À quel point cela peut-il être mauvais ?
Vous avez conclu qu'avec une probabilité de 98 %, les annonces de vêtements ont un taux de clics supérieur à celui des annonces de chaussures de sport. Cela suggère de déployer la campagne pour les vêtements auprès d'un plus large public. Toutefois, il y a un risque de 2 % que ce soient plutôt les annonces de chaussures de sport qui performent mieux. Si c'est le cas, combien de clics perdrions-nous en déployant la campagne de vêtements ?
La réponse correspond à la perte attendue : la différence postérieure moyenne entre les deux taux de clics, en supposant que les annonces de chaussures de sport font mieux. Pour la calculer, vous n'avez qu'à prendre les valeurs de la différence postérieure où le taux de clics des chaussures de sport est plus élevé et en calculer la moyenne.
La différence postérieure entre les taux de clics, diff, est disponible dans votre espace de travail. Voyons ce qui est en jeu !
Cette activité fait partie du cours
Analyse bayésienne des données en Python
Instructions de l’exercice
- Découpez
diffpour ne garder que les cas où il est négatif (ce qui correspond à un taux de clics plus élevé pour les chaussures de sport) et assignez le résultat àloss. - Calculez la moyenne de
loss, assignez-la àexpected_losset affichez-la.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Slice diff to take only cases where it is negative
loss = ____
# Compute and print expected loss
expected_loss = ____
print(____)