共计 4212 个字符，预计需要花费 11 分钟才能阅读完成。
更多技术交换、求职机会，欢送关注字节跳动数据平台微信公众号，回复【1】进入官网交换群
一、前言
- 背景：
AB 试验具备肯定前瞻性，统计性，科学性的个性。用好了就实现了在大数据时代的充分利用数据分析问题，解决问题，为决策提供强有力的根据，然而有时候用户在应用 AB 试验时候，会呈现一些痛点和纳闷。 痛点：
- 每次试验须要多少流量
- 试验工夫开多长没有概念
解决问题：
- 为了验证某一个性能个性，一个试验须要开多少流量。
- 一个试验须要开多长时间
二、统计根底概念
1、钻研对象
总体 X：钻研问题某个数量指标。
2、动手点
个体：总体中的一个元素 xi
样本：一部分个体 Xi
3、统计量（工具）
常见统计量：
（1）样本均值反映出总体 X 数学冀望。
（2）样本方差方差
是各数据偏离平均值 差值的平方和 的平均数。反映的是总体 X 方差。
样本修改
得出
（3）样本均方差均方差就是标准差，标准差就是均方差。
对下面公式开平方。
（4）样本 K 阶矩
（5）样本 K 阶中心矩
4、抽样散布
这里不做具体的叙述，后续推导中须要应用到以上概念，具体能够参考网上介绍。
- 规范正态分布 N(0, 1)
- Ka 方散布
- t- 散布
F- 散布
5、抽样定理
简略介绍几个抽样定理
6、参数估计
艰深的说：样本参数去预计总体的参数。
举个🌰：
- 样本均值预计总体均值，
- 用样本比例去预计总体比例，
- 用样本方差
预计总体方差
（1）分类：
点估计和区间预计点估计
艰深的说：用样本的统计量的值间接作为总体参数的估计值。区间预计艰深的说：在点估计的根底上，给出总体参数估计的一个区间范畴。
（2）置信区间和置信水平
艰深的说：区间预计中，样本统计量结构的总体参数的预计区间，称为置信区间。
举个🌰：100 个样本，每一个样本结构一个置信区间，100 个样本结构的总体参数的 100 个置信区间中，有 95% 的区间蕴含了总体参数的真值，5% 则没有蕴含。大样本下，样本均值的置信区间：（3）总体均值的区间
预计原理大样本下，依据核心极限定理，能够失去的样本均值的抽样散布。7、假设检验
咱们来看一下一个简略的假设性测验的例子：依据水稻长势，预计均匀亩产 310kg，收割时，抽取 10 块地，测均匀亩产 320kg，如水稻产量遵从正态分布 N(u, 144)，问所预计均匀亩产是否正确？（a = 0.05，Z0.05 = 1.645，Z0.025 = 1.96）剖析：当方差曾经的状况下，应用 Z 测验；未知的时候，应用 t 测验
三、一个简略并残缺的 AB 试验例子
1、背景和设置
- 背景：有个 web 利用，接入火山引擎的 AB 测试客户端 sdk，上报各种事件埋点。
- 确认优化的指标：注册流程改版，从而提供注册转换率。
- 注册流程的 A / B 测试：之前是应用了图片校验码的形式，然而注册转化率偏低。提出构想：图片校验码形式改成短信校验码形式，是因为升高了用户输出的难度从而能够进步注册转换率。
咱们设置
- 外围指标：注册转化率
- 设置版本：1 个对照版本（图片校验码）。1 个试验版本（短信验证码）。
- 设置版本流量：总流量咱们设置 50%，各个版本平均调配。
web 利用引入咱们客户端分流 sdk 的，而后将版本代码插入到我的项目中。
2、后果剖析
别离为两个版本调配了 25% 的用户流量，通过 2 个天然周左右的试验察看，数据显示。
后果：新版本（短信校验码）的注册转化率晋升了靠近 10%，并且 95% 置信区间是 [8%, 12%]，
剖析：阐明这个试验版本推广到全量用户之后，95% 的概率下至多会有 8% 到 12% 的晋升。
