AB-Testing und angewandte Statistik
Hypothesen, Stichprobengröße, statistische Signifikanz, p-Wert, Student-t-Test, Chi-Quadrat-Test, Interpretation
1Was ist eine Nullhypothese (H0) in einem AB-Test?
Was ist eine Nullhypothese (H0) in einem AB-Test?
Antwort
Die Nullhypothese (H0) besagt, dass es keinen signifikanten Unterschied zwischen den beiden getesteten Varianten gibt. Im AB-Testing behauptet H0, dass jeder beobachtete Unterschied zwischen der Kontrollgruppe (A) und der Behandlungsgruppe (B) auf Zufall zurückzuführen ist und nicht auf den Effekt der getesteten Änderung. Der Zweck des statistischen Tests besteht darin, zu bestimmen, ob die Daten es erlauben, H0 abzulehnen.
2Was ist eine Alternativhypothese (H1) in einem AB-Test?
Was ist eine Alternativhypothese (H1) in einem AB-Test?
Antwort
Die Alternativhypothese (H1) ist das Gegenteil der Nullhypothese und behauptet, dass es einen tatsächlichen Unterschied zwischen den Varianten gibt. Im AB-Testing besagt H1, dass die getestete Änderung einen messbaren Effekt auf die beobachtete Metrik hat. Wenn der statistische Test es ermöglicht, H0 mit ausreichender Konfidenz abzulehnen, akzeptieren wir H1 als wahr.
3Was ist der p-Wert in einem AB-Test?
Was ist der p-Wert in einem AB-Test?
Antwort
Der p-Wert stellt die Wahrscheinlichkeit dar, die erhaltenen Ergebnisse (oder extremere) zu beobachten, wenn die Nullhypothese wahr wäre. Je niedriger der p-Wert, desto unwahrscheinlicher ist es, dass die Ergebnisse zufällig sind. Konventionell wird H0 abgelehnt und das Ergebnis als statistisch signifikant betrachtet, wenn der p-Wert unter dem Signifikanzschwellenwert (oft 0,05) liegt.
Was ist statistische Signifikanz in einem AB-Test?
Was ist ein Fehler 1. Art (Falsch-Positiv) in einem AB-Test?
+17 Interview-Fragen
Weitere Data Analytics-Interviewthemen
Google Sheets - Grundlagen
Google Sheets - Erweiterte Formeln
SQL - Grundlagen
SQL - Aggregationen und Gruppierungen
SQL - Joins
BigQuery - Grundlagen
Data Cleaning - Datenbereinigung
KPIs und Business-Metriken
Deskriptive Statistik
Zapier und No-Code-Automatisierung
Grundlagen der Datenvisualisierung
Python & Pandas - Grundlagen
Google Sheets - Automatisierte Dashboards
SQL - Unterabfragen und CTEs
SQL - Window Functions
BigQuery - Erweiterte Funktionen
Data Modeling
Funnel- und Conversion-Analyse
Kohorten- und Retention-Analyse
Google Tag Manager und Tracking
APIs und Webhooks
dbt - Grundlagen
Looker Studio (Google Data Studio)
Power BI - Grundlagen
SQL - Erweiterte analytische Abfragen
dbt - Erweiterte Funktionen
Power BI - DAX und fortgeschrittene Dashboards
Python Analytics - Erweiterte Analyse und ML
Meistere Data Analytics für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten