A/B 测试分析器
构建一个 A/B 测试分析平台,计算实验的统计显著性、效应量和置信区间。AI 可以解读结果、警告常见陷阱(偷看数据、多重比较)并推荐后续步骤。
statisticsab-testingexperimentationhypothesis-testing
目标
- 使用合适的检验方法(z 检验、t 检验、卡方检验)计算统计显著性
- 通过清晰的可视化展示效应量和置信区间
- 计算达到预期统计功效所需的样本量
- 使用 AI 解读结果并标记常见的实验陷阱
- 生成包含方法论文档的可分享实验报告
提示
- 对大样本比例检验使用正态近似
- 实现序贯分析方法以正确处理提前偷看数据的问题
- 让 AI 检查辛普森悖论和分段差异