#bayesian

In a simple probabilistic model, posterior inference sounds straightforward: observe some data,...

The Pain You finish an article, come up with three candidate headlines, and pick the one that "feels...

Polymarket Trading Bot Strategies: Turning Stale Probabilities into Edge with Bayes A...

Model averaging over hypotheses, the principled way to handle uncertainty in prediction

Validating Context Tree Weighting through experiments, including a bug that changed everything.

MMM이 비싸고 느린 분석가용 도구라는 인식은 이제 옛말입니다. PyMC-Marketing으로 마케터가 직접 adstock·saturation·prior를 조정하며 채널 기여도를 추정합니다. 모델 fit·posterior 해석·예산 시나리오까지 한 번에 정리.

Bayesian MMM의 절반은 prior를 잘 잡는 일입니다. Lift 결과·매체 통념·작년 데이터를 prior 분포로 변환하는 룰, 너무 좁거나 너무 넓을 때 일어나는 일, 분기마다 prior를 업데이트하는 흐름을 정리합니다.

신규 채널 첫 달, 가입자 60명. CAC 35,000원, LTV는 아직 모름. 손익분기 가능한 채널일까. 베이지안 hierarchical 모델로 LTV 분포를 추정해 의사결정의 분산을 같이 보고하는 법.

신규 캠페인 첫 주, 방문 1,200명 중 구매 25명. 전환율 2.08%라고 보고하면 다음 주에 다시 흔들립니다. Beta-Binomial로 신뢰구간을 함께 보고하는 베이지안 퍼널 분석.

데이터가 적을 때 last-touch가 흔들리는 이유, 그리고 베이지안 사전(prior)이 어떻게 신규 채널의 ROAS 추정을 안정시키는지 토이 코드 한 묶음으로 풀어봅니다.

베이지안 A/B는 "p-value < 0.05"가 아니라 "B가 A보다 좋을 확률 0.92"를 줍니다. 그 확률이 정직하려면 prior를 잘 잡아야 하고, HDI를 잘못 읽으면 함정이 옵니다. 마케터 시선에서 prior·posterior·HDI 정리.

Between 1900 and 2006, the number of major earthquakes per year ranged from 6 to 41. In some decades...