EXPERIMENT / 04
可信實驗與因果決策
把隨機分派、資料品質與不確定性，變成可重跑的實驗計畫與決策備忘錄
PM、產品分析師、成長及營運團隊；需要判斷一次改動能否支持下一步的人。前1/10以內試閱 · 正式購買後閱讀365天 · 價格待定，付款暫未開放
18完整課文
09互動實驗
06模組動畫影片
01獨立專題
你會完成什麼
- 定義族群、處理、對照、時間窗與可識別的因果問題
- 寫出含MDE、抽樣、資料品質及停止規則的實驗計畫
- 重跑SRM、分層加權、多重比較及信賴區間並解釋假設
- 判別觀察性資料的混淆、碰撞及平行趨勢限制
- 交出可重現資料、參考程式與可選擇證據不足的決策備忘錄
適合誰，以及先備知識
- 能讀百分比、平均數與分母；會基本四則運算
- 會用表格讀CSV；工程線可執行Python 3標準庫
- 橋接：先區分百分比與百分點，將處理組減對照組寫成同一方向
- 不需要付費分析工具；所有資料為原創合成情境，沒有真實客戶資料
完整六模組課綱
MODULE 01
從問題到分派
先確定要估誰的什麼效果，再規劃樣本與實驗單位。
- 隨機分派回答哪個反事實問題
- 定義估計目標：分派、接受與外溢
- MDE與樣本：把可偵測和有價值分開
MODULE 02
測量與資料品質
統一分母、事件窗與分派紀錄，先處理SRM及遺失再讀成效。
- 百分點、相對提升與成熟分母
- SRM是品質警報，不是效果檢定
- 不變量、缺值與A/A診斷
MODULE 03
組成與重複檢定
理解加權反轉、異質性與獨立多次檢定的誤判風險。
- 辛普森反轉：先問權重屬於誰
- 異質性與事前分層：誰的平均效果
- 獨立重複檢定：至少誤判一次的機率
MODULE 04
多重比較與決策規則
把探索、確認、效益及傷害放進事前寫好的判準。
- p值、停止規則與有效序貫推論
- 多重比較：家族、期望錯誤與Bonferroni
- 事前決策表：效益、護欄與證據不足
MODULE 05
區間與準實驗
計算標準誤、區間與差異中的差異，保留可識別邊界。
- 標準誤與信賴區間：精度不是確定性
- 兩比例差：未合併區間與同時涵蓋
- 差異中的差異：算出十，仍要問為何
MODULE 06
反事實與完整交付
檢查平行趨勢、混淆及碰撞，完成可被覆核的決策。
- 平行趨勢、安慰劑與敏感度
- 混淆與碰撞：調整更多未必更好
- 可重跑決策memo：計算、假設與下一步
學習與購買說明
如何試閱與購買？
登入Google可閱讀全文前1/10以內的連續圖文；價格待定，綠界付款暫未開放。正式開放購買後，以伺服器核實的付款與權限開始365天閱讀。
資料與動畫來自真實企業嗎？
案例、圖解與合成資料自行創作；互動動畫是可重跑的教學模型，附假設與數值紀錄。沒有宣稱為特定企業的成效或任一供應商benchmark。
有真人批改或認證嗎？
本課提供參考答案、可執行檢查及rubric；目前沒有承諾真人導師批改或專業資格認證。