Дано: результаты A/B теста -- successes_c, trials_c, successes_t, trials_t. Реализуйте Bayesian A/B анализ с Beta-приором Beta(1, 1): 1. Постериоры: Beta(1 + successes, 1 + failures) для каждого варианта 2. P(treatment > control) -- сэмплируйте 100000 значений из каждого постериора, посчитайте долю 3. Expected loss для каждого варианта 4. 95% credible interval для разницы Сохраните dict {"p_treatment_wins":..., "expected_loss_control":..., "expected_loss_treatment":..., "posterior_mean_c":..., "posterior_mean_t":..., "credible_interval_diff": [lo, hi]} (округлённые до 4 знаков) в `result`.
bayesian beta_distribution ab_test statistics