始める無料で始める

どれくらい悪くなり得る？

衣料品の広告はスニーカーの広告よりもクリック率が高い確率が 98% であると結論づけました。これは、衣料品キャンペーンをより広いオーディエンスに展開することを示唆します。ただし、実際にはスニーカー広告のほうが良い可能性が 2% あります。もしそうなら、衣料品キャンペーンを展開した場合、どれだけのクリックを失うことになりますか？

この答えが期待損失です。つまり、スニーカー広告のほうが良いという条件のもとでの、2 つのクリック率の事後差の平均です。これを計算するには、事後差のうちスニーカーのクリック率が高い（= 衣料品より差がマイナス）箇所だけを取り出し、その平均を求めれば十分です。

クリック率の事後差 diff は作業スペースに用意されています。どれくらいのリスクがあるか確かめましょう！

この演習はコースの一部です

Pythonで学ぶBayesianデータ分析

コースを見る

演習の手順

  • diff をスライスして、負の値（スニーカーのクリック率が高いことに対応）だけを取り出し、loss に代入します。
  • loss の平均を計算し、expected_loss に代入して出力します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Slice diff to take only cases where it is negative
loss = ____

# Compute and print expected loss
expected_loss = ____
print(____)
コードを編集して実行