Actualización bayesiana de una tasa
Combina lo que se creía antes con los datos nuevos para estimar una tasa de conversión y la probabilidad de que supere un objetivo.
Tras las primeras semanas de un canal nuevo, ¿qué tasa de conversión es creíble y qué probabilidad hay de que supere el umbral de rentabilidad?
Intentos sintéticos generados con la tasa real indicada; el modelo sólo ve cuántos acabaron en conversión.
Controles
Ficha del modelo
Las siete preguntas que todo modelo de la biblioteca debe responder antes de publicarse.
- Tras las primeras semanas de un canal nuevo, ¿qué tasa de conversión es creíble y qué probabilidad hay de que supere el umbral de rentabilidad?
- Número de intentos y de éxitos observados.
- Una creencia previa sobre la tasa: su valor esperado y cuánta confianza merece.
- Los intentos son independientes con la misma tasa.
- La creencia previa se expresa como una distribución Beta.
- Distribución posterior de la tasa.
- Intervalo creíble del 95 %.
- Probabilidad de superar el objetivo.
- Explícita: la posterior es la incertidumbre sobre la tasa dada la información disponible.
- Con pocos datos domina la creencia previa; con muchos, la posterior se concentra en la tasa observada, sea cual sea la previa.
- Una previa muy confiada y equivocada tarda mucho en corregirse.
- Si la tasa cambia con el tiempo, acumular datos antiguos engaña.
- Gelman, A. et al. (2013). Bayesian Data Analysis, 3.ª ed., cap. 2.