
from Scratch
107
z = a
_
b
_
test
_
statistic(1000, 200, 1000, 150) # -2.94
two
_
sided
_
p
_
value(z) # 0.003
즉, 두 광고가 동일하게 효과적이라면 이렇게 큰 차이가 발생할 확률은 불과
0
.
003
이라는 것을 의미한다.
7.7
베이즈 추론
지금까지 살펴본 방법들은 통계적 검정을 확률적으로 설명하는 것에(예를 들어
‘귀무가설이 사실이라면 이렇게 극단적인 통계치가 발생할 확률은
3
%이다’) 중
점을 두었다.
다른 추론 방법으로는 알려지지 않은 파라미터를 확률변수로 보는 방법이 있
다. 분석가(여러분)에게 파라미터에 대한
사전분포가 주어지고, 관측된 데이터
와 베이즈 정리를 사용하여
사후분포를 갱신할 수 있다. 통계적 검정에 대해 확
률적으로 결론을 내는 대신에 파라미터에 대해 확률적으로 결론을 낼 수 있다.
예를 들어 동전 던지기 예시처럼 알려지지 않은 파라미터가 확률이라고 해보자.
보통 모든 확률 값이
0
과
1
사이에서 정의되는 베타분포를 사전분포로 사용한다.
def B(alpha: float, beta: float) -> float:
"""
모든
확률값의
합이
1
이
되도록
해주는
정규화
값
"""
return math.gamma(alpha) * math.gamma(beta) / math.gamma(alpha ...