손해를 볼 확률
이번 연습 문제에서는 DGP 모델을 사용해 확률을 추정해 보겠습니다.
앞서 본 것처럼, 이 회사는 광고를 재디자인하기 위해 추가로 $3000를 지출할 선택지가 있습니다. 클릭률과 가입률이 올라갈 수도 있지만, 보장되지는 않아요. 우리는 손해를 볼 확률, 즉 고비용 옵션의 매출에서 저비용 옵션의 매출을 뺀 값이 비용보다 작은 확률을 계산해, 이 추가 $3000를 쓸지 말지 판단하고자 합니다.
매출 결과를 시뮬레이션하고 나면, 전통적인 분석 방법만으로는 접근하기 어려웠던 다양한 질문을 던질 수 있어요.
이 단순하지만 강력한 프레임워크는 확률을 추정하는 베이즈 방법의 토대가 됩니다.
이 연습은 강의의 일부입니다
Python으로 하는 통계 시뮬레이션
연습 안내
- 'high'와 'low' 비용 옵션의 차이인
cost_diff를3000으로 초기화하세요. - 고비용 옵션의 매출을 구해
rev_high에 할당하세요. rev_high - rev_low가cost_diff보다 작은 경우의 비율을 계산하세요. 이를frac이라고 하고, 결과를 출력하는 데 사용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Initialize cost_diff
sims, cost_diff = 10000, ____
# Get revenue when the cost is 'low' and when the cost is 'high'
rev_low = get_revenue(get_signups('low', ct_rate, su_rate, sims))
rev_high = ____
# calculate fraction of times rev_high - rev_low is less than cost_diff
frac = ____
print("Probability of losing money = {}".format(____))