Canada Dataset

这样可以轻松可视化数据并计算卡方结果。每列和每行的总数提供了总体结果的清晰概述，为您做好下一步准备：运行实际测试。

虽然HubSpot 的 A/B 测试套件等工具可以自动计算统计显著性，但了解底层过程有助于您做出更好的测试决策。让我们看看这些计算实际上是如何工作的：

运行卡方检验
将数据组织成图表后，下一步就是使用卡方公式计算统计显著性。

公式如下：

统计显著性公式

在此公式中：

Σ表示将所有计算值相加。
O代表从测试中观察到的（实际）值。
E代表预期值，根据图表中的总数计算得出。
要使用公式：

从图表中每个单元格的观测值 ( O ) 中减去预期值 ( E )。
对结果取平方。
将平方差除以预期值 ( E )。
对所有单元格重复这些步骤，然后将 Σ 后 秘鲁手机号码数据 的所有结果相加以获得卡方值。
通过这个计算可以告诉您各组之间的差异是否具有统计显著性或是否可能是偶然的。

5.计算您的预期值。
( E )。如果主题行与电子邮件是否打开之间没有关系，我们预计打开率在两个变体（A 和 B）中是成比例的。

假设：

发送的电子邮件总数= 5,000
总打开次数= 1,000（打开率为 20%）
主题行 A 已发送给2,500 名收件人。
主题行 B 也已发送给2,500 名收件人。