Sannolikheten att gå med förlust
I den här övningen använder vi DGP-modellen för att uppskatta sannolikheter.
Som vi såg tidigare kan företaget välja att investera extra pengar – låt oss säga 3 000 dollar – för att ta fram en ny annonsdesign. Det kan potentiellt ge högre klick- och registreringsfrekvenser, men det är inte garanterat. Vi vill ta reda på om det är värt att lägga de extra 3 000 dollarna, genom att beräkna sannolikheten för att gå med förlust. Med andra ord: sannolikheten att intäkterna från det dyrare alternativet minus intäkterna från det billigare alternativet understiger kostnaden.
När vi väl har simulerat möjliga intäktsutfall kan vi ställa en rad frågor som kanske inte hade gått att besvara med traditionella analysmetoder.
Detta enkla men kraftfulla ramverk utgör grunden för bayesianska metoder för att beräkna sannolikheter.
Den här övningen är en del av kursen
Statistisk simulering i Python
Övningsinstruktioner
- Initiera
cost_diff, skillnaden mellan det dyrare och det billigare alternativet, till3000. - Hämta intäkterna för det dyrare alternativet och tilldela dem till
rev_high. - Beräkna andelen gånger som
rev_high - rev_lowär mindre äncost_diff. Kalla denfracoch använd den för att skriva ut ditt resultat.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(____))