در این مطلب، ویدئو تست AB در پایتون – رائول مالدونادو با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:49:07
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,310 –> 00:00:15,640
[موسیقی]
2
00:00:17,960 –> 00:00:20,760
برای حضور در خانه احتمالاً برای
3
00:00:20,760 –> 00:00:25,410
شما خوب است، بله آخرین جلسه
4
00:00:25,410 –> 00:00:27,119
آخر هفته و امیدواریم که اوقات خوشی را سپری کرده
5
00:00:27,119 –> 00:00:28,619
باشید، مانند کار نکردن
6
00:00:28,619 –> 00:00:30,869
با پوشیدن وسایل جدید و همچنین یادگیری
7
00:00:30,869 –> 00:00:33,270
این آخرین چیزی که
8
00:00:33,270 –> 00:00:37,620
در مورد تست a/b صحبت خواهیم کرد. پایتون و اگر
9
00:00:37,620 –> 00:00:41,790
میخواهید کمی بزرگنمایی را دنبال
10
00:00:41,790 –> 00:00:44,940
کنید، میتوانید به این لینک
11
00:00:44,940 –> 00:00:47,910
بروید، یک پیوند کمی رائول –
12
00:00:47,910 –> 00:00:49,649
آزمایش EB یا بعداً میتوانم
13
00:00:49,649 –> 00:00:53,280
آن را بررسی کنم، اگر به یک مخزن github هدایت
14
00:00:53,280 –> 00:00:56,130
میشود و حاوی یک
15
00:00:56,130 –> 00:00:59,190
نوت بوک ارزانتر با راهحلها و سپس
16
00:00:59,190 –> 00:01:01,020
یک نوتبوک که میدانید
17
00:01:01,020 –> 00:01:04,500
دوست دارید آن را چک کنید، سعی کنید خودتان آن را پیادهسازی کنید، بله
18
00:01:04,500 –> 00:01:06,090
، آنها فقط منابع اضافی
19
00:01:06,090 –> 00:01:10,050
و اطلاعات دیگر در کنار آن
20
00:01:10,050 –> 00:01:15,450
مخزن هستند، بنابراین بله – چیزی که ویکرام
21
00:01:15,450 –> 00:01:17,009
قبلاً میگفت من یک داده هستم تحلیلگر
22
00:01:17,009 –> 00:01:19,770
داوطلب autodesk برای Delta analytics
23
00:01:19,770 –> 00:01:22,140
Pi Bay پروژههای جانبی زیادی را دوست دارد
24
00:01:22,140 –> 00:01:25,170
و من از قهوه و دویدن در ساحل لذت میبرم،
25
00:01:25,170 –> 00:01:27,750
بله، همچنین دوست دارم فعالیتهای بدنی دیگری را انجام دهم،
26
00:01:27,750 –> 00:01:32,310
فقط برای اینکه بدانید
27
00:01:32,310 –> 00:01:33,659
استرس را به درستی از بین ببرید. بله،
28
00:01:33,659 –> 00:01:36,540
من هستم، بنابراین او خوب است که انجام دهم و
29
00:01:36,540 –> 00:01:38,130
عادت سالمی دارد و امروز شما در مورد
30
00:01:38,130 –> 00:01:42,180
تست a/b چیزی فراتر از یک
31
00:01:42,180 –> 00:01:44,090
رویکرد آکادمیک یاد
32
00:01:44,090 –> 00:01:46,439
خواهید گرفت، مانند برخی از
33
00:01:46,439 –> 00:01:48,600
پیامدهای انجام یک آزمایش /b تست
34
00:01:48,600 –> 00:01:52,619
از شاید مانند یک حس تجاری یا مانند
35
00:01:52,619 –> 00:01:53,970
شما می دانید که در تولید اساساً می خواهم
36
00:01:53,970 –> 00:01:57,990
و فقط یک نکته که تمام این
37
00:01:57,990 –> 00:02:02,400
اطلاعات پوشش داده شده به هیچ وجه به اتودسک مربوط نمی شود
38
00:02:02,400 –> 00:02:04,049
به خصوص
39
00:02:04,049 –> 00:02:06,720
مفاهیم و سپس نمونه هایی که
40
00:02:06,720 –> 00:02:08,970
مورد بحث قرار نگرفته اند آنها بیشتر به
41
00:02:08,970 –> 00:02:12,630
سمت هدف هستند. این جلسه انفرادی و همانطور
42
00:02:12,630 –> 00:02:15,260
که من میدانم یک نوع آموزش شبیه به فرمت است و
43
00:02:15,260 –> 00:02:17,400
بله، و اگر دنبال میکنید
44
00:02:17,400 –> 00:02:19,500
، فقط چند یادداشت وجود دارد تا
45
00:02:19,500 –> 00:02:21,660
مطمئن شوید که در
46
00:02:21,660 –> 00:02:25,889
بازتولیدپذیری خودتان از گذراندن
47
00:02:25,889 –> 00:02:27,750
مراحل خوب هستید، مانند یک نوت بوک فوقالعاده است. بنابراین، از نظر مفهومی،
48
00:02:27,750 –> 00:02:30,000
چرا او یک
49
00:02:30,000 –> 00:02:31,140
آزمون آزمایشی را آزمایش میکند،
50
00:02:31,140 –> 00:02:33,090
آزمایش تصادفی بین
51
00:02:33,090 –> 00:02:35,790
دو نوع یا دو گروه است که به
52
00:02:35,790 –> 00:02:37,560
طور سنتی در دانشگاه یا زمانی که
53
00:02:37,560 –> 00:02:38,790
شما هستید، مانند آن هستید که 101 دوره
54
00:02:38,790 –> 00:02:39,900
شما هستید. مثلاً سعی میکنید
55
00:02:39,900 –> 00:02:42,660
بین یک گروه کنترل و یک گروه درمانی آزمایش کنید،
56
00:02:42,660 –> 00:02:45,060
گروه
57
00:02:45,060 –> 00:02:48,810
گروه درمانی در
58
00:02:48,810 –> 00:02:51,210
مقایسه با گروه اولیه که تغییری در آن ایجاد کردید گروه متفاوتی است
59
00:02:51,210 –> 00:02:53,430
و سعی کنید ببینید آیا
60
00:02:53,430 –> 00:02:55,710
تفاوت معنیداری بین
61
00:02:55,710 –> 00:02:57,930
این دو مورد وجود دارد یا خیر. با این فرض
62
00:02:57,930 –> 00:03:00,180
که هیچ تفاوتی بین
63
00:03:00,180 –> 00:03:03,209
این دو گروه وجود ندارد و پس مثلاً بگویید
64
00:03:03,209 –> 00:03:05,900
ما یک کمپین تبلیغاتی دیجیتال
65
00:03:05,900 –> 00:03:10,680
