下载我们的免费电子书43 A / B检测案例研究,从世界领先的公司寻找考试创意和灵感。 现在下载

优化博客

构建您的实验计划的提示和技巧

贝叶斯vs频繁的统计数据


贝叶斯vs频繁的统计数据

就像悬架和拱桥一样,两者都成功地跨越差距,贝叶斯和频繁的统计方法都提供了问题的答案:哪种变化在A / B测试中表现最佳?

从历史上看,A / B测试的行业解决方案往往是频繁的思考。然而,贝叶斯方法提供了一种以与频率完全不同的方式计算实验结果的有趣方法。在统计世界中,两种方法都有奉献者 - 有点喜欢选择政党。

在这篇文章中,我们将介绍每种方法的好处和缺点,以及为什么优化选择将两者的元素合并到我们的统计引擎中。

互联网时代的统计数据:最佳的新统计引擎后面的故事


互联网时代的统计数据:最佳的新统计引擎后面的故事

古典统计技术,如T检验,是优化行业的基岩,帮助公司制定数据驱动的决策。由于在线实验已爆炸,现在可以清楚地清楚,这些传统的统计方法不适合数字数据:将古典统计数据应用于A / B测试可能会导致超出大多数实验者的错误率。我们得出结论认为,它是时间统计,而不是客户,改变。

我们与斯坦福统计人员团队合作,我们开发了统计引擎,是A / B测试的新统计框架。我们很高兴宣布从2015年1月21日开始,它为所有优化客户提供了结果。

这个博客帖子很长,因为我们希望完全透明地了解我们正在进行这些变化,实际发生的变化是什么,以及这意味着在大的A / B测试。