AB可用性分析生成器（生成即用·AB分析代码）
一句话价值
产出 AB 实验显著性检验代码（t 检验/卡方），算样本量与是否显著。
适用场景（何时用我）
- 当你要产出《AB分析代码》却卡在结构、不知从哪几块下手时；
- 适用于产品设计、用户体验与交互相关的做分析、跑模型工作/学习场景；
- 想要一份专业、可填写、开箱即用的模板，而不是从零搭。
核心方法与代码
分析方法
- 假设与指标
- 样本量测算
- 分组与随机
- 显著性检验（t/卡方）
- 效应量与置信区间
可运行代码模板（自带占位数据，替换为你自己的数据即可跑）
from scipy import stats
import math
def ab_z_test(ca, na, cb, nb): # 转化数/样本数
pa, pb = ca/na, cb/nb
se = math.sqrt(pa*(1-pa)/na + pb*(1-pb)/nb)
z = (pb-pa)/se
p = 2*(1-stats.norm.cdf(abs(z)))
return z, p
def sample_size(p, power=0.8, a=0.05, mde=0.02):
za, zb = 1.96, 0.84
return ((za+zb)**2 * 2*p*(1-p)) / mde**2
# 用法：ab_z_test(转化A,样本A,转化B,样本B)
使用步骤
- 告诉我你要做的《AB分析代码》主题与背景（一句话即可）；
- 我产出结构化模板，你按提示填入自己的内容；
- 如需调整维度/增删模块，直接说，我改。
红线与注意事项
- 示例数据均为虚构（如「示例公司/北京/上海」），不含任何真实个人/业务数据（R-去个人化）；
- 本模板为结构脚手架，具体数据、事实与专业判断需你自行核实；
- 金融/法律/薪酬等涉及专业合规的领域，模板不替代持牌专业人士意见；
- 无外部 API 依赖，纯提示词/代码模板型，国内可直接使用。
💗 大白话介绍
你把它当成一个「AB分析代码填空神器」——我先把行家会写的模块都列好，你往里填自己的东西就行，省得每次从头琢磨该写啥。