داریم a و یک فراخوان برای اقدام داریم یا اینکه چه
66
00:03:10,680 –> 00:03:12,720
چیزی را بیشتر به صورت بصری قرار می دهم
67
00:03:12,720 –> 00:03:15,120
مانند دکمه ای است که می گوید مانند اینجا بیشتر بدانید
68
00:03:15,120 –> 00:03:17,450
یا ببخشید لطفاً اینجا را کلیک کنید یا
69
00:03:17,450 –> 00:03:22,440
چیزی شبیه به a در مفهوم
70
00:03:22,440 –> 00:03:24,600
تلاش برای وادار کردن شما به اقدام در
71
00:03:24,600 –> 00:03:26,340
تبلیغ خاص و سپس شما یک
72
00:03:26,340 –> 00:03:28,709
جایگزین در کمپین B دارید که به نظر می رسد یک
73
00:03:28,709 –> 00:03:31,440
تغییر جزئی برای همان قالبی باشد
74
00:03:31,440 –> 00:03:33,959
که تجسم احتمالاً انجام می دهد. بهتر است
75
00:03:33,959 –> 00:03:36,120
اما مت فقط تصور کنید تغییر متنی وجود دارد که
76
00:03:36,120 –> 00:03:37,980
شما فقط می
77
00:03:37,980 –> 00:03:40,320
گویید خوب است اینجا بیشتر بیاموزید و مثال هایی
78
00:03:40,320 –> 00:03:42,180
مانند در نظر گرفتن مواردی مانند اوه می خواهم لایک
79
00:03:42,180 –> 00:03:45,810
کنم می خواهم کاربرانم
80
00:03:45,810 –> 00:03:47,130
روی تبلیغات من کلیک کنید تا بتوانند در مورد محصول من اطلاعات بیشتری کسب کنند
81
00:03:47,130 –> 00:03:49,200
و امیدوارم به
82
00:03:49,200 –> 00:03:52,110
هدف کلی بیشتری برسند و در
83
00:03:52,110 –> 00:03:54,720
آن معیاری برای انتخاب Devine به عنوان
84
00:03:54,720 –> 00:03:56,160
نرخ کلیک وجود دارد که
85
00:03:56,160 –> 00:03:58,769
بعداً در مورد آن صحبت خواهم کرد و چگونه به آن می رویم.
86
00:03:58,769 –> 00:04:02,160
تصمیم گیری همانطور که ما از طریق این فرآیند تست AP پیش می رویم،
87
00:04:02,160 –> 00:04:04,470
من فقط یک
88
00:04:04,470 –> 00:04:07,140
پس زمینه سریع قبل از ادامه
89
00:04:07,140 –> 00:04:08,820
جزئیات بیشتر هستم.
90
00:04:08,820 –> 00:04:11,130
91
00:04:11,130 –> 00:04:12,900
92
00:04:12,900 –> 00:04:15,330
93
00:04:15,330 –> 00:04:17,668
بطور
94
00:04:17,668 –> 00:04:20,160
انتزاعی مثل این است که اگر دادههای شما دادهها را شبیهسازی
95
00:04:20,160 –> 00:04:23,100
کند، تصور شما از یک فرضیه صفر یا
96
00:04:23,100 –> 00:04:28,620
H naught یا H زیرنویس 0 است و آن
97
00:04:28,620 –> 00:04:30,750
مدل H naught یا H naught میگوید
98
00:04:30,750 –> 00:04:32,310
خوب است، تفاوتی بین این
99
00:04:32,310 –> 00:04:35,790
دو گروه وجود ندارد، ما این دو مجموعه
100
00:04:35,790 –> 00:04:39,300
داده را مقایسه میکنیم یا نمونه ها یا انواع مختلف و ما
101
00:04:39,300 –> 00:04:42,419
مانند محاسبه یک آمار تست آزمایش شده،
102
00:04:42,419 –> 00:04:44,580
103
00:04:44,580 –> 00:04:47,610
بعداً در مورد آن بیشتر صحبت می کنیم و سپس
104
00:04:47,610 –> 00:04:51,060
با این آمار آزمایشی سعی می کنیم
105
00:04:51,060 –> 00:04:52,379
آن را بین اثر مشاهده شده
106
00:04:52,379 –> 00:04:56,060
یا مقداری مقایسه کنیم. برای اینکه ببینید
107
00:04:56,060 –> 00:04:59,879
آیا تفاوتی بین این دو گروه وجود دارد یا خیر
108
00:04:59,879 –> 00:05:03,090
و ما بعداً در مورد آن بیشتر صحبت خواهیم
109
00:05:03,090 –> 00:05:05,039
کرد، بسیار مهم است، اما شما یک
110
00:05:05,039 –> 00:05:07,110
نمونه سریع از آنچه ممکن است در آینده شبیه
111
00:05:07,110 –> 00:05:11,669
به آن باشد را ببینید و سپس آزمونهای فرضیهای را که
112
00:05:11,669 –> 00:05:14,099
ذکر کردم مانند آنچه ما ذکر کردم تست فرضیه
113
00:05:14,099 –> 00:05:15,780
اگرچه با این بحث در مورد
114
00:05:15,780 –> 00:05:18,210
آزمایش EB تست AV اساساً
115
00:05:18,210 –> 00:05:20,190
آزمایش فرضیه است، اما تفاوت را
116
00:05:20,190 –> 00:05:22,440
می توان با مشابه تعریف کرد در حالی که محققان
117
00:05:22,440 –> 00:05:24,780
یا افراد در صنعت
118
00:05:24,780 –> 00:05:26,340
مانند آنها هستند و بر اساس
119
00:05:26,340 –> 00:05:28,229
طراحی آزمایشی خود در مورد هسته
120
00:05:28,229 –> 00:05:31,560
همه چیز متفاوت هستند. و به خصوص تنظیم
121
00:05:31,560 –> 00:05:32,849
و همه چیز در این فرآیند این است که شما
122
00:05:32,849 –> 00:05:36,300
ملاحظاتی را انجام میدهید که ریشههای آن از
123
00:05:36,300 –> 00:05:38,129
پیشینه آماری ناشی میشود و
124
00:05:38,129 –> 00:05:41,370
در آزمایش فرضیه در اینجا متولد میشود، شما
125
00:05:41,370 –> 00:05:43,979
فقط شبیه به آزمایش فرضیه را اساساً به عنوان
126
00:05:43,979 –> 00:05:47,840
نسخه مدرن یک آزمون فرضیه میبینید و
127
00:05:47,840 –> 00:05:51,090
هیچکس شبیه به آمار نیست. 101 وقتی می گویید
128
00:05:51,090 –> 00:05:53,849
شما ممکن است وارد آن
129
00:05:53,849 –> 00:05:56,099
برنامه های درسی شده باشید یا نه، مفاهیم اساسی مانند توصیف واریانس
130
00:05:56,099 –> 00:05:57,930
میانگین انحراف معیار را یاد می
