strata group metrica 0 11 history 42.631346 1 6 history 14.844453 2 4 history 2.362768 3 37 history 79.494017 4 18 history -22.627788 5 34 history 28.679378 Датасет представляет собой результаты некоторого А/B-Теста: * `strata` - Некоторая информация по страту (группа), к которой относится пользователь. * `group` - Группа эксперимента - тестовая, контрольная или прошлая история. * `metrica` - Целевая метрика Найти различие между группами, увеличив чувствительность методом CUPED. Решить в python

Для увеличения чувствительности методом CUPED (сontrolled υniversal ρarameterization for estimating treatment effects), нам необходимо выполнить следующие шаги:

1. Оценить коэффициенты регрессии между независимой переменной (группой) и зависимой переменной (метрикой) в контрольной группе.
2. Посчитать остатки регрессии для контрольной группы.
3. Оценить коэффициенты регрессии между независимой переменной (группой) и остатками регрессии в тестовой группе.
4. Посчитать скорректированные оценки для метрики в тестовой группе.

Вот как это можно сделать в Python:

import pandas as pd
import statsmodels.api as sm

# Загрузка данных
data = {
    'strata': [11, 6, 4, 37, 18, 34],
    'group': ['history', 'history', 'history', 'history', 'history', 'history'],
    'metrica': [42.631346, 14.844453, 2.362768, 79.494017, -22.627788, 28.679378]
}

df = pd.DataFrame(data)

# Разделение данных на контрольную и тестовую группы
control_group = df[df['group'] == 'history']
treatment_group = df[df['group'] == 'history']

# Шаг 1: Оценка коэффициентов регрессии в контрольной группе
X = sm.add_constant(control_group['strata'])
model = sm.OLS(control_group['metrica'], X).fit()
control_group['residuals'] = model.resid

# Шаг 2: Оценка коэффициентов регрессии в тестовой группе
X = sm.add_constant(treatment_group['strata'])
model = sm.OLS(treatment_group['residuals'], X).fit()
treatment_group['cuped_metrica'] = model.predict(X) + control_group['metrica'].mean()

print(treatment_group[['strata', 'group', 'metrica', 'cuped_metrica']])

Этот код вычислит скорректированные оценки для метрики в тестовой группе с использованием метода CUPED.