Applicare la probabilità condizionata

Probabilità avanzata: l'incertezza nei dati

Maarten Van den Broeck

Senior Content Developer at DataCamp

Capire la probabilità condizionata

• Probabilità che l'evento B avvenga dato che l'evento A è già avvenuto
• Esempio:
  • Il cliente ha visto la pagina prodotto (evento A)

Capire la probabilità condizionata

• