Tassi di click posteriori
Dopo un periodo di successo al Department for Health, passi al marketing. La tua nuova azienda ha appena lanciato due campagne pubblicitarie pilota: una per le sneakers e una per l’abbigliamento. Il tuo compito è capire quale sia stata più efficace in termini di click-through rate e quale quindi estendere a un pubblico più ampio.
Decidi di eseguire un A/B test, modellando i dati con una verosimiglianza binomiale. Hai scoperto che, di recente, il click-through rate tipico delle campagne precedenti è stato intorno al 15%, con risultati tra il 5% e il 30%. In base a questo, concludi che \(Beta(10, 50)\) sia una buona prior per il click-through rate.
I dati ads, la funzione simulate_beta_posterior() che hai visto nel video e numpy (come np) sono disponibili nel tuo workspace.
Questo esercizio fa parte del corso
Analisi dei dati bayesiana in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Generate prior draws
prior_draws = ____(____, ____, 100000)
# Plot the prior
sns.kdeplot(____, shade=True, label="prior")
plt.show()