131
00:05:57,930 –> 00:06:00,719
گیرید. آمار و ارقام و شما
132
00:06:00,719 –> 00:06:02,639
را به سمت جلو به آزمون فرضیه
133
00:06:02,639 –> 00:06:04,740
هدایت می کنید و مانند این ترکیب خود هستید
134
00:06:04,740 –> 00:06:06,180
و مانند یک نوع گیج کننده هستید مانند اینکه چه
135
00:06:06,180 –> 00:06:08,699
اطلاعاتی خوب بود این همه معنی
136
00:06:08,699 –> 00:06:10,529
داشت میانگین آزمون فرضیه بود و
137
00:06:10,529 –> 00:06:13,169
مانند فرضیات ظریف تفاوت بین
138
00:06:13,169 –> 00:06:13,800
آنها
139
00:06:13,800 –> 00:06:16,440
و همچنین شما به درک این موضوع برسم
140
00:06:16,440 –> 00:06:21,060
که چگونه می توانم
141
00:06:21,060 –> 00:06:23,339
آمار آزمون درست را انتخاب کنم، بنابراین
142
00:06:23,339 –> 00:06:26,060
سردرگمی زیادی در آنجا وجود دارد و
143
00:06:26,060 –> 00:06:29,430
مانند یادگیری هر
144
00:06:29,430 –> 00:06:32,129
چیزی که هر چیزی یاد می گیرد،
145
00:06:32,129 –> 00:06:33,150
در اینجا نوعی سردرگمی وجود دارد، اما در این جلسه
146
00:06:33,150 –> 00:06:37,020
امیدوارم بتوانم آن را انجام دهم. منحنی یادگیری
147
00:06:37,020 –> 00:06:39,569
کمی آسانتر است، دقیقاً مثل
148
00:06:39,569 –> 00:06:42,210
اینکه همه چیز را بسیار کاربردی کنید، بنابراین درست
149
00:06:42,210 –> 00:06:44,219
مانند کمی پیشزمینه است و سپس
150
00:06:44,219 –> 00:06:46,229
در اینجا فقط مواردی وجود دارد که مثلاً
151
00:06:46,229 –> 00:06:48,180
چه آمار تستی یا چه
152
00:06:48,180 –> 00:06:49,800
آزمونی بسته به اینکه من به روشی نیاز دارم.
153
00:06:49,800 –> 00:06:52,199
انواع مختلفی از موارد استفاده که
154
00:06:52,199 –> 00:06:55,500
در زیر توزیع Dita من را داده اند
155
00:06:55,500 –> 00:06:57,540
که مانند گاو مقدس به معنای گاوسی است
156
00:06:57,540 –> 00:07:00,990
اما ما در یک چند جمله ای و سپس
157
00:07:00,990 –> 00:07:02,910
شما نیز امتیاز دارید. بدیهیات راهزنان
158
00:07:02,910 –> 00:07:04,970
مانند یک طبقه بندی است نه مقوله ای
159
00:07:04,970 –> 00:07:07,800
حق طبقه بندی شده است.
160
00:07:07,800 –> 00:07:10,230
161
00:07:10,230 –> 00:07:11,880
162
00:07:11,880 –> 00:07:16,080
163
00:07:16,080 –> 00:07:17,760
164
00:07:17,760 –> 00:07:20,970
می توانم
165
00:07:20,970 –> 00:07:23,990
از پیوند bitly
166
00:07:23,990 –> 00:07:26,790
که من ایجاد کردم PR ارسال کننده یا موضوعی
167
00:07:26,790 –> 00:07:29,100
که دوست دارم وارد آن پیوند github شوم و مجبورم کردم به
168
00:07:29,100 –> 00:07:30,720
آن اشاره کنم که آن را به اسناد مخزن اضافه نکنم
169
00:07:30,720 –> 00:07:32,880
همچنین شروع به تشویق برخی از
170
00:07:32,880 –> 00:07:35,460
همکاری کنید و همچنین بیشتر بدانید
171
00:07:35,460 –> 00:07:37,440
در مورد مثل اینکه شما می خواهید
172
00:07:37,440 –> 00:07:39,870
فرضیه را آزمایش کنید، آزمایش فرضیه خوب است،
173
00:07:39,870 –> 00:07:43,770
بنابراین بیایید به فرمت برگردیم تا
174
00:07:43,770 –> 00:07:47,280
داده های شبیه سازی شده داشته باشیم و بر فرض اولیه می آییم که
175
00:07:47,280 –> 00:07:49,590
176
00:07:49,590 –> 00:07:51,840
بین آمار آزمون گروه ها تفاوتی وجود ندارد
177
00:07:51,840 –> 00:07:53,820
و سپس
178
00:07:53,820 –> 00:07:57,180
محاسبات را انجام می دهیم و دوست داریم. سپس به
179
00:07:57,180 –> 00:08:01,200
طور خاص، اکنون
180
00:08:01,200 –> 00:08:04,470
میخواهیم اصل همه چیز را دوست داشته باشیم، بنابراین
181
00:08:04,470 –> 00:08:07,200
با استفاده از
182
00:08:07,200 –> 00:08:08,940
همان نمونه کمپینهای تبلیغاتی دیجیتال تحت
183
00:08:08,940 –> 00:08:11,940
برخی مانند ساختگی، وارد فرآیند یک تست a/b میشویم. دادهها، اما مراحلی
184
00:08:11,940 –> 00:08:13,320
که ما طی میکنیم به این صورت است
185
00:08:13,320 –> 00:08:15,690
186
00:08:15,690 –> 00:08:17,820
که فرضیه خود
187
00:08:17,820 –> 00:08:20,130
را
188
00:08:20,130 –> 00:08:23,310
189
00:08:23,310 –> 00:08:25,920
190
00:08:25,920 –> 00:08:29,040
بررسی میکنیم. آن را با و سپس برخی
191
00:08:29,040 –> 00:08:32,400
مفروضات قبلی دیگر مانند
192
00:08:32,400 –> 00:08:34,799
اندازه فایل حداقل اثر قابل تشخیص جمع آوری می کنیم، بنابراین ما آنقدر ادامه می
193
00:08:34,799 –> 00:08:36,929
دهیم تا آن را تجزیه و تحلیل کنیم، سپس
194
00:08:36,929 –> 00:08:39,750
آن محاسبه آماری آزمون را در اینجا تجزیه و تحلیل یا انجام می
195
00:08:39,750 –> 00:08:43,799
196
00:08:43,799 –> 00:08:46,530
دهیم و سپس برای تست SEBI به نتیجه می رسیم،
197
00:08:46,530 –> 00:08:49,800
بنابراین در اینجا
198
00:08:49,800 –> 00:08:53,040
فرضیه خود را بیان کنید
199
00:08:53,040 –> 00:08:57,290
انواع مختلفی از گزاره های فرضیه وجود دارد.
