Vai al contenuto principale
Torna ai Corsi
MODULO 17

Significativita Statistica, A/B Testing e Experimentation Science

Porta la sperimentazione a livello serio con design causale, power planning, variance reduction e governance.

Copertina editoriale del modulo Significativita Statistica, A/B Testing e Experimentation Science
Fondamenti della Significativita' Statistica - immagine ufficiale della lezione su GinnyTech, creata da AD
1
Avanzato 18 min

Fondamenti della significativita statistica

Ipotesi nulla e alternativa, distribuzione campionaria, statistica test e p-value. Dalla lezione del tè di Ronald Fisher (1925) al test A/A numerico, con limiti del testing frequentista e template di validazione operativa.

Prerequisiti: 1

Vai alla lezione
Ipotesi Business e Domande Sperimentali - immagine ufficiale della lezione su GinnyTech, creata da AD
2
Avanzato 18 min

Domande causali e ipotesi business ben formulate

Formulare domande causali e ipotesi business falsificabili: meccanismo, metrica primaria, unità di analisi e direzione attesa, con esito scritto prima del lancio e guardrail dichiarati.

Prerequisiti: 1

Vai alla lezione
Disegno Sperimentale, Randomizzazione e Metriche - immagine ufficiale della lezione su GinnyTech, creata da AD
3
Avanzato 18 min

Disegno sperimentale, randomizzazione e unità di analisi

Allineare unità di randomizzazione, unità di analisi e metrica primaria, con randomizzazione bilanciata e guardrail che intercettano i danni collaterali.

Prerequisiti: 1

Vai alla lezione
A/A Test e Affidabilita' del Sistema - immagine ufficiale della lezione su GinnyTech, creata da AD
4
Avanzato 18 min

A/A test e validazione del sistema di misura

Il test A/A come collaudo del sistema di misura: confrontare la quota di falsi positivi con la soglia attesa e indagare randomizzazione, logging e pipeline quando i falsi allarmi superano l'atteso.

Prerequisiti: 1

Vai alla lezione
A/B Test: Dalla Variante alla Decisione - immagine ufficiale della lezione su GinnyTech, creata da AD
5
Avanzato 18 min

Flusso completo di un A/B test professionale

Il flusso completo di un A/B test professionale: domanda, ipotesi, disegno e guardrail fissati prima del lancio, monitoraggio senza decisioni intermedie e raccomandazione netta tra rollout, iterazione e nuovo test.

Prerequisiti: 1

Vai alla lezione
P-Value, Errori e Interpretazione Corretta - immagine ufficiale della lezione su GinnyTech, creata da AD
6
Intermedio 18 min

P-value, errori e interpretazione corretta

Che cosa misura davvero il p-value e come leggerlo insieme a effect size, intervalli, power e decisione business.

Prerequisiti: 1

Vai alla lezione
Sample Size, Potenza, MDE e Durata - immagine ufficiale della lezione su GinnyTech, creata da AD
7
Avanzato 18 min

CUPED e variance reduction

CUPED e variance reduction: scegliere una covariata precedente al trattamento e bilanciata, costruire la metrica corretta Y_adj e verificare la riduzione di varianza a parità di campione.

Prerequisiti: 1

Vai alla lezione
Peeking, Multiple Testing e Governance degli Esperimenti - immagine ufficiale della lezione su GinnyTech, creata da AD
8
Avanzato 18 min

Peeking, multiple testing e sequential testing

Peeking, multiple testing e sequential testing: durata minima e regola di lettura fissate prima del lancio, correzione della soglia con α/K e stop deciso solo dalla regola scritta.

Prerequisiti: 1

Vai alla lezione
Caso Studio: Rifare il Checkout Senza Ingannarsi - immagine ufficiale della lezione su GinnyTech, creata da AD
9
Avanzato 22 min

Bayesian A/B, switchback test e geo-test

Quando la randomizzazione per utente non è possibile: switchback test per interferenza temporale, geo-test per interventi locali e modello bayesiano per decidere in fretta con poco traffico.

Prerequisiti: 1

Vai alla lezione
Cheat Sheet: Significativita' Statistica e A/B Testing - immagine ufficiale della lezione su GinnyTech, creata da AD
10
Avanzato 28 min

Governance sperimentale + caso studio end-to-end

Governance sperimentale e caso studio end-to-end: registrare ipotesi, metrica primaria, MDE e durata prima del lancio, regole di stop comuni e decision memo che separa effetto, rischio e prossima azione.

Prerequisiti: 1

Vai alla lezione

Collegamenti tra moduli

Prerequisito naturaleAnalytics Engineering con dbt e Semantic Layer13 lezioni

Trasforma dati grezzi in modelli affidabili, riusabili e governati con layering, test, contracts e semantic layer.

Stessa fase del percorsoMatematica per l Analisi Dati10 lezioni

Inserisce il rigore matematico che rende piu leggibili modelli, inferenza, forecasting e regressioni applicate.

Stessa fase del percorsoAdvanced SQL for Analytical Systems14 lezioni

Usa SQL come linguaggio di ragionamento, non solo di estrazione, con pattern per coorti, funnel, esperimenti e performance.

Modulo precedentePanoramica del Corso e Metodo di Studio per Data Work8 lezioni

Trasforma il corso da catalogo a sistema cognitivo, con metodo di studio, memoria tecnica e piano di output professionali.

Modulo precedenteData Collection & Tracking Systems8 lezioni

Passa da tag e strumenti isolati a sistemi di misura affidabili, governati e osservabili.

Modulo precedenteMetriche, KPI Trees e Fondamenti Analitici6 lezioni

Impara a leggere i numeri come sistemi, con KPI tree, unit economics, baseline corrette e lettura causale dei segnali.