编辑导语：在举办要害的产物决定时，我们会用到A/B测试，那到底怎么应用和推算这个模子？本文作者具体的先容了在统计揣度中对A/B模子的应用。

上一篇文章“「深度」A/B测试中的因果揣度——潜在功效模子”中我们先容了用于A/B测试因果揣度的潜在功效模子，此刻我们来看看在统计揣度中如何应用这个模子，对试验的因果结果举办预计。

一、分流机制

前面我们说过，对付因果结果的预计，我们需要较量多个个另外实际视察到的潜在功效，个中一部门个别和别的一部门别离接管差异的处理惩罚，视察到差异的潜在功效。

如果我们有两个用户参加这个雾霾小试验：小强和小明，视察到如下的功效。

外貌上来看，小强不戴口罩咳嗽 100 分钟，小明戴口罩也是咳嗽 100 分钟，我们也许就简朴地得出一个结论：雾霾时戴口罩没有用，咳嗽不会少。

可是真实环境大概是：小强对雾霾的抵挡力比小明好许多，所以他不戴口罩咳嗽 100 分钟，戴口罩只咳嗽 10 分钟；而身体较弱的小明不戴口罩会咳嗽 200 分钟，戴口罩咳嗽 100 分钟。

那么真实的因果结果应该是戴口罩少咳嗽 100 分钟阁下，我们从数据外貌得出的戴口罩无用的结论是错误的。

上面给出的是一个只有两个个另外简朴例子，假如参加试验的个别许多，同样大概呈现这样的状况。

1. 问题出在那边？

显然，个别之间是存在差此外，假如我们把抵挡力强的分配在一组，把抵挡力差的分配到别的一组，然后举办比拟，功效就会和真实环境毛病很大，从而得堕落误的结论。

问题的要害在于参加试验的用户举办分组的要领，也就是哪些用户视察到戴口罩的潜在功效，哪些用户视察到不戴口罩的潜在功效，这是对试验较量的功效影响很大的重要因素。

我们把这个分组的进程称为用户分流/分配机制 (assignment mechani *** )。

也就是说，多个个别参加试验并不敷以担保我们举办有效的因果揣度，我们必需把握个另外分流机制这个要害信息可能对其举办有打算的节制。

分流机制和因果结果的界说没有干系，可是它是潜在功效模子应用进程中的要害一步，是抉择结果预计精确性的重要因素。

我们凡是需要在试验设计中选择一个好的分流方案，以使得因果结果的预计靠近于它的界说，而且尽大概晋升试验的统计功能。

因果结果是通过潜在功效（只能视察到个中一个）的较量来界说的，和实际接管到的处理惩罚无关。

可是，因为我们只能视察到一半的潜在功效，无法得知个另外因果结果，在评估因果结果时就存在一个因果揣度的坚苦：数据缺失问题，个别没有接管到的处理惩罚所对应的潜在功效的数据是缺失的。

因此，办理问题的要害就是缺失数据的处理惩罚机制，在因果揣度中就是分流机制。

哪些个别应该接管哪些处理惩罚，可能说哪些潜在功效应该被视察到？分流机制的这些分配抉择长短常要害的。

我们再看看有 4 个用户参加雾霾小试验的例子，这次试验增加了用户小芳和小刚，小芳和小强在一组，不戴口罩；小刚和小明在一组，戴口罩。

视察到数据如下：

这次从数据上看：不戴口罩咳嗽 150 分钟（平均）、戴口罩咳嗽 55 分钟（平均）、结论是戴口罩可以淘汰咳嗽时间 95 分钟（平均）。

和真实的个别因果结果比拟我们可以看出，这个预计功效是很精确的。

这次试验为什么可以揣度出正确的结论呢？

因为我们增加了试验用户小芳和小刚，而小芳的雾霾抵挡力和小明靠近（沟通），小刚的抵挡力和小强靠近（沟通）；

从而办理了数据缺失的问题：你可以把小芳的功效看作是小明没有视察到的不戴口罩环境下的潜在功效，把小刚的功效看作是小强没有视察到的戴口罩环境下的潜在功效。

这里分流的要害在于把用户属性（抵挡力）差不多的小强 vs 小刚，以及小明 vs 小芳，分配到两个差异的组，接管差异的处理惩罚。

假如反过来，把属性差不多的用户都放在同一个组，那么数据缺失问题照旧没有获得办理，试验结论和上面两个用户环境下的试验一样依然是错的。

从这两个例子我们可以看出：我们不能离开个另外分流机制而仅仅由个别视察到的潜在功效来举办因果揣度。

有效的揣度要求我们必需思量这个问题：为什么这些用户接管这个处理惩罚，别的的用户接管另一个处理惩罚？

二、随机化试验