200
00:08:57,290 –> 00:09:00,060
Dec Laurie ببخشید
201
00:09:00,060 –> 00:09:01,710
سه نوع اعلان مختلف
202
00:09:01,710 –> 00:09:03,930
برای بیانیه شما برای آزمون فرضیه شما وجود دارد،
203
00:09:03,930 –> 00:09:08,210
ببینید آیا من اینجا خوب هستم تا بتوانید
204
00:09:08,210 –> 00:09:11,050
اصل خود را داشته باشید، مانند
205
00:09:11,050 –> 00:09:15,490
فرضیه H شبیه به دیدن
206
00:09:15,490 –> 00:09:17,529
آن نیست. تفاوت مشاهده ای
207
00:09:17,529 –> 00:09:19,060
بین دو گروه یا دو چیز در حال
208
00:09:19,060 –> 00:09:21,160
مقایسه و سپس سه
209
00:09:21,160 –> 00:09:23,200
جایگشت دیگر برای hy جایگزین شما وجود ندارد
210
00:09:23,200 –> 00:09:26,890
فرضیه این است که به
211
00:09:26,890 –> 00:09:29,050
نوبه خود در فرضیه بیانیه ای
212
00:09:29,050 –> 00:09:30,490
مانند خوب وجود دارد
213
00:09:30,490 –> 00:09:32,760
بین این دو گروه تفاوت وجود دارد که این دو
214
00:09:32,760 –> 00:09:35,019
گروه درمان کنترل بسته
215
00:09:35,019 –> 00:09:36,880
به زمینه ساخت و ساز یا
216
00:09:36,880 –> 00:09:39,750
شاید تنیس شما می توانید چیزی شبیه به
217
00:09:39,750 –> 00:09:42,100
چیزی کمتر داشته باشید. از مساوی
218
00:09:42,100 –> 00:09:45,160
مقداری چیزی است که تفاوت
219
00:09:45,160 –> 00:09:47,470
بین دو ما به نظر
220
00:09:47,470 –> 00:09:49,149
می رسد نرخ کلیک بزرگتر از
221
00:09:49,149 –> 00:09:53,709
صفر خواهد بود و سپس این
222
00:09:53,709 –> 00:09:55,240
تفاوت ها با یکدیگر برابر نیستند
223
00:09:55,240 –> 00:09:57,980
و از نظر بصری معنی آن
224
00:09:57,980 –> 00:09:59,760
[موسیقی]
225
00:09:59,760 –> 00:10:02,980
برخی است. مقادیر بحرانی فقط عالی است برخی از
226
00:10:02,980 –> 00:10:04,779
محاسبات آماری آزمون ما بزرگتر از
227
00:10:04,779 –> 00:10:08,760
مقدار بحرانی هستند یا آنهایی که به
228
00:10:08,760 –> 00:10:13,029
سادگی به ما می گویید کجاست، پس برای من برخی از من
229
00:10:13,029 –> 00:10:16,899
را ببخشید و در اینجا برای
230
00:10:16,899 –> 00:10:19,209
آزمون دنباله درست ببخشید ما می گوییم که خوب برخی از
231
00:10:19,209 –> 00:10:21,040
مقادیر بیشتر از تفاوت بین
232
00:10:21,040 –> 00:10:23,200
این دو گروهها دقیقاً در اینجا ما یک
233
00:10:23,200 –> 00:10:26,230
تست دنباله چپ داریم که میگوید ممکن
234
00:10:26,230 –> 00:10:28,420
است چیزی وجود داشته باشد مانند تفاوت
235
00:10:28,420 –> 00:10:30,250
بین این دو کمتر از برخی
236
00:10:30,250 –> 00:10:32,500
مانند نقطه بحرانی است و دقیقاً
237
00:10:32,500 –> 00:10:34,870
اینجاست که ممکن است بین
238
00:10:34,870 –> 00:10:38,520
این دو گروه در هر جهت تفاوت وجود
239
00:10:38,520 –> 00:10:41,110
داشته باشد و بیشتر به سمت
240
00:10:41,110 –> 00:10:44,890
این رویکرد جذب میشوند، فقط به این دلیل که وقتی
241
00:10:44,890 –> 00:10:47,440
وارد یک تست a/b برای کمپینهای فردی مشابه
242
00:10:47,440 –> 00:10:48,510
میشویم و خودیابی جدیدی انجام
243
00:10:48,510 –> 00:10:49,779
میدهیم.
244
00:10:49,779 –> 00:10:54,070
تا زمانی که اطلاعاتی در مورد اینکه برای
245
00:10:54,070 –> 00:10:55,810
چه جهتی میخواهیم
246
00:10:55,810 –> 00:10:58,540
تست کنیم، نداشته باشیم، میتوانیم
247
00:10:58,540 –> 00:11:00,579
برای تست دم چپ یا راست ارزیابی کنیم،
248
00:11:00,579 –> 00:11:03,399
اما در اینجا مانند رویکرد خنثیتر
249
00:11:03,399 –> 00:11:05,170
است، مثل این است که بگوییم خوب است، مثل اینکه آیا سعی
250
00:11:05,170 –> 00:11:07,300
میکنیم حداقل ببینیم. اگر تفاوتی
251
00:11:07,300 –> 00:11:11,790
بین این دو گروه وجود دارد که ما
252
00:11:11,790 –> 00:11:18,600
خوب هستیم و سپس برخی از مفاهیم برای
253
00:11:18,600 –> 00:11:21,820
آزمون فرضیه شما بیانیه
254
00:11:21,820 –> 00:11:24,399
آزمون فرضیه شما این است که می خواهید اطمینان حاصل
255
00:11:24,399 –> 00:11:24,920
256
00:11:24,920 –> 00:11:26,779
کنید که سعی نمی کنید ثابت کنید که
257
00:11:26,779 –> 00:11:28,040
بین دو چیز تفاوت وجود دارد، بلکه می خواهید ثابت کنید که بین دو چیز تفاوت وجود دارد.
