Estoy trabajando mi camino a través de las mismas preguntas. Ahora hay un par de artículos útiles que no estaban disponibles cuando se plantea esta cuestión.
Bayesiano pruebas a/B con la teoría y de código - El conjugado previa para la distribución binomial es la distribución beta. Por lo tanto, la distribución de la tasa de conversión de una variante es la de la distribución beta. Usted puede resolver P(a > B) de forma numérica o exactamente. Este artículo ha sido eliminado, pero el autor del código de python está disponible en Github. El autor se refiere a un ensayo escrito por Bayes sí mismo, Un Ensayo a la solución de un Problema en la Doctrina de la Probabilidad [PDF].
Proporcional A/B Testing - Autor explica que la distribución beta es la clave para la comprensión de cómo aplicar una solución Bayesiana para las pruebas a/B. También se analiza el uso de Thompson de Muestreo para la determinación de los valores antes de $\alpha$$\beta$.
El capítulo 2 de Métodos Bayesianos para los Hackers, por el Cam Davidson Pilon - Este es un iPython libro explicando Baysian métodos en un número de aplicaciones. Aproximadamente a mitad de camino a través del Capítulo 2 (el título de la sección es Ejemplo: Bayesiano pruebas a/B), el autor da una explicación detallada de cómo calcular la probabilidad de que Una es mejor que B (o viceversa) mediante el pymc de la biblioteca. Completa el código de python es dado, incluyendo la representación de los resultados.
También hay ahora un número de Bayesiana de la importancia de las calculadoras en línea.
