Насколько велики потери?
Вы установили, что с вероятностью 98% реклама одежды имеет более высокий коэффициент кликабельности, чем реклама кроссовок. Это говорит в пользу запуска кампании по одежде на более широкую аудиторию. Однако остаётся 2% вероятность того, что реклама кроссовок на самом деле эффективнее. Если это так, сколько кликов мы потеряем, запустив кампанию по одежде?
Ответ на этот вопрос — ожидаемые потери: средняя апостериорная разность между двумя коэффициентами кликабельности при условии, что реклама кроссовок показывает лучший результат. Для расчёта достаточно взять только те значения апостериорной разности, при которых кликабельность рекламы кроссовок выше, и вычислить их среднее.
Апостериорная разность коэффициентов кликабельности diff уже доступна в вашем рабочем пространстве. Давайте выясним, насколько велик риск!
Это упражнение является частью курса
Байесовский анализ данных на Python
Инструкции к упражнению
- Отфильтруйте
diff, оставив только отрицательные значения (соответствующие случаям, когда кликабельность рекламы кроссовок выше), и сохраните результат в переменнуюloss. - Вычислите среднее значение
loss, сохраните его в переменнуюexpected_lossи выведите результат на экран.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Slice diff to take only cases where it is negative
loss = ____
# Compute and print expected loss
expected_loss = ____
print(____)