258
00:11:28,040 –> 00:11:30,109
تحت ظلم اولیه هستید
259
00:11:30,109 –> 00:11:31,689
همانطور که قبلاً اشاره کردم که
260
00:11:31,689 –> 00:11:34,040
شما آنجا هستید و می خواهید به این
261
00:11:34,040 –> 00:11:35,720
امید بیایید که
262
00:11:35,720 –> 00:11:37,609
بین این دو گروه تفاوتی وجود ندارد و سعی کنید
263
00:11:37,609 –> 00:11:40,399
توجه داشته باشید که اگر بین این دو گروه تفاوتی وجود دارد،
264
00:11:40,399 –> 00:11:43,309
این یک قیاس با این
265
00:11:43,309 –> 00:11:45,559
است که تصور کنید به دادگاه می روید شما
266
00:11:45,559 –> 00:11:47,089
قاضی جودی را می بینید و او در حال حاضر مثل
267
00:11:47,089 –> 00:11:49,220
اوه نه شما مقصر هستید و
268
00:11:49,220 –> 00:11:52,160
بسته به اینکه شما چه کسی هستید،
269
00:11:52,160 –> 00:11:55,879
ممکن است این مرجع مرتبط باشد. شما
270
00:11:55,879 –> 00:11:57,669
قضاوت کنید شما در گذشته نیستید
271
00:11:57,669 –> 00:12:03,049
و در اینجا چند مورد مختلف وجود دارد
272
00:12:03,049 –> 00:12:07,519
مانند آنچه که
273
00:12:07,519 –> 00:12:10,759
واقعیت آن چیزی است که شما در مورد آنچه
274
00:12:10,759 –> 00:12:13,249
تصمیم می گیرید در مقابل آنچه که در آزمون آزمایشی خود تصمیم می گیرید چیست
275
00:12:13,249 –> 00:12:16,129
و چهار
276
00:12:16,129 –> 00:12:17,689
نوع مختلف وجود دارد. از موارد، من خیلی
277
00:12:17,689 –> 00:12:19,819
سریع به این تجسم برمی گردم، اما
278
00:12:19,819 –> 00:12:23,389
ما نقطه ای از یک خطای نوع 1 داریم که در آن می
279
00:12:23,389 –> 00:12:25,790
گوییم اوه چیزی در
280
00:12:25,790 –> 00:12:30,610
واقعیت درست بود، این بود که اینطور نبود،
281
00:12:30,610 –> 00:12:34,009
ما یک خطای نوع 2 داریم که دارد.
282
00:12:34,009 –> 00:12:37,749
مفهوم منفی تر آن جایی است که می
283
00:12:37,749 –> 00:12:40,790
گوییم برای ما
284
00:12:40,790 –> 00:12:43,160
کمپین های خیریه مقایسه ای است که می گوییم
285
00:12:43,160 –> 00:12:44,899
اصلاً بین این دو
286
00:12:44,899 –> 00:12:47,839
کمپین تفاوتی وجود ندارد اما در واقعیت
287
00:12:47,839 –> 00:12:50,149
تفاوت وجود داشت اما به سمت نتیجه گیری نمی رویم.
288
00:12:50,149 –> 00:12:53,439
289
00:12:53,439 –> 00:12:55,699
فرضیه جایگزین در آزمون ما کلاه است و آن
290
00:12:55,699 –> 00:12:57,529
خطای نوع 2 است، زیرا ما بر
291
00:12:57,529 –> 00:12:59,689
روی باورهای خودمان محکم می ایستیم، حتی اگر
292
00:12:59,689 –> 00:13:02,629
شواهدی در این آزمون
293
00:13:02,629 –> 00:13:04,279
خاص وجود دارد که نشان می دهد تفاوت مشاهده شده
294
00:13:04,279 –> 00:13:06,589
بین این دو گروه وجود دارد و در
295
00:13:06,589 –> 00:13:13,660
اینجا دقیقاً اینجا خواهد بود. محاسبه توان شما
296
00:13:15,939 –> 00:13:18,019
دقیقاً در اینجا مانند 1 منهای
297
00:13:18,019 –> 00:13:22,129
بتا است که با این نوع نشان دادن هری، مانند 1 منهای
298
00:13:22,129 –> 00:13:24,499
احتمال خطای نوع 2 از نظر بصری تر خواهد بود،
299
00:13:24,499 –> 00:13:27,109
300
00:13:27,109 –> 00:13:30,079
بنابراین توزیعی داریم که در آن H هیچ
301
00:13:30,079 –> 00:13:32,059
درست فرض می شود و سپس
302
00:13:32,059 –> 00:13:33,799
وجود دارد. ما توزیع متفاوتی داریم
303
00:13:33,799 –> 00:13:36,919
که در آن هر کدام شبیه به زودی درست است
304
00:13:36,919 –> 00:13:37,790
و
305
00:13:37,790 –> 00:13:40,130
در نقطه بریدگی جزئی درست در اینجا
306
00:13:40,130 –> 00:13:42,710
می بینیم که سعی می کنیم از فرضیه اولیه خود تعیین کنیم
307
00:13:42,710 –> 00:13:44,990
که آیا بین دو گروه تفاوت وجود دارد،
308
00:13:44,990 –> 00:13:47,350
این در اینجا
309
00:13:47,350 –> 00:13:51,860
مقدار آلفای ما است یا احتمال آن
310
00:13:51,860 –> 00:13:54,470
خطای نوع یک درست در اینجا قدرتی
311
00:13:54,470 –> 00:13:58,550
است که روی 80 درصد تنظیم شده است که با
312
00:13:58,550 –> 00:14:00,860
چیزی بیشتر است که ما دوست داریم و
313
00:14:00,860 –> 00:14:03,020
سعی می کنیم تمرکز روی آن را دوست داشته باشیم که
314
00:14:03,020 –> 00:14:05,120
احتمال اینکه شما بدانید اگر چیزی را رد
315
00:14:05,120 –> 00:14:08,390
میکنیم که شما واقعاً آن را رد میکنیم،
316
00:14:08,390 –> 00:14:12,380
فرضیه صفر نادرست است یا اگر برویم
317
00:14:12,380 –> 00:14:13,640
بگوییم تفاوتی وجود دارد که
318
00:14:13,640 –> 00:14:15,410
در واقع درست است و قدرتها مانند
319
00:14:15,410 –> 00:14:17,870
تمرکز بیشتر و مهمتر در تست
320
00:14:17,870 –> 00:14:21,710
و سپس آن مقدار آلفا را دوست دارند. یا آن
321
00:14:21,710 –> 00:14:23,180
احتمال مثبت کاذب مثبت کاذب
322
00:14:23,180 –> 00:14:25,850
و سپس در اینجا کدام چک و
323
00:14:25,850 –> 00:14:27,890
مانند احتمالاً من این را رنگی کردم در واقع
324
00:14:27,890 –> 00:14:30,740
این بخش دقیقاً در اینجا همان
325
00:14:30,740 –> 00:14:33,410
بتا یا مانند یک خطای نوع 2 خواهد بود و سپس
326
00:14:33,410 –> 00:14:35,660
مثل آن که شما دقیقاً مانند آن هستید – مانند
327
00:14:35,660 –> 00:14:40,760
ناحیه آلفا بله و غیره اکنون ما دوست
328
00:14:40,760 –> 00:14:43,370
داریم که فرضیه و نوع مشابه ما
329
00:14:43,370 –> 00:14:46,520
به نوعی دارای مفاهیمی
330
00:14:46,520 –> 00:14:50,600
مانند فرضیه ما باشد که
331
00:14:50,600 –> 00:14:52,100
در موارد خاص چه اتفاقی می افتد و
332
00:14:52,100 –> 00:14:54,290
نتایج حاصل از آزمون فرضیه ما
333
00:14:54,290 –> 00:14:55,820
باید
334
00:14:55,820 –> 00:14:58,100
قبل از شروع مقدماتی و
335
00:14:58,100 –> 00:15:00,170
قبل از ورود به یک فرضیه آماری داشته باشیم. محاسبه واقعی
336
00:15:00,170 –> 00:15:04,370
که چیزهای اصلی که شما می دانید ما
337
00:15:04,370 –> 00:15:05,840
به آن نیاز داریم تا روند موجود آنها را بفهمیم
338
00:15:05,840 –> 00:15:07,270
که چگونه همه چیز به طور
339
00:15:07,270 –> 00:15:11,030
عملکردی عمل می کند سناریویی که ما در تلاش هستیم تا آن را انجام دهیم.
