Quão ruim pode ser?
Você concluiu que, com 98% de probabilidade, os anúncios de roupas têm uma taxa de cliques maior do que os de tênis. Isso sugere expandir a campanha de roupas para um público maior. No entanto, há um risco de 2% de que, na verdade, os anúncios de tênis sejam melhores. Se for esse o caso, quantos cliques perdemos se lançarmos a campanha de roupas?
A resposta para isso é a perda esperada: a diferença média a posteriori entre as duas taxas de cliques dado que os anúncios de tênis se saem melhor. Para calculá-la, você só precisa pegar as entradas da diferença a posteriori em que a taxa de cliques dos tênis é maior e calcular a média.
A diferença a posteriori entre as taxas de clique, diff, está disponível no seu workspace. Vamos descobrir quanto está em risco!
Este exercício faz parte do curso
Análise de Dados Bayesiana em Python
Instruções do exercício
- Faça um slice em
diffpara pegar apenas os casos em que ele é negativo (correspondente à taxa de cliques de tênis ser maior) e atribua o resultado aloss. - Calcule a média de
loss, atribua aexpected_losse imprima.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Slice diff to take only cases where it is negative
loss = ____
# Compute and print expected loss
expected_loss = ____
print(____)