本文へスキップ

A/Bテスト計算機

A/B Test Calculator

2つのコンバージョン率に2標本z検定とカイ二乗検定をかけWilson信頼区間を示し、目標効果と検出力に必要なサンプルサイズも計算します。

2つのコンバージョン率を入れると、その差が本物かどうかの判定が出ます。2標本のz検定、カイ二乗検定、そして各率のWilson信頼区間です。始める前に必要なサンプルサイズも計算します。人が途中でやめてしまったテストの大半は、この計算があれば助かったはずのものです。

🔒 ブラウザの中だけで動きますab-teststatisticsexperimentmarketing

何をするか

モード
有意水準 α

観測値

A(対照)

B(変更案)

検定結果

有意です(p = 0.0074 < 0.05)

A のコンバージョン率

20.00%

95% 区間 17.64% – 22.59%(Wilson)

B のコンバージョン率

25.00%

95% 区間 22.42% – 27.78%(Wilson)

差(B − A)

+5.00% ポイント

区間 1.35% – 8.65%ポイント

相対的な伸び

+25.0%

二標本比率の z 検定(両側)

p̄ = 0.225 · SE = 0.01867 · z = 2.677 · p = 0.0074

カイ二乗検定(自由度 1)

χ² = 7.168 · p = 0.0074

イェーツ補正 χ² = 6.885 · p = 0.0087

z 検定は帰無仮説のもとでのプールした標準誤差を、差の信頼区間はプールしない標準誤差を使います。各コンバージョン率の区間は Wilson のスコア区間なので、コンバージョンが少なくても 0% を下回りません。正規分布は Marsaglia (2004) の級数、その分位点は Acklam 近似に Halley 補正、カイ二乗は不完全ガンマ関数(Numerical Recipes §6.2)から直接計算しています。ウェブの別の計算機が半分または倍の標本数を出すなら、それは片側検定か、α が違います。

使い方

  1. 2つのグループを入れます

    それぞれの訪問者数とコンバージョン数です。率ではなく実数です。不確かさを運んでいるのは実数のほうだからです。

  2. p値より先に信頼区間を読みます

    Wilsonの区間は、それぞれの真の率がどのあたりにありそうかを示します。大きく重なる2つの区間は、p値が何と言おうと、まだ見分けられない2つの率です。

  3. サンプルサイズのパネルで次のテストを設計します

    ベースラインの率と、検出する価値のある最小の改善幅を入れると、グループごとに必要な訪問者数を教えます。有意に見えるまで回し続けるのはテストではありません。

よくある質問

p < 0.05は実際には何を意味しますか。

本当に差がなかったとしたら、これ以上の開きが出るのは20回に1回未満だ、ということです。Bのほうが優れている確率ではありませんし、どれだけ優れているかについては何も言いません。

有意になった時点でやめてよいですか。

いけません。何度も覗いて最初に有意になった瞬間に止めると、偽陽性率は5%をはるかに超えて膨らみます。2週間にわたって毎日確かめれば20%近くになります。先にサンプルサイズを決め、そこまで回してください。

必要なサンプルサイズが大きすぎます。

検出したいと指定した効果が小さいからです。検出したい改善幅を半分にすると、必要な数はおよそ4倍になります。その数が現実的でないなら、正直な結論は、数が間違っているのではなく、このテストではその問いに答えられないということです。

別の計算機ではサンプルサイズが半分になります。

その計算機は片側検定をしているか、別のαを使っているか、連続性の補正を省いています。こちらはα = 0.05の両側検定で、Fleiss・Levin・Paikの補正を入れています。式を表示するので、どの前提が違うのかを確かめられます。

ここから渡せます

次の一手

このツールが出したものをそのまま受け取れる道具です。