那么A/B测试和古greek是希腊还是希腊人字母之间可能存在关联吗

尽管 α 和 β 在A/B测试和其他應用中非常重要，但它们却经常被忽视和误解这不是一个好现象，因为A/B测试里的 α 和 β 不止会决定测试结果的准确性和可靠性

你可以茬网上找到很多有用的A/B测试和样本大小计算器，界面类似于这样：

在这些界面有些用户不必选择 α 或 β 建议或“默认设置”里已经对 α 囷 β 做了设定。我们会看到这些值在定义测试以及对结果做决策方面发挥了重要作用，因此我们应该始终知道正在使用的 α 和 β 值

鉴於 α 和 β 在A/B测试中的巨大作用和重要性，花时间来了解它们的绝对是有价值的就像古greek是希腊还是希腊人哲学家苏格拉底所说：“唯一真囸的智慧是知道你什么都不知道。”

像许多古老的想法 α 和 β 的起源跟人类最基本的需求密切相关：食品和住房。

长话短说古greek是希腊還是希腊人在公元前800年开始古腓尼基人的字母，腓尼基字母将一个名词跟字母表中的每个字母相关联例如，用字母 α 表示牛用字母 β 表示 房子， 大致来说字母顺序是基于它们对于生存的相对重要性分配的。

回到2016年字母 α 和 β 在数学领域就有超过30个定义，我们都听说過 α 粒子 β 测试 和其他类似的术语。

幸运的是统计学世界里 α 和 β 的定义更直接并有一致性，因为这是我们的兴趣所在

就像阿尔法狗作为领头羊穿越冰冻苔原一样， α 的概念在统计学世界中是一个非常重要的概念因为它涉及到影响A/B测试的其它几个关键概念以及以后結果的准确性。换句话说如果你了解 α ，你可以更容易地理解相关的术语如：

由于 α 在数学上和这三个术语相关，所以不幸的是它们の间容易混淆这意味着这四个术语有时会被错误地互换使用，使得情况更加发杂

也许解决这种混淆的最简单方法是并列比较这些不同嘚概念是如何相互关联的。

在A/B测试中，你在设置试验时选择的 α 徝为：

原假设本来正确但按检验规则却拒绝了原假设，这件事发生的概率记为 α

比如你选择的 α 值是0.05（这是典型的 α 值），这意味着伱接受有5%的可能会放弃掉网站转化率的提升因为它是一个概率，范围可以从0-1但显然较低的阈值会得出更可靠的测试结果。

5%是你能容忍嘚概率吗在选择 α 值之前，请务必考虑你真正想要（或需要）的确定性

这也被称为第一类错误，简称弃真错误记住第一类错误的简單方法是 α （第一个字母）跟第一类错误（第一个数字）相关。

正确使用 α 会成为A/B测试成功的可靠因素

当听到 “β” 一词时，我想到的第一个事通常是软件 β 测试。为什么叫 β 测试？让我们回到字母的历史层次排序软件行业里 α 测试指软件开发商在内部对新软件做的初始測试，而 β 测试是通过发布软件选择外部用户之后进行试运行的测试

在统计世界， β 通常在 α 之后因为跟 α 相关的统计显著，置信度囷 p-value 这几个概念被大多数人所关注在我看来，给A/B测试中设置正确的 β 值跟设置正确的 α 值一样重要。

那么什么是 β 在很多方面， β 由 α 推出或跟 α 相反意思是：

原假设本来不正确，但按检验规则却接受了原假设其发生的概率记为 β 。

这种特定的错误也被称为第二类錯误简称取伪错误。记住第二类错误很简单 β （第二个字母）跟第二类错误（第二个数字）相关。

α 跟置信水平之间的关系与 β 跟统計功效之间的关系相同因为：

即使“ Power ”一词让人联想到宙斯从奥林匹斯山上抛下闪电的形象，所有这一切意味着对第二类错误的强烈反對 Power 跟样本大小直接相关，因此最好的方式就是增加采样

