Análise de Cadeias de Markov

Probabilidade Avançada: Incerteza em Dados

Maarten Van den Broeck

Senior Content Developer at DataCamp

O que são Cadeias de Markov?

• Modela sistemas com diferentes estados
• Transições entre estados com base em probabilidades
• Ideia-chave: a transição só depende do estado atual
• Aplicação-chave: entender jornadas de clientes

Elementos de uma Cadeia de Markov

• Estados: diferentes condições ou etapas

Elementos de uma Cadeia de Markov

• Estados: diferentes condições ou etapas
• Transições: probabilidades de ir de um estado a outro

Elementos de uma Cadeia de Markov

• Probabilidades de estado estacionário: chances no longo prazo de estar em um estado
  • Calculadas com software estatístico ou BI
  • Ex.: estacionário para ensolarado: 66,67%

Matriz de transição

	Ensolarado	Nublado
Ensolarado	80%	20%
Nublado	40%	60%

Aplicações de Cadeias de Markov

• Retenção de clientes:
  • Identificar probabilidades de transição entre engajamento e churn
• Otimização de conversão:
  • Progresso no funil de vendas
• Recomendação de produtos:
  • Prever interações futuras do cliente

Exemplo: e-commerce$^1$

¹ C para Cupom, P para Purchase, E para Exit

Exemplo: e-commerce

	Usou (novo) cupom	Fez (nova) compra	Saiu
Usou cupom	10%	60%	30%
Fez compra	5%	90%	5%
Saiu	15%	5%	80%

Exemplo: e-commerce

	Usou (novo) cupom	Fez (nova) compra	Saiu
Usou cupom	10%	60%	30%
Fez compra	5%	90%	5%
Saiu	15%	5%	80%

Vamos praticar!

Probabilidade Avançada: Incerteza em Dados