Posterior-Klickraten
Nach einer erfolgreichen Station im Gesundheitsministerium wechselst du ins Marketing. Dein neues Unternehmen hat gerade zwei Pilot-Werbekampagnen durchgeführt: eine für Sneaker und eine für Kleidung. Deine Aufgabe ist herauszufinden, welche effektiver war, gemessen an der Klickrate, und welche auf eine größere Zielgruppe ausgerollt werden sollte.
Du entscheidest dich für A/B-Tests und modellierst die Daten mit einer binomialen Likelihood. Du hast herausgefunden, dass die typische Klickrate früherer Anzeigen zuletzt bei etwa 15 % lag, mit Ergebnissen zwischen 5 % und 30 %. Auf dieser Grundlage folgerst du, dass \(Beta(10, 50)\) eine gute Prior für die Klickrate ist.
Die ads-Daten, die Funktion simulate_beta_posterior(), die du im Video gesehen hast, und numpy (als np) stehen dir in deiner Arbeitsumgebung zur Verfügung.
Diese Übung ist Teil des Kurses
Bayesianische Datenanalyse in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Generate prior draws
prior_draws = ____(____, ____, 100000)
# Plot the prior
sns.kdeplot(____, shade=True, label="prior")
plt.show()