A/B测试算法大揭秘第四篇:置信区间究竟是怎么来的?
置信区间在A/B测试中的意义
置信区间的不同表现，可用作判断试验结果显著与否的标准：在试验运行一段时间之后（一般来说是1-2周），如果置信区间的上下限同为正，说明试验结果是统计显著的，并且试验版本优于对照版本；如果同为负，试验结果也是统计显著的，且对照版本优于试验版本；如果置信区间为一正一负，则说明版本间差异不大。
举个例子，当两个不同版本都以7%的小流量运行时，A 版本的用户总数（样本大小）为33771，均值为23.01，标准差为53.21；B 版本的用户总数（样本大小）为34190，均值为22.11，标准差为50.21。
我们可以计算出这两个均值比较得到的变化百分值为-3.9%，但这只是根据两个点估计计算出的新的点估计，是有误差的，所以我们就必须找到一个概率范围，来准确描述结果。
计算出Z 值为2.28，再根据置信区间的计算公式，我们可以得出结果为-1.678，-0.112，即这个区间有95%的可能性包含两个总体均值之差。为了更直观，我们把这个总体均值差的置信区间转换为相比A 版本均值变化的百分比置信区间，即-7.3%，-0.5%。这时候我们就可以评价试验的结果为：B 版本不如A 版本，并且有95%的可能性是差了0.5%到7.3%之间。
值得注意的是，置信区间同为正或负，只能说明试验是统计显著的（也就是试验版本和对照版本有差异），但是这个差异有可能是非常小的，在实际应用中微不足道的。因此，只有兼备统计显著和效果显著两个特征的结果，才能说明该版本是可用，值得发布的。
至于如何判定结果是否是效果显著，则需要结合我们在下一章中介绍的统计功效来综合考量了。
作者：吆喝科技，微信公众号（appadhoc ）。
人人都是产品经理（woshipm.com ）中国最大最活跃的产品经理学习、交流、分享平台