Aplicar probabilidad condicional

Probabilidad avanzada: la incertidumbre en los datos

Maarten Van den Broeck

Senior Content Developer at DataCamp

Entender la probabilidad condicional

• Probabilidad de que ocurra B dado que A ya ocurrió
• Ejemplo:
  • Cliente vio la página del producto (evento A)

Entender la probabilidad condicional

• Probabilidad de que ocurra B dado que A ya ocurrió
• Ejemplo:
  • Cliente vio la página del producto (evento A)
  • ¿Hará una compra? (evento B)

Aplicaciones reales de la probabilidad condicional

• Retención de clientes:
  • ¿Renovará según su uso de funciones premium?
• Detección de fraude:
  • ¿Es fraudulenta dada una pauta de gasto inusual?
• Optimización de la cadena de suministro:
  • ¿Riesgo de retraso con mal tiempo?

Revisar probabilidades con el teorema de Bayes

• Revisa probabilidades con nueva evidencia
• Empieza con: probabilidades previas + datos nuevos + verosimilitud

Revisar probabilidades con el teorema de Bayes

• Revisa probabilidades con nueva evidencia
• Empieza con: probabilidades previas + datos nuevos + verosimilitud
• Termina con: probabilidades posteriores

Modelado bayesiano y toma de decisiones

• Actualizaciones continuas con nuevos datos
• Gestiona incertidumbre y datos incompletos
• Adapta y mejora decisiones

Ejemplo: detección de fraude

• Modelo bayesiano para detectar fraude con tarjeta
  • Probabilidad previa según el sector: 2%
• Nueva transacción
  • Cambio brusco en el gasto
    • Presente en el 85% de fraudes
    • Solo en el 5% de transacciones legítimas
  • La probabilidad posterior sube mucho, al 25.8%
• La transacción se marca para revisión

¡Vamos a practicar!

Probabilidad avanzada: la incertidumbre en los datos