อัตราการคลิกจากการแจกแจงภายหลัง
หลังจากประสบความสำเร็จในกระทรวงสาธารณสุข คุณย้ายมาทำงานด้านการตลาด บริษัทใหม่เพิ่งดำเนินแคมเปญโฆษณาทดลอง 2 แคมเปญ ได้แก่ โฆษณารองเท้าผ้าใบและโฆษณาเสื้อผ้า หน้าที่ของคุณคือหาว่าแคมเปญไหนมีประสิทธิภาพสูงกว่า โดยวัดจากอัตราการคลิกผ่าน (click-through rate) เพื่อตัดสินใจว่าจะขยายไปสู่กลุ่มเป้าหมายที่กว้างขึ้น
คุณตัดสินใจทดสอบ A/B โดยสร้างโมเดลข้อมูลด้วย binomial likelihood พบว่าอัตราการคลิกผ่านของโฆษณาก่อนหน้านี้อยู่ที่ประมาณ 15% โดยผลลัพธ์แปรผันระหว่าง 5% ถึง 30% จึงสรุปได้ว่า \(Beta(10, 50)\) เป็น prior ที่เหมาะสมสำหรับอัตราการคลิกผ่าน
ข้อมูล ads, ฟังก์ชัน simulate_beta_posterior() ที่เห็นในวิดีโอ และ numpy (ในชื่อ np) พร้อมใช้งานใน workspace แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Generate prior draws
prior_draws = ____(____, ____, 100000)
# Plot the prior
sns.kdeplot(____, shade=True, label="prior")
plt.show()