Posterior क्लिक रेट्स
Department for Health में सफल कार्यकाल के बाद, आप मार्केटिंग में स्विच करते हैं। आपकी नई कंपनी ने दो पायलट विज्ञापन कैंपेन चलाए हैं: एक स्नीकर्स के लिए और एक कपड़ों के लिए। आपका काम यह जानना है कि क्लिक-थ्रू रेट के आधार पर कौन-सा अधिक प्रभावी रहा और जिसे बड़े ऑडियंस तक रोल आउट किया जाना चाहिए.
आप A/B टेस्टिंग चलाने का फैसला करते हैं और डेटा को बाइनोमियल likelihood से मॉडल करते हैं। आपको पता चला कि हाल में पुराने विज्ञापनों का सामान्य क्लिक-थ्रू रेट लगभग 15% रहा है, और नतीजे 5% से 30% के बीच रहे हैं। इसके आधार पर, आप निष्कर्ष निकालते हैं कि क्लिक-थ्रू रेट के लिए \(Beta(10, 50)\) एक अच्छा prior होगा.
ads डेटा, वीडियो में दिखाया गया simulate_beta_posterior() फंक्शन, और numpy (जैसे np) आपके वर्कस्पेस में उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Bayesian डेटा विश्लेषण
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Generate prior draws
prior_draws = ____(____, ____, 100000)
# Plot the prior
sns.kdeplot(____, shade=True, label="prior")
plt.show()