340
00:15:11,030 –> 00:15:14,600
kle یا سعی
341
00:15:14,600 –> 00:15:16,940
میکنیم دقیقاً در اینجا به آن نگاه کنیم، ما باید هدف کمپینهای تبلیغاتی
342
00:15:16,940 –> 00:15:19,130
فراخوانهای مختلف یا
343
00:15:19,130 –> 00:15:21,950
متنهای مختلف برای برخی از آگهیها باشد و
344
00:15:21,950 –> 00:15:23,720
ما انواع
345
00:15:23,720 –> 00:15:25,520
نوع دادههای جمعآوریشده در اینجا را درست
346
00:15:25,520 –> 00:15:29,000
مانند نمونهای مانند مجموعه دادهها درک نکردیم. جایی که
347
00:15:29,000 –> 00:15:31,130
ما داریم یا اطلاعاتی که
348
00:15:31,130 –> 00:15:34,490
از سیستم خود جمعآوری میکنیم یا با این وجود که دادههایمان را
349
00:15:34,490 –> 00:15:36,410
جمعآوری میکنیم، مانند تاریخ یا مهر زمانی
350
00:15:36,410 –> 00:15:38,870
یا ذرات بسته به تنظیمات
351
00:15:38,870 –> 00:15:43,670
سیستم شما، کمپینهای شما کاربر و
352
00:15:43,670 –> 00:15:45,200
عملکرد آنها در صورت جمعآوری یا عدم
353
00:15:45,200 –> 00:15:47,750
کلیک کردن، داریم. این مانند یک باینری یا موردی است
354
00:15:47,750 –> 00:15:49,730
که فقط این دو مقدار هستند که من می توانم
355
00:15:49,730 –> 00:15:50,760
در آن وجود داشته
356
00:15:50,760 –> 00:15:53,490
باشم برای اینکه یک عمل یک کلیک یا خیر
357
00:15:53,490 –> 00:15:57,930
کلیک کنید ok است و سپس ما از
358
00:15:57,930 –> 00:15:59,670
روی سناریو متوجه می شویم که اهداف ما چیست
359
00:15:59,670 –> 00:16:02,760
بنابراین اغلب در یک
360
00:16:02,760 –> 00:16:05,270
صنعت. یا از مثل سوراخ مار فقط
361
00:16:05,270 –> 00:16:07,470
می خواهید این آزمایش را انجام دهید
362
00:16:07,470 –> 00:16:09,600
زیرا آنها فقط می خواهند اطمینان حاصل کنند که
363
00:16:09,600 –> 00:16:11,010
برای هدف کلی ما به پول بیشتری نیاز داریم
364
00:16:11,010 –> 00:16:13,500
من می خواستم یک
365
00:16:13,500 –> 00:16:13,740
366
00:16:13,740 –> 00:16:16,440
میم پول باب اسفنجی را اینجا بگذارم اما احساس کردم مثل اینکه من
367
00:16:16,440 –> 00:16:18,150
کمی خیلی عمومی دوست دارم، بنابراین یک
368
00:16:18,150 –> 00:16:21,720
الگوی رفتاری باب اسفنجی متفاوتی انجام دادم که در
369
00:16:21,720 –> 00:16:29,940
آن محور چیزها کجاست، به
370
00:16:29,940 –> 00:16:31,410
طور خاص به جایی که میخواهیم به کجا برسیم،
371
00:16:31,410 –> 00:16:33,810
نه اینکه فقط بخواهیم
372
00:16:33,810 –> 00:16:37,620
بررسی کنیم چه تبلیغی احتمالاً به
373
00:16:37,620 –> 00:16:40,490
ما پول بیشتری میدهد تا بیشتر برویم. در
374
00:16:40,490 –> 00:16:45,510
درک خوب چگونه می توانیم با یک
375
00:16:45,510 –> 00:16:48,660
هدف خاص تر مقابله کنیم تا امیدواریم در
376
00:16:48,660 –> 00:16:54,420
پایین دست یا در نتیجه به آن
377
00:16:54,420 –> 00:16:56,540
هدف کلی دست یابیم که پول بیشتر است
378
00:16:56,540 –> 00:17:00,240
یا تلاش برای دستیابی به پول بیشتر برای
379
00:17:00,240 –> 00:17:02,100
تبدیل هایی که از تبلیغاتی که می دانید
380
00:17:02,100 –> 00:17:05,459
با آن گفته شده است. یک کلیک برای
381
00:17:05,459 –> 00:17:06,750
کاری که میخواهیم برای یک
382
00:17:06,750 –> 00:17:08,099
کمپین تبلیغاتی انجام دهیم، مانند
383
00:17:08,099 –> 00:17:09,959
قابلیت استفاده شخصی که کلیک میکند یا
384
00:17:09,959 –> 00:17:15,180
کلیک نمیکند، بنابراین در اینجا ما از
385
00:17:15,180 –> 00:17:18,990
کلیک 3 به عنوان محاسبه مقدماتی استفاده میکنیم.
