Ny toeranao ery amin'ny ankavia Introduction Hypothesis testing 2.1 Introduction 2.2 Bayesian statistics 2.3 Test martingales 2.4 p-values 2.5 Optional Stopping and Peeking 2.6 Combining p-values and Optional Continuation 2.7 A/B testing Safe Tests 3.1 Introduction 3.2 Classical t-test 3.3 Safe t-test 3.4 χ2 -test 3.5 Safe Proportion Test Safe Testing Simulations 4.1 Introduction and 4.2 Python Implementation 4.3 Comparing the t-test with the Safe t-test 4.4 Comparing the χ2 -test with the safe proportion test Mixture sequential probability ratio test 5.1 Sequential Testing 5.2 Mixture SPRT 5.3 mSPRT and the safe t-test Online Controlled Experiments 6.1 Safe t-test on OCE datasets Vinted A/B tests and 7.1 Safe t-test for Vinted A/B tests 7.2 Safe proportion test for sample ratio mismatch Conclusion and References 5 Ny fitsapana ny fifandraisana amin'ny fifandraisana amin'ny fifandraisana 5.1 Ny fanandramana Araka ny fampitomboan'ny rafitra fikarohana A / B, dia manana ny fahafahana hijery ny valin'ny fitsapana [Joh+17]. Araka ny efa hitantsika, dia mitarika amin'ny vokatry ny fihenjanana ny tahan'ny fahadisoana. Mba hahazoana tombony amin'ny rafitra, ny orinasa teknolojia lehibe dia nanomboka mampihatra fomba statistika izay manan-kery amin'ny fotoana rehetra. Ity sehatra statistika ity dia fantatra amin'ny anarana hoe fitsapana ara-potoana, na famantarana ara-potoana. Ny fitsapana ara-potoana dia niorina tamin'ny taratasy seminal Wald momba ny lohahevitra, Sequential Tests of Statistical Hypotheses [Wal45]. Wald dia mampiasa ny fomba fitsapana Wald sy Wolfowitz dia nanaporofo fa ny SPRT dia ny fitsapana mifanaraka tsara indrindra eo amin'ny sehatry ny herin'ny antontan-taratasy [WW48]. Na izany aza, tokony ho hita fa ny famolavolana ny fitsapana mifanaraka amin'ny fitsapana azo antoka dia tsy mifanaraka amin'ny fitsapana azo antoka. Ny porofon'izy ireo dia mifototra amin'ny fanapahan-kevitry ny habakabaka mety ho eo amin'ny faritra telo: manaiky H0, manaisotra H0, na manohy ny fanodinana. Amin'ny fomba mifanohitra amin'izany, ny fitsapana azo antoka dia tsara indrindra eo amin'ny sehatry ny GROW [Pér+22], izay midika fa ny E-variable E dia hitombo haingana indrindra rehefa H0 5.2 Mifanohitra amin'ny SPRT Ny fampandrosoana ny fitsapana A / B ho an'ny fitsapana ara-potoana dia ahitana ny fampitomboana ny SPRT mba hampiasana angon-drakitra roa. Izany no nahatongavan'i Johari et al. [Joh+17] izay nanamboatra fomba fitsapana A / B fantatra amin'ny anarana hoe fitsapana Sequential Probability Ratio mixture (mSPRT). Ity fitsapana ity dia nampiasaina tamin'ny orinasa teknolojia lehibe toy ny Uber sy Netflix [SA23]. Toy ny fitsapana azo antoka, ny mSPRT dia miasa tsara amin'ny angon-drakitra granular, sequential. Ny mSPRT dia tena mitovy amin'ny SPRT, amin'ny fanantenana alohan'ny fa akaiky amin'ny θ0. Aoka isika Hitehirizana ny antontan-taratasy mSPRT amin'ny endriny martingale izahay mba hampitaha ny vokatra amin'ny fitsapana azo antoka. Ny mpanoratra: Ny vadiny dia Daniel Beasley. Author: Ny vadiny dia Daniel Beasley. Ity lahatsoratra ity dia azo jerena ao amin'ny archiv eo ambany fahazoan-dalana ATTRIBUTION-NONCOMMERCIAL-SHAREALIKE 4.0 INTERNATIONAL. Ity lahatsoratra ity dia azo jerena ao amin'ny archiv eo ambany fahazoan-dalana ATTRIBUTION-NONCOMMERCIAL-SHAREALIKE 4.0 INTERNATIONAL. Azo jerena ao amin'ny Archive