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 y completa el código de muestra.
# Generate prior draws
prior_draws = ____(____, ____, 100000)
# Plot the prior
sns.kdeplot(____, shade=True, label="prior")
plt.show()