小编Pet*_*lin的帖子

我发现了不同的方法来进行 A/B 测试的卡方检验，查看用户与对照组和测试组的转化率。

第一种方法使用statsmodels与使用proportions_chisquare

第二种方法使用scipy和chi2_contingency

似乎chi2_contingency总是比比例具有更高的价值。您知道其中的区别以及哪种测试更适用于简单的 A/B 测试吗？

我很抱歉没有在此提供示例，如下所示：

示例 1（p 值 = 0.037）：

import statsmodels.stats.proportion as proportion\nimport numpy as np\n\nconv_a = 20\nconv_b = 35\nclicks_a = 500\nclicks_b = 500\nconverted = np.array([conv_a, conv_b])\nclicks = np.array([clicks_a,clicks_b])\n\nchisq, pvalue, table = proportion.proportions_chisquare(converted, clicks)\nprint('Results are ','chisq =%.3f, pvalue = %.3f'%(chisq, pvalue))\n

示例 2（p 值 = 0.0521）：

import numpy\nimport scipy.stats\n\ncontrol_size = 500\nA_CONVERSIONS = 20\nA_NO_CONVERSIONS= control_size - A_CONVERSIONS\ntest_size = 500\nB_CONVERSIONS = …