Прогностическое распределение
Отличная работа с анализом выборок параметров! Теперь используем модель линейной регрессии для прогнозирования. Сколько кликов можно ожидать, если показать 10 рекламных объявлений с одеждой и 10 — с кроссовками? Чтобы это выяснить, нужно выполнить выборку из прогностического распределения: нормального распределения, среднее которого задаётся формулой линейной регрессии, а стандартное отклонение оценивается моделью.
Сначала вы опишете апостериорное распределение каждого параметра его средним значением. Затем вычислите среднее прогностического распределения по уравнению регрессии. После этого сделаете выборку из прогностического распределения и, наконец, построите график его плотности. Формула регрессии приведена ниже для справки:
pymc3, numpy и seaborn импортированы под стандартными псевдонимами.
Это упражнение является частью курса
Байесовский анализ данных на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Aggregate posteriors of the parameters to point estimates
intercept_coef = ____
sneakers_coef = ____
clothes_coef = ____
sd_coef = ____