AB Testing en toegepaste statistiek
Hypothesen, steekproefgrootte, statistische significantie, p-value, t-toets van Student, chi-kwadraat, interpretatie
1Wat is een nulhypothese (H0) in een AB test?
Wat is een nulhypothese (H0) in een AB test?
Antwoord
De nulhypothese (H0) stelt dat er geen significant verschil is tussen de twee geteste varianten. In AB testing beweert H0 dat elk waargenomen verschil tussen de controlegroep (A) en de behandelingsgroep (B) te wijten is aan toeval en niet aan het effect van de geteste verandering. Het doel van de statistische toets is bepalen of de data ons toestaat om H0 te verwerpen.
2Wat is een alternatieve hypothese (H1) in een AB test?
Wat is een alternatieve hypothese (H1) in een AB test?
Antwoord
De alternatieve hypothese (H1) is het tegenovergestelde van de nulhypothese en beweert dat er een echt verschil is tussen varianten. In AB testing stelt H1 dat de geteste verandering een meetbaar effect heeft op de waargenomen metriek. Als de statistische toets ons toelaat H0 te verwerpen met voldoende vertrouwen, accepteren we H1 als waar.
3Wat is de p-value in een AB test?
Wat is de p-value in een AB test?
Antwoord
De p-value vertegenwoordigt de kans om de verkregen resultaten (of extremere) waar te nemen als de nulhypothese waar zou zijn. Hoe lager de p-value, hoe onwaarschijnlijker het is dat de resultaten te wijten zijn aan toeval. Conventioneel verwerpen we H0 en beschouwen we het resultaat als statistisch significant als de p-value onder de significantiedrempel (vaak 0,05) ligt.
Wat is statistische significantie in een AB test?
Wat is een Type I fout (vals positief) in een AB test?
+17 gespreksvragen
Andere Data Analytics-sollicitatieonderwerpen
Google Sheets - Grondbeginselen
Google Sheets - Geavanceerde formules
SQL - Grondbeginselen
SQL - Aggregaties en groeperingen
SQL - Joins
BigQuery - Grondbeginselen
Data Cleaning - Data opschonen
KPI's en business-metrieken
Beschrijvende statistiek
Zapier en No-Code automatisering
Principes van datavisualisatie
Python & Pandas - Grondbeginselen
Google Sheets - Geautomatiseerde dashboards
SQL - Subquery's en CTE's
SQL - Window Functions
BigQuery - Geavanceerde functies
Data Modeling
Funnel- en conversieanalyse
Cohort- en retentieanalyse
Google Tag Manager en tracking
API's en webhooks
dbt - Grondbeginselen
Looker Studio (Google Data Studio)
Power BI - Basisprincipes
SQL - Geavanceerde analytische queries
dbt - Geavanceerde functies
Power BI - DAX en geavanceerde dashboards
Python Analytics - Geavanceerde analyse en ML
Beheers Data Analytics voor je volgende gesprek
Krijg toegang tot alle vragen, flashcards, technische tests, code review-oefeningen en gespreksimulatoren.
Begin gratis