决策：基于这个试验后果，产品经理抉择将新版本注册流程推送给全副用户，显著晋升了注册转化率。
四、具体介绍样本量计算
1、注册流程改版
例子🌰试验运行后，用户开始进组。
1 天后数据统计
这就能阐明：短信验证码的性能无效进步注册转换率？
2 天后数据统计
这就能阐明：图片验证码的性能无效进步注册转换率？那么到底，注册流程改版对于进步注册转换率是否有显著性进步呢？临时是不能给出论断的，因为数据样本还不够大，不能充分说明。
实践上：样本量越多越好。
事实上：1、本身样本不够大；2、试错老本大。
抉择样本数量是个技术活：样本量太小，试验不谨严；样本量太大，老板不快乐。那么样本太小带来的问题是什么呢？样本太小导致没有统计学意义，而且会呈现样本偏差状况，可能会造成“假阳性”的试验论断等问题。那么样本太大带来的问题是什么呢？
首先咱们须要晓得样本并不是总体，咱们通过样本来代替样本太大会造成试验成本增加，以及产品自身的试错老本等。
那么问题来了：如何确定一个“最小”的样本数量，在保障试验“可靠性”的同时，不会节约过多流量？
2、最小样本公式
统计学里有最小样本量计算的公式：
阐明：
（1）n 是每组所需样本量，因为 A / B 测试个别至多 2 组，所以实验所需样本量为 2n；
（2）α 和 β 别离称为第一类谬误概率和第二类谬误概率，个别别离取 0.05 和 0.2；
（3）Z 为正态分布的分位数函数；
（4）Δ 为两组数值的差别，如注册转换率 50% 到 60%，那么 Δ 就是 10%；
（5）σ 为标准差，是数值波动性的掂量，σ 越大示意数值稳定越厉害。从而可知：试验两组数值差别 Δ 越大或者数值波动性 σ 越小，所须要的样本量就越小。其中很多同学可能对于「第一类谬误」和「第二类谬误」不是很分明。咱们来简略解释一下：
（1）第一类谬误：H0 为真，回绝 H0。“自身没晋升，但误判为有晋升”
（2）第二类谬误：H1 为真，承受 H0。“自身有晋升，但没有觉察晋升”
3、办法一：假如两个转换率方差
相等条件：假如两个转换率的方差（可变性）相等。下面公式转换为：
阐明：（1）e1 和 e2 是实在的注册转换率。（2）e 是合并方差估计量。（3）α 是显著性程度（通常 α = 0.05）（4）β 是冀望效用（通常 β = 0.8）（5）Zβ 和 Zα/ 2 针对给定参数的临界值 α 和 β 固定值：α = 0.05 时，Zα/2 = 1.96。β = 0.8 时，Zβ = 0.84。【注册流程改版例子🌰】具体计算过程：两个版本权重相等的状况这里应用合并估计量作为方差。
如果咱们不假如两个转换率的方差相等，则公式会略有不同，后边给出代入公式，失去最终的样本的公式：
咱们来实在计算一下：1、注册转换率 e1 为 50%，e2 为 60%2、假如最小标准值为 0.8 的冀望效用 3、显著性程度 α 为 0.05
因而。每组（对照组和实验组）的最小样本量为 385。两个版本的注册转换率权重不等的状况这种状况下，第一步，假如各组大小相等，计算总样本量；而后，能够依据两组理论比率 k 来调整此总样本量大小 N，而批改后的总样本大小 N ‘，能够通过上面公式来计算：
以上两组中，每个样本的样本大小别离为 N ‘/（1 + k）和 kN ‘/（1 + k）。小结假设两组的总体方差相等，在方差的计算形式上有区别，这类公式不举荐，因为该假如在 AB 试验利用中并不常见。
4、办法二：应用假设性测验
适用范围
假设性测验自身能够对单个总体参数或者两个总体参数进行。
假如的内容能够是双侧测验。比方参数是否等于某个值，还能够参数是否大于或者小于某个值。
具体检测和推算
原假如 H0：μ1=μ2
备择假如 H1：μ1≠μ2
