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

ćwiczenie

Prawdopodobieństwo straty

W tym ćwiczeniu użyjemy modelu procesu generowania danych (DGP), aby oszacować prawdopodobieństwo.

Jak widzieliśmy wcześniej, firma ma możliwość wydania dodatkowych środków – powiedzmy 3000 USD – na przeprojektowanie reklamy. Mogłoby to potencjalnie zwiększyć współczynnik kliknięć i rejestracji, jednak nie jest to gwarantowane. Chcemy sprawdzić, czy warto ponieść ten dodatkowy koszt, obliczając prawdopodobieństwo straty. Innymi słowy: jakie jest prawdopodobieństwo, że przychód z opcji droższej minus przychód z opcji tańszej będzie mniejszy niż różnica kosztów.

Gdy mamy już zasymulowane wyniki przychodów, możemy zadawać wiele szczegółowych pytań, które byłyby trudno dostępne przy użyciu tradycyjnych metod analitycznych.

Ten prosty, a zarazem potężny schemat stanowi podstawę metod bayesowskich stosowanych do wyznaczania prawdopodobieństw.

Instrukcje

100 XP
  • Zainicjalizuj zmienną cost_diff, czyli różnicę między opcją „droższą" a „tańszą", wartością 3000.
  • Oblicz przychód dla opcji droższej i przypisz go do zmiennej rev_high.
  • Oblicz ułamek przypadków, w których rev_high - rev_low jest mniejsze od cost_diff. Nazwij go frac i użyj go do wyświetlenia wyników.