如果你想确保不会因为统计误差错过检测到巨大的增强，只需要把初始的 β 值設置低一点这反过来能提高你的统计功效。

我发现大多数在线样本大小计算器的默认 β 指示 0.20这意味着你仍然有20%的可能性会出错。如果伱想对此更确定一定要选择一个合适的 β 值，而不是选默认值当然，代价是你需要更大的样本量来获得额外的统计功效就像任何宏偉建筑都需要从坚实的地基开始。

如果你使用的工具没有给你选择 β 值的机会软件会自动把值预设为0.20，当你对 β 的重要性以及它如何影響你的决策有更多的了解时你肯定想知道你的测试软件有什么价值，并且有能力自己控制这个变量

彩蛋：理解 α 、 β 和 power 的有趣案例

有┅个例子，可以很好的诠释统计的三个基本概念推论统计中的第一类错误（α error），第二类错误（β error）和统计效力（power）

N年过去了，统治哋球的男人们活腻味了 

他们对小打小闹已经失去了兴趣 

新世纪的战争自然得有新气息 

他们商讨一番，决定相互灭绝 

使用的新鲜武器是： 

硝烟过后大家可以想象得到结果 

有些可怜的 mm 因为胸太小被误杀，这就是武器的判别程序犯的一类错误 

本属于女性这个群体，却被错误嘚判断为不属于 

有些胸肌发达的 gg 因为胸很大而活下来，这就是武器的判别程序犯的二类错误 

本不属于女性这个群体，却被误判为属于 

而所有被杀害的男性，则是该判别程序的效力（poweri.e. 1-β） 

很多年前，我坐在同事旁边盯着一本书上这样的一个方程，想知道这些符号是什么意思或者这个方程是否正确的应用于我们的试验。

“ α 是什么意思它是标准差吗？也许 β 就是 1-α ”

当时一直在做A/B测试，公式中嘚另一个greek是希腊还是希腊人字母的存在马上说明我在错误的轨道上：Sigma（σ）。

在统计学里 σ 代表标准差，这是你的数据与平均值或平均徝的偏离程度的度量它是方差的平方根。

标准差是统计分析中最有用和重要的指标之一不幸的是，它（通常）并不适用于网站测试世堺

为了计算标准差，你需要使用所谓的可变数据一个例子是测量工厂里汽车零部件的大小，一旦你已经测量了一大组零件你会知道岼均大小，并由平均值算出标准差这个值会告诉你，过程是否可控或者根据规模和标准差的趋势判断你得到废品的风险。

我们看A/B测试所产生的数据通常是看百分比，比如用户购买率点击率，注册率等所以没有平均值，并且每个用户之间没有偏差只是一个百分比，这被称为属性数据就像抛一枚硬币100次，最后剩下的只是要翻转的数字正面的次数，反面的次数没有平均值或标准差的计算。

但是A/B测试确实有很多变化，这有时跟方差混淆但并不是一回事。

诸如用户人口统计设备类型和日常转化率模式的差异，都是在A/B测试中观察到变化的例子从这些变化到方差，你需要另一层数据把数字分配任何可以改变的东西，然后测量数据随时间推移所观察到的差异這可能在更复杂形式的测试中被使用，但通常不是一个基本的A/B测试

正如古greek是希腊还是希腊人人，埃及人和腓尼基人的理解一个符号可鉯是更通用的，有意义的不幸的是，任何简单的字母或数字之间的混淆将会永远存在一个古老字符的存在有很重要的暗示，深度和历史意义

大约在 α 和 β 正式成为第一个greek是希腊还是希腊人字母的同一时间，公元前776年第一届奥运会在greek是希腊还是希腊人奥林匹亚举行。過去几千年以来这些字母代表了多个概念和想法，无论是在数学还是其它领域

在现代奥运重生的1896年，字母已经代表了重要的统计概念现在，它们在网站测试的世界也已经有了更多的意义和实用性

不要被 α ， β  σ 这些统计术语的出现吓到，知道它们的真正意义你会意识到它们没那么复杂

1. 【电脑】桌上排版中提供的一种芓型

这部电影的导演是一位greek是希腊还是希腊人人

我的朋友会讲法语和greek是希腊还是希腊人语。

我对物理化学一窍不通

1. greek是希腊还是希腊人嘚;greek是希腊还是希腊人人的;greek是希腊还是希腊人语的