Je suis à la recherche de ressources (ne doit pas être un seul livre) qui couvriraient certains des cas les plus difficiles de conception expérimentale et d'analyse statistique. Certains des cas que je voudrais être couverts:
1. Cas où les unités de randomisation sont différentes des unités d'analyse
Exemple: je gère une plateforme de commerce électronique avec M vendeurs et N acheteurs Je souhaite introduire un traitement au niveau vendeur, mais intéressé par la probabilité qu'un acheteur fasse un achat. Un acheteur type visitera plusieurs magasins au cours d'une même session.
2. La variable de résultat est fortement biaisée
Exemple: je gère un centre d'appels et je veux essayer d'inviter le client à saisir son identifiant client avant de joindre l'agent. J'espère réduire la durée moyenne des appels téléphoniques. La distribution des appels téléphoniques est extrêmement biaisée.
3. Un groupe de traitement a une distribution de forme différente
Exemple: même centre d'appels, mais maintenant mon traitement fonctionne beaucoup mieux pour les appels plus courts et légèrement pire pour les appels plus longs. Quelle est la bonne façon d'analyser cela?
4. Le traitement lui-même déséquilibre mes groupes
Exemple: la même plateforme de commerce électronique que dans 1. mais maintenant je veux expérimenter avec différents mécanismes de classement. En étant affecté à une position de classement plus favorable, un vendeur peut vouloir augmenter les prix, augmenter son inventaire, changer les stratégies de marketing, etc. d'une manière qui rendra certaines de ces variables systématiquement différentes pour différents traitements.