386
00:17:18,990 –> 00:17:21,990
سایر معیارهای
387
00:17:21,990 –> 00:17:25,040
انتخابی چیزی مانند
388
00:17:25,040 –> 00:17:27,300
نرخ پرش حفظ تبدیل و غیره به عنوان یک
389
00:17:27,300 –> 00:17:29,520
معیار متفاوت انتخاب است و
390
00:17:29,520 –> 00:17:31,290
دلیل آن فقط برخی از این است که بستگی
391
00:17:31,290 –> 00:17:32,700
به نوع سوال
392
00:17:32,700 –> 00:17:34,830
شما دارد. درخواست و تلاش
393
00:17:34,830 –> 00:17:38,510
برای حل به طور خاص در تست be
394
00:17:38,510 –> 00:17:41,700
خوب است و سپس بحثی در
395
00:17:41,700 –> 00:17:43,410
مورد معیار انتخاب وجود دارد همانطور که ذکر کردم
396
00:17:43,410 –> 00:17:45,060
اما آنچه به عنوان نرخ کلیک تعریف می
397
00:17:45,060 –> 00:17:46,230
شود تعداد
398
00:17:46,230 –> 00:17:47,820
کل موفقیت ها یا تعداد کل
399
00:17:47,820 –> 00:17:50,190
کلیک ها است. تقسیم بر تعداد کل
400
00:17:50,190 –> 00:17:54,690
رویدادها که به عنوان تلفات ترکیبی
401
00:17:54,690 –> 00:17:57,390
از کلیک ها و بدون کدها، بدون کلیک یا
402
00:17:57,390 –> 00:17:59,190
تعداد بازدیدها بسته به
403
00:17:59,190 –> 00:18:02,070
نوع سیستمی که روی Ming
404
00:18:02,070 –> 00:18:04,470
Zeppo کار می کنید، تبلیغات گوگل دقیقاً مانند نمایش
405
00:18:04,470 –> 00:18:07,140
ها و کلیک ها تماس دارد.
406
00:18:07,140 –> 00:18:09,510
آنها دقیقاً از پشت، مانند زمانی
407
00:18:09,510 –> 00:18:11,070
که سعی میکنید نمای کلی
408
00:18:11,070 –> 00:18:12,840
کمپینهای خاص را در سیستمهای مختلف مشاهده کنید، ممکن
409
00:18:12,840 –> 00:18:13,830
است بسته به ساختار
410
00:18:13,830 –> 00:18:17,039
و طرحبندی رابط کاربری آنها و آنچه
411
00:18:17,039 –> 00:18:20,400
که میخواهند معیارهای رایگان را نشان دهند، متفاوت باشد، و
412
00:18:20,400 –> 00:18:23,010
سپس اکنون این کمپینها پایه را دوست دارند.
413
00:18:23,010 –> 00:18:24,480
فرضیات هر رویداد باید
414
00:18:24,480 –> 00:18:27,600
مستقل از یکدیگر باشد، زمانی که شما در
415
00:18:27,600 –> 00:18:29,940
حال انجام تست ایمنی
416
00:18:29,940 –> 00:18:33,360
روی کاربران هستید و مطمئن شوید که
417
00:18:33,360 –> 00:18:35,760
نمونههای شما معذرت میخواهم که کمپینهای شما در حال انجام شدن هستند.
418
00:18:35,760 –> 00:18:37,409
به طور تصادفی به کاربران تخصیص داده می شود و بنابراین
419
00:18:37,409 –> 00:18:40,789
شما نمونه برداری تصادفی واقعی انجام می دهید
420
00:18:40,789 –> 00:18:44,130
و سپس برای جلوگیری از مانند برخی از انواع مانند
421
00:18:44,130 –> 00:18:51,120
یک سوگیری یا مانند در جهش در
422
00:18:51,120 –> 00:18:53,610
ارزیابی شما در مقایسه با
423
00:18:53,610 –> 00:18:55,380
من در حال بررسی و مقایسه این
424
00:18:55,380 –> 00:18:59,669
دو کمپین هستم و ما مهمتر از همه مهمتر از
425
00:18:59,669 –> 00:19:02,039
همه، شما باید درک کنید و
426
00:19:02,039 –> 00:19:04,140
فرض کنید که قضیه اساسا حد
427
00:19:04,140 –> 00:19:06,900
اعمال می شود، بنابراین برای برخی از جامعه اطلاعاتی داده شده
428
00:19:06,900 –> 00:19:09,809
با مقادیر زیادی از
429
00:19:09,809 –> 00:19:12,210
نقاط داده برای نمونه هایی که
430
00:19:12,210 –> 00:19:14,909
از آن جامعه جمع آوری می کنید، صرف نظر از
431
00:19:14,909 –> 00:19:17,460
اینکه آن منحنی زنگوله را داشته باشد یا نرمال یا
432
00:19:17,460 –> 00:19:19,110
عادی باشد. توزیع یا اگر
433
00:19:19,110 –> 00:19:22,260
برای نمونه هایی که از آن جامعه جمع آوری نمی کنید
434
00:19:22,260 –> 00:19:26,100
، اندازه بزرگتر یا
435
00:19:26,100 –> 00:19:27,840
نقاط داده بزرگتر در آن
436
00:19:27,840 –> 00:19:30,299
نمونه ها به حدی نرمال می رسند و
437
00:19:30,299 –> 00:19:32,520
این یکی از مفروضات مهمی است
438
00:19:32,520 –> 00:19:35,190
که ما در اینجا به عنوان
439
00:19:35,190 –> 00:19:36,720
درک قضیه حد مرکزی داریم. و
440
00:19:36,720 –> 00:19:39,539
سپس مانند این فرض کنید که در طی
441
00:19:39,539 –> 00:19:42,299
رفتن و ادامه دادن به آزمون B خود
442
00:19:42,299 –> 00:19:44,520
و سپس در اینجا برخی از اظهارات
443
00:19:44,520 –> 00:19:46,520
مشابه دیگر مانند بخش بندی مراقب باشید که
444
00:19:46,520 –> 00:19:50,130
نوع خاصی از کاربران را هدف قرار ندهید
445
00:19:50,130 –> 00:19:53,940
زیرا در آزمون a B خود بگویید برای
446
00:19:53,940 –> 00:19:55,890
جایگشت های مختلف و بخش هایی که
447
00:19:55,890 –> 00:19:57,450
آه مانند اوه بله مثل
448
00:19:57,450 –> 00:19:58,530
اینکه بین دو گروه
449
00:19:58,530 –> 00:20:02,760
بسته به بخش شما برای هر
450
00:20:02,760 –> 00:20:03,929
a/b تفاوت وجود دارد. تست را روی آن بخشهای خاص انجام میدهید،
451
00:20:03,929 –> 00:20:06,150
اما وقتی همه آنها را جمع میکنید یا
452
00:20:06,150 –> 00:20:09,090
تست کلی a/b را روی همه افراد
453
00:20:09,090 –> 00:20:11,280
از تمام بخشهایتان انجام میدهید، میدانید که آزمایش شما
454
00:20:11,280 –> 00:20:11,640
455
00:20:11,640 –> 00:20:14,340
عمدتاً مانند آه، بله،
456
00:20:14,340 –> 00:20:16,020
تفاوتی بین من مانند
457
00:20:16,020 –> 00:20:17,860
کل کلکتور
458
00:20:17,860 –> 00:20:20,360
کلی وجود ندارد. نمونههایی که از آن
459
00:20:20,360 –> 00:20:23,270
جمعیت انتخاب میکنید، مانند تقسیمبندیتان، فقط از آنها آگاه باشید
460
00:20:23,270 –> 00:20:25,160
و این به دلیل پارادوکس سیمپسونهاست.
