1. Nauka
    2. /
  2. Kursy
    3. /
  3. Symulacje statystyczne w Pythonie
Connected

ćwiczenie

Ścieżka rejestracji

Teraz zamodelujemy proces generowania danych (DGP) dla ścieżki reklamy w e-commerce, zaczynając od rejestracji.

Każdego dnia notujemy wiele wyświetleń reklam, które można modelować jako zmienne losowe Poissona. Przyjmujemy, że \(\lambda\) ma rozkład normalny ze średnią 100 tys. odwiedzających i odchyleniem standardowym 2000.

W trakcie ścieżki rejestracji użytkownik widzi reklamę, decyduje, czy w nią kliknie, a następnie – czy się zarejestruje. Kliknięcia i rejestracje są zatem zmiennymi binarnymi, modelowanymi za pomocą dwumianowych zmiennych losowych. Jak wyznaczyć prawdopodobieństwo sukcesu \(p\)? Tańsza opcja daje współczynnik klikalności na poziomie 1% i współczynnik rejestracji 20%. Droższa opcja może zwiększyć oba te wskaźniki nawet o 20%, jednak stopień poprawy jest niepewny – modelujemy go więc jako zmienną losową o rozkładzie jednostajnym.

Instrukcje

100 XP
  • Zainicjalizuj słowniki ct_rate i su_rate tak, aby wartości high miały rozkład jednostajny między wartością low a \(1{,}2 \times\) wartością low.
  • Zamodeluj impressions jako zmienną losową Poissona ze średnią lam.
  • Zamodeluj clicks i signups jako dwumianowe zmienne losowe, przyjmując n odpowiednio jako impressions i clicks, a p jako ct_rate[cost] i su_rate[cost].
  • Na końcu wyświetl symulowaną liczbę rejestracji dla opcji o koszcie 'high'.