels Python有一个统计工具statsmodels，其中有一个NormalIndPower工具可以用来计算Z-test。

　　给我一个简单的？我们知道当前的CTR为0.7，我们想将CTR提高10%，即提高到0.77。A和B的样本量相同，因此我们计算所需样本量的方法是：

　　effect _ size=0.07/sqrt(0.7 *(1-0.7))打印NormalIndPower()。solve _ power(effect _ Size=effect _ Size，nobs1=None，alpha=0.05，power=0.9，ratio=1.0，Alternative=larger )复制代码计算器网上有很多样本大小计算器。例如，这是一个样本大小计算器。其中转化率是指优化目标的当前值，比如当前的CTR，其他指标如我们之前提到的。