A oder B – und wie sicher sind wir?
Du hast gerade herausgefunden, dass Anzeigen für Kleidung wahrscheinlich eine höhere Klickrate haben als Anzeigen für Sneaker. Aber wie hoch ist genau die Wahrscheinlichkeit, dass das so ist? Um das herauszufinden, musst du die posterioren Unterschiede zwischen den Klickraten für Kleidung und Sneaker berechnen. Dann berechnest du ein glaubwürdiges Intervall für den Unterschied, um die Unsicherheit der Schätzung zu messen. Schließlich berechnest du den Anteil der Fälle, in denen dieser Unterschied positiv ist – das entspricht einer höheren Klickrate bei Kleidung. Legen wir los!
arviz, seaborn und matplotlib.pyplot wurden bereits als az, sns bzw. plt importiert. Außerdem stehen dir clothes_posterior und sneakers_posterior, die du in der vorherigen Übung berechnet hast, in deinem Workspace zur Verfügung.
Diese Übung ist Teil des Kurses
Bayesianische Datenanalyse in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate posterior difference and plot it
diff = ____
sns.kdeplot(diff, shade=True, label="diff")
plt.show()