结构统计量条件：两个样本间，互相独立，且样本量大。
咱们理论进行两总体均值差是否为 0 的双侧测验
理论计算中，总体方差能够用样本方差代替，原假如的背景下 u1 – u2 = 0，所以计算统计量 z，所须要的数据都能够根据样本失去。
计算原理
下图是概率密度曲线：
1、黄色是 AA 试验的均值差的散布，蓝色是 AB 试验（以指标晋升为例）的均值差的散布。
2、两个红箭头别离标示 -1.96指标标准差 +1.96指标标准差
power 即 蓝色曲线在红色（右）箭头右侧的面积，即显著试验的概率。
delta 是上图 蓝色的中轴地位，即 AB 试验（以指标晋升为例）的均值差的冀望。
其中很多同学可能「power」和「delta」不是很分明。咱们来简略解释一下：
power：统计效用，原假如为假，回绝愿假如的概率，等于（1 减第二类谬误的概率）。
delta：均值差的冀望。
具体推算
依据下面的概率密度曲线和 power 定义利用规范正态分布的散布函数能够计算 power，蕴含了 delta，指标方差，样本量；而后依据 power 公式反推每个版本的样本量。
效用（power）：正确回绝原假如的概率，记作 1 -β, 即 power = 1- β（二类谬误）
公式：
其中：
σ 是标准差
Φ 是规范正态分布下某个 X 值对应的概率面积
α 是一类谬误概率，叫它 alpha
β 是二类谬误概率，1- β 是统计效用，叫它 beta
假设检验的效用受以下三个因素影响：
样本量 (n)：其余条件放弃不变，样本量越大，效用就越大。
显著性程度 (α)：其余条件放弃不变，显著性程度越低，效用就越小。
两总体之间的差别：其余条件放弃不变，总体参数的实在值和估计值之间的差别越大，效用就越大。也能够说，效应量（effect size）越大，效用就越大。
代入理论计算变量：
power = 1 – norm.cdf(norm.ppf(1 – α / 2) – np.sqrt(sample_per_version (delta 2) / 2 (metric_variance 2) ) )
其中：
- cdf 累积散布函数，是概率密度函数的积分，能残缺形容一个实随机变量 X 的概率分布。
- ppf 分位点函数
- sample_per_version 样本每个版本样本量
- metric_variance 指标方差
- delta 均值的差
依据 power，反推出样本量：公式：
代入理论计算变量：
sample_per_version = 2 (norm.ppf(1 – α / 2) – norm.ppf(β)) 2 metric_variance / (delta 2)
其中：
- ppf 分位点函数
- norm.ppf 正态分布的累计散布函数的逆函数，即下分位点。
- alpha 默认 5%，其中 norm.ppf(1 – α / 2) = 1.96，norm.ppf(β)为映射值。
- metric_variance 指标方差。
- delta 均值的差。
对上述公式做更简略的说，咱们只须要晓得如下值就能够计算样本量。
（1）心愿辨认的最小差别，相对差别（即 delta）还是绝对差别。
（2）指标方差，方差会依据指标值估算。
（3）alpha 默认是 5%（4）power 默认是 50%、80%、90%、99%、99.99% 能够应用火山引擎 AB 测试的流量样本倡议工具。
五、最初
其实样本量计算在不同的场景下有不同的计算形式，然而咱们针对于次要 AB 场景下针对能够科学计算置信度的指标，采纳的一种计算样本量，从而领导 AB 试验的流量应用多少和领导试验开启多久。
跳转火山引擎 A / B 测试 DataTester 官网理解详情！
