对于策略影响力小的线上AB实验，除了延长观察时间，还有哪些经验之谈？

参考：https://www.zhihu.com/question/622388254
T检验 背景 原理 还有 实际计算方式（来自文心一言）


实际代码参考

import numpy as np
from scipy import stats

# 独立样本T检验示例
group1 = np.array([10.2, 9.8, 11.5, 12.1, 8.9])
group2 = np.array([13.0, 12.7, 11.9, 14.2, 10.5])
t_stat, p_val = stats.ttest_ind(group1, group2, equal_var=True)
print(f"T统计量: {t_stat:.3f}, P值: {p_val:.4f}")

# 配对样本T检验示例
pre = np.array([120, 115, 130, 125, 110])
post = np.array([110, 105, 125, 118, 105])
t_stat, p_val = stats.ttest_rel(pre, post)
print(f"配对T检验P值: {p_val:.4f}")

在T检验中，t值和p值是判断两组数据均值差异是否具有统计学意义的两个核心指标，其含义和关系如下：