461
00:20:25,160 –> 00:20:27,860
462
00:20:27,860 –> 00:20:29,600
463
00:20:29,600 –> 00:20:35,360
464
00:20:35,360 –> 00:20:37,610
واردات و
465
00:20:37,610 –> 00:20:41,270
سپس آخرین نوع مفروضات یا
466
00:20:41,270 –> 00:20:44,030
مانند محاسبات اولیه که باید
467
00:20:44,030 –> 00:20:47,510
قبل از انجام محاسبات آماری آزمایشی انجام دهیم،
468
00:20:47,510 –> 00:20:51,260
یکی
469
00:20:51,260 –> 00:20:54,290
شناسایی حداقل اثر قابل تشخیص شما یا عمل شما
470
00:20:54,290 –> 00:20:59,540
اهمیت آماری جدا از
471
00:20:59,540 –> 00:21:01,790
اهمیت آماری است که ما در
472
00:21:01,790 –> 00:21:04,040
ابتدا سعی می کنیم آن را مشاهده کنیم و
473
00:21:04,040 –> 00:21:06,400
وقتی می گویم اهمیت عملی و
474
00:21:06,400 –> 00:21:08,809
اهمیت آماری را می پسندیم،
475
00:21:08,809 –> 00:21:10,400
از دیدگاه کسب و کار تفاوت وجود دارد،
476
00:21:10,400 –> 00:21:14,600
اگر به
477
00:21:14,600 –> 00:21:17,000
جمع آوری اطلاعات علاقه دارید، بله،
478
00:21:17,000 –> 00:21:19,220
داده ها را بسیار می دانید. و
479
00:21:19,220 –> 00:21:21,950
اغلب مشاهده میکنید که
480
00:21:21,950 –> 00:21:26,000
ممکن است اطلاعات یا کمپینها بر
481
00:21:26,000 –> 00:21:28,460
اساس آزمون AP که میخواهید از آن به
482
00:21:28,460 –> 00:21:32,210
خوبی بر اساس تاریخچه محیطی
483
00:21:32,210 –> 00:21:33,320
یا دانش تجاری آنها از
484
00:21:33,320 –> 00:21:36,710
اطلاعات استخراج کنید، متفاوت باشند، شاید
485
00:21:36,710 –> 00:21:41,090
تغییر دادن و رفتن به آن عملی نباشد. مورد جایگزین
486
00:21:41,090 –> 00:21:43,520
یا کمپین جدید در این
487
00:21:43,520 –> 00:21:45,380
مورد خاص که میخواهید دنبال آن بروید،
488
00:21:45,380 –> 00:21:46,880
زیرا ممکن است به دلایلی
489
00:21:46,880 –> 00:21:50,049
مانند مدیر تغییر باشد و
490
00:21:50,049 –> 00:21:52,340
تلاش برای هماهنگ کردن آن تغییر
491
00:21:52,340 –> 00:21:56,630
کمپین جدید هزینه دارد و مانند برخی دیگر از
492
00:21:56,630 –> 00:21:58,220
توجیههای تجاری وجود دارد. بنابراین
493
00:21:58,220 –> 00:22:00,559
فقط به یاد داشته باشید که برخلاف هر چند چیزی
494
00:22:00,559 –> 00:22:02,600
می تواند از نظر آماری مهم باشد، اما از
495
00:22:02,600 –> 00:22:06,559
نظر عملی مهم است ant and that
496
00:22:06,559 –> 00:22:07,730
hella با حداقل اثر قابل تشخیص شما حدس زده می شود
497
00:22:07,730 –> 00:22:08,570
498
00:22:08,570 –> 00:22:10,970
بدانید که اندازه نمونه شما
499
00:22:10,970 –> 00:22:12,890
نیز مهم است، بنابراین اگر دارید
500
00:22:12,890 –> 00:22:14,809
اطلاعات کوچکی مانند
501
00:22:14,809 –> 00:22:16,669
R و تست be را جمع آوری می کنید که دوست دارید آه بله، مثل
502
00:22:16,669 –> 00:22:18,260
اینکه بین این دو گروه تفاوت هایی وجود دارد
503
00:22:18,260 –> 00:22:22,549
اندازه نمونه شما مسائل و
504
00:22:22,549 –> 00:22:25,370
اطمینانی که شما نسبت
505
00:22:25,370 –> 00:22:26,900
به نتایج آزمون خود دارید، بنابراین هر
506
00:22:26,900 –> 00:22:30,530
چه داده های بیشتری داشته باشید، قدرت بیشتری دارید یا
507
00:22:30,530 –> 00:22:30,750
508
00:22:30,750 –> 00:22:32,970
در آزمون خود نیز مانند آن خواهید بود، که اگر
509
00:22:32,970 –> 00:22:37,080
ما همچنان تحت این تصور
510
00:22:37,080 –> 00:22:38,940
باشیم که هیچ تفاوتی وجود ندارد. بین دو
511
00:22:38,940 –> 00:22:41,280
گروه اگر تفاوتی بین
512
00:22:41,280 –> 00:22:44,040
این دو گروه وجود داشته باشد و مثل اینکه در واقع
513
00:22:44,040 –> 00:22:46,710
درست است آه بله بنابراین
514
00:22:46,710 –> 00:22:48,8