Pythonで学ぶA/Bテスト

第2章では、実験設計のプロセスを扱います。強いA/Bテストの仮説の立て方から始め、検出力（power）、誤り率、最小検出可能効果（MDE）などの統計概念を学びます。最後に、結論を導くのに適切なサンプルサイズの見積もり方法と、多重比較のシナリオへの対処方法を身につけます。

この章では、A/Bテストデータのクリーニング、前処理、探索の具体的なワークフローを学び、妥当な結果を得るために必要なサニティチェックを確認します。さらに、比率の差に関するA/Bテストの分析を、詳しい解説と例で取り上げます。

最終章では、平均値の差の分析フレームワークを構築し、前提が満たされない場合に非パラメトリック検定を活用する方法を学びます。さらに、比率指標の分析でDelta法を適用する方法や、A/Bテスト習熟に向けたベストプラクティスと発展的なトピックも紹介します。