ความน่าจะเป็นของการขาดทุน

ในแบบฝึกหัดนี้ เราจะใช้โมเดล DGP เพื่อประมาณค่าความน่าจะเป็น

จากที่ได้เห็นก่อนหน้านี้ บริษัทมีตัวเลือกที่จะใช้งบเพิ่มเติม สมมติว่า $3,000 เพื่อออกแบบโฆษณาใหม่ ซึ่งอาจทำให้ได้อัตราการคลิกและอัตราการสมัครที่สูงขึ้น แต่ก็ไม่ได้รับประกัน เราต้องการทราบว่าควรใช้งบเพิ่มอีก $3,000 นี้หรือไม่ โดยคำนวณความน่าจะเป็นที่จะขาดทุน กล่าวคือ ความน่าจะเป็นที่รายได้จากตัวเลือกต้นทุนสูงลบด้วยรายได้จากตัวเลือกต้นทุนต่ำจะน้อยกว่าค่าใช้จ่ายที่เพิ่มขึ้น

เมื่อจำลองผลลัพธ์ของรายได้แล้ว เราสามารถตั้งคำถามที่หลากหลายได้ ซึ่งอาจทำได้ยากด้วยวิธีวิเคราะห์แบบดั้งเดิม

กรอบแนวคิดที่เรียบง่ายแต่ทรงพลังนี้คือพื้นฐานของวิธีการแบบ Bayesian สำหรับการคำนวณความน่าจะเป็น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจำลองทางสถิติด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

กำหนดค่า cost_diff ซึ่งเป็นส่วนต่างระหว่างตัวเลือกต้นทุน 'สูง' และ 'ต่ำ' ให้เป็น 3000
คำนวณรายได้สำหรับตัวเลือกต้นทุนสูงแล้วกำหนดให้กับตัวแปร rev_high
คำนวณสัดส่วนของจำนวนครั้งที่ rev_high - rev_low น้อยกว่า cost_diff โดยตั้งชื่อว่า frac แล้วใช้ค่านี้แสดงผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____))

แก้ไขและรันโค้ด