亏损概率
在本练习中，您将使用 DGP（数据生成过程）模型来估计概率。
如前所述，这家公司可以选择额外花费 $3000 来重新设计广告。这样可能带来更高的点击率和注册率，但并不保证。我们想通过计算亏损的概率，来判断是否要多花这 $3000。换句话说，即高成本方案的收入减去低成本方案的收入小于成本的概率。
一旦我们模拟出收入结果，就能提出一系列丰富的问题，而这些问题用传统的分析方法可能难以回答。
这个简单而有力的框架构成了贝叶斯方法用于获得概率的基础。
本练习是课程的一部分
Python 中的统计模拟
练习说明
- 将高低成本方案之间的差额
cost_diff初始化为3000。 - 计算高成本方案的收入，并将其赋给
rev_high。 - 计算
rev_high - rev_low小于cost_diff的次数所占比例。将其命名为frac，并用它来打印结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(____))