用scipy.stats.proportions_ztest做两样本比例检验，设correction=false关闭连续性修正，输入[success_a, success_b]和[n_a, n_b]，双侧p值需根据zstat符号转单侧；statsmodels无ab_test函数，可用confint_proportions_2indep计算绝对提升的95%置信区间。
怎么用 scipy.stats 做两样本比例检验（比如点击率）
直接用 proportions_ztest，别手写 z 分数——它默认做的是双侧检验，且自动处理小样本校正（加 0.5 连续性修正），但多数 A/B 测试里你其实不需要这个修正，反而会降低统计功效。
- 真实场景中，只要每组样本量 > 30 且成功数/失败数都 ≥ 5，就关掉连续性修正：
correction=False - 注意
count和nobs的顺序：必须是 [success_A,success_B] 和 [n_A,n_B]，反了结果完全不可信 - 返回的 p 值是双侧的；如果你只关心“B 是否显著高于 A”，得自己转成单侧：
p_value / 2，但前提是zstat > 0
statsmodels 的 ab_test 没有内置函数，别搜这个关键词
很多人在文档里翻半天找 ab_test，其实 statsmodels 根本没这玩意儿。它提供的是底层工具链，比如 proportion 模块里的 ztest 或 confint_proportions_2indep，用来算置信区间更稳。
- 用
confint_proportions_2indep算绝对提升的 95% CI：比只看 p 值更能判断业务意义 - 如果转化率很低（scipy.stats.fisher_exact（2×2 列联表），虽然慢点，但准确
-
statsmodels默认用独立样本假设；如果实验是配对设计（比如用户级分流+前后对比），得换mcnemar或手动建配对差值序列
分层分析时，groupby 后直接调 proportions_ztest 会出错
因为 proportions_ztest 不接受 Series，也不支持向量化。常见错误是写成 df.groupby('country')['converted'].apply(...)，结果报 ValueError: too many values to unpack。
- 正确做法：先用
agg提取每层的sum和count，组装成两个数组再喂给检验函数 - 分层后样本量可能不均——某国只有 20 个用户？跳过它，别强行合并或插值，否则假阳性飙升
- 如果要做 Bonferroni 校正，p 值阈值不是
0.05 / n_layers，而是0.05 / (n_layers - 1)（对照组不算一层）
时间衰减效应会让当天跑的 p_value 失真
新用户和老用户行为节奏不同，第 1 天的点击率常被短期激励拉高，但第 7 天的留存才反映真实效果。直接拿首日数据跑检验，大概率早停（early stopping）误判。
立即学习“Python免费学习笔记（深入）”；
- 至少等齐最小周期：电商看 7 日 ROI，SaaS 看 14 日激活，别卡在第 3 天就下结论
- 用
pandas.cut按曝光后小时分桶，画conversion_rate随时间变化曲线，确认是否已收敛 - 如果实验跑了 14 天但最后 2 天流量突降 40%，那这两天的数据权重该砍掉——不是删掉，是用
weights参数传给检验函数
最麻烦的不是算不准，而是把分层、时序、样本依赖这几个坑叠在一起——这时候单独看任一指标都没问题，合起来却系统性偏移。盯住原始事件流，比盯汇总表安全得多。
