A eller B – och hur säkra är vi?
Du har precis upptäckt att klädesannonser troligen har en högre klickfrekvens än skoannonserna. Men hur stor är sannolikheten exakt? För att ta reda på det behöver du beräkna den posteriora skillnaden mellan klickfrekvenserna för kläder och skor. Sedan beräknar du ett trovärdighetsintervall för skillnaden för att mäta osäkerheten i skattningen. Slutligen beräknar du andelen fall där skillnaden är positiv, vilket motsvarar att klädannonsernas klickfrekvens är högre. Nu kör vi!
arviz, seaborn och matplotlib.pyplot har importerats åt dig som az, sns respektive plt. Dessutom finns clothes_posterior och sneakers_posterior, som du beräknade i föregående övning, tillgängliga i din arbetsyta.
Den här övningen är en del av kursen
Bayesiansk dataanalys i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate posterior difference and plot it
diff = ____
sns.kdeplot(diff, shade=True, label="diff")
plt.show()