我掩盖了我正在处理的数据，但我认为这应该明白这一点。我正在尝试为以下内容设计测试：
客户出售各种冰棒。他们认为，在非常热的日子里，一种特殊的冰棒比不热的日子卖得更多。我如何证明他是对的还是错的？
我的想法是我可以做一个 A/B 测试，在不热和不热的日子之间分开。对于这些组中的每一个，我可以从当天售出的所有冰棒中找到该冰棒的销售额比例。如果这个比例在炎热的日子里上升，那么我可以做一个统计显着性检验并得出结论。
但我认为必须有其他测试/模型我可以仅根据销售数量来应用，对吗？我可以运行哪些测试，只涉及在热天而不是热天的原始销售计数之类的东西？请注意，我打算将温度用作分类变量，但如果这更有意义，我也可以使其连续。
我认为您需要首先仔细考虑您的客户到底想知道什么，因为您可以测试两种不同的东西：
对于第一个，您将分析比例；第二，您将分析指定冰棒类型的绝对销售量，实际上您可能会忽略所有其他类型冰棒的销售量。
如果后一个问题是您要分析的问题，我确实认为对特定类型冰棒的销售与温度（均作为连续变量）进行回归分析是一个合理的起点。事实上，您可以从绘制它们并查看图表开始，看看是否有任何趋势（线性、对数、逻辑等）突然出现。我不会立即进行 A/B 测试，因为您没有处理分类变量，并且没有一种自然的方式来转换它。
当然，进行这种转换可能是有意义的，但在这样做时，我建议查看整体销售数据和其他指标，以了解人们认为一天是热还是凉，以试图确定界限。诸如逻辑回归（可能是多项式）之类的东西可能会派上用场，尽管如果数据不够干净，我很容易看到它会给出毫无价值的结果。也许您可以利用聚类算法来识别具有相似销售数据的温度组，并使用它来确定您的类别。您还可以尝试关联外部数据集，例如社区泳池出勤率、冰淇淋销售、用电量（空调）等（如果可用），以进一步了解您对每天的温度等级的分析。（也许这是矫枉过正，但它'
顺便说一句，A/B 测试通常指定一个过程，您可以控制 A 类和 B 类的分配。就像在网页设计中一样，您选择（或编程计算机以选择，可能是随机的）每个访问者获得版本 A 还是版本 B . 你无法选择每天是否热，所以这不是一回事。话虽如此，您可能可以使用与适当的 A/B 测试相同的大多数分析方法。