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.

To ćwiczenie jest częścią kursu

Symulacje statystyczne w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

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.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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(____))

Edytuj i uruchom kod