Statistic practice

Проверка системы сплитования трафика для проведения A/B теста и устранение ошибок.

Стэк: Python (pandas, matplotlib, scipy)

Задачи:

• Проверка системы сплитования на наличие поломки c помощью A/A теста.
• Выяснение причин поломки.

Результаты:

• С помощью А/A теста и разведывательного анализа данных нашел возможную причину поломки.
• Используя t-test и тест Манна-Уитни нашел статистически-значимые между группами пользователей, показатели которых должны быть близки к равным и извлек эти данные из дата-сета.

Описание данных:

• uid - ID пользователя
• experimentVariant - вариант эксперемента (тестовая или контрольная группа)
• version - версия мобильного приложения
• purchase - покупки

Интерпретация результатов A/B тестирования с помощью статистически тестов.

Стэк: Python(pandas, numpy, scipy, seaborn, matplotlib)

Задача:

• Проанализировать результаты A/B тестирования с помощью статистических тестов и выяснить, различается ли целевая метрика в тестовой и контрольной группах.

Результаты:

• Используя разведывательный анализ данных и статистические тесты (тест Левена и теста Шапиро-Уилка проверил распределения в контрольной и тестовой группах на гомогенность дисперсии и нормальное распределение)
• С помощью t-теста, теста Манна-Уитни, Bootstrap средних и Bootstrap медианных интерпретировал результаты A/B теста.

Описание данных:

• value - сумма покупки
• experimentVariant - вариант эксперемента (контрольная или тестовая группы)

Выяснение причин оттока водителей из приложения-агрегатора такси (churn).

Стэк: Python (pandas, numpy, scipy, plotly, seaborn, matplotlib)

Задача:

• Выяснить причины оттока (churn rate) водителей из агрегатора такси и дать рекомендации по улучшению приложения.

Результат:

• С помощью статистических тестов xi2, критерия Краскела-Уоллиса и теста Манна-Уитни выяснил причины оттока пользователей приложения.
• Дал рекомендации по улучшению приложения для дальнейшего проведения A/Б тестирования.

Описание данных:

• city – город
• phone – основное устройство, которое использует водитель
• signup_date – дата регистрации аккаунта (YYYYMMDD)
• last_trip_date – дата последней поездки (YYYYMMDD)
• avg_dist – среднее расстояние (в милях) за поездку в первые 30 дней после регистрации
• avg_rating_by_driver – средняя оценка поездок водителем
• avg_rating_of_driver – средняя оценка поездок водителя
• surge_pct – процент поездок, совершенных с множителем > 1 (кажется когда большая загруженность и тд)
• avg_surge – средний множитель всплеска за все поездки этого водителя
• trips_in_first_30_days – количество поездок, которые совершил водитель в первые 30 дней после регистрации
• luxury_car_user – TRUE, если пользователь в первые 30 дней использовал премиум-автомобиль
• weekday_pct – процент поездок пользователя, совершенных в будние дни