Distribución predictiva
¡Buen trabajo analizando las extracciones de parámetros! Ahora vamos a usar el modelo de regresión lineal para hacer predicciones. ¿Cuántos clics podemos esperar si decidimos mostrar 10 anuncios de ropa y 10 de zapatillas? Para averiguarlo, tendrás que muestrear de la distribución predictiva: una distribución normal con la media definida por la fórmula de la regresión lineal y la desviación estándar estimada por el modelo.
Primero, resumirás el posterior de cada parámetro con su media. Luego, calcularás la media de la distribución predictiva según la ecuación de regresión. A continuación, extraerás una muestra de la distribución predictiva y, por último, representarás su densidad. Aquí tienes la fórmula de la regresión para tu comodidad:
pymc3, numpy y seaborn se han importado con sus alias habituales.
Este ejercicio forma parte del curso
Análisis de datos bayesiano en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Aggregate posteriors of the parameters to point estimates
intercept_coef = ____
sneakers_coef = ____
clothes_coef = ____
sd_coef = ____