Tasas de clic posteriores
Tras una etapa profesional exitosa en el Departamento de Salud, te pasas al marketing. Tu nueva empresa acaba de lanzar dos campañas publicitarias piloto: una de zapatillas y otra de ropa. Tu trabajo es averiguar cuál fue más efectiva según la tasa de clics y cuál debería ampliarse a un público mayor.
Decides ejecutar una prueba A/B, modelando los datos con una verosimilitud binomial. Averiguaste que la tasa de clics típica de anuncios anteriores ha rondado recientemente el 15%, con resultados entre el 5% y el 30%. Con base en esto, concluyes que un \(Beta(10, 50)\) es un buen prior para la tasa de clics.
Los datos ads, la función simulate_beta_posterior() que viste en el vídeo y numpy (como np) están disponibles en tu espacio de trabajo.
Este ejercicio forma parte del curso
Análisis de datos bayesiano en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Generate prior draws
prior_draws = ____(____, ____, 100000)
# Plot the prior
sns.kdeplot(____, shade=True, label="prior")
plt.show()