我正在使用贝叶斯ab测试的公式,以便使用贝叶斯方法计算AB测试的结果。
哪里
- 加A的成功次数
- 加A的失败次数
- 加上B的成功次数
- 加上B的失败次数
- 是Beta函数
示例数据:
control: 1000 trials with 78 successes
test: 1000 trials with 100 successes
标准的非贝叶斯prop测试可以给我带来显着的结果(p <10%):
prop.test(n=c(1000,1000), x=c(100,78), correct=F)
# 2-sample test for equality of proportions without continuity correction
#
# data: c(100, 78) out of c(1000, 1000)
# X-squared = 2.9847, df = 1, p-value = 0.08405
# alternative hypothesis: two.sided
# 95 percent confidence interval:
# -0.0029398 0.0469398
# sample estimates:
# prop 1 prop 2
# 0.100 0.078
虽然我对贝叶斯公式的实现(使用链接中的解释)给了我非常奇怪的结果:
# success control+1
a_control <- 78+1
# failures control+1
b_control <- 1000-78+1
# success control+1
a_test <- 100+1
# failures control+1
b_test <- 1000-100+1
is_control_better <- 0
for (i in 0:(a_test-1) ) {
is_control_better <- is_control_better+beta(a_control+i,b_control+b_test) /
(b_test+i)*beta(1+i,b_test)*beta(a_control,b_control)
}
round(is_control_better, 4)
# [1] 0
这意味着为,对于此数据,这毫无意义。
有人可以澄清吗?
你的权利!只是认为它将吸引更多的关注!
—
Yehoshaphat Schellekens 2015年
@YehoshaphatSchellekens,如果那是删除
—
蒂姆
p-value
标签的真正原因,因为它与标签无关。
好没问题。
—
Yehoshaphat Schellekens 2015年
p-value
标签的贝叶斯分析问题?我以为贝叶斯主义者拒绝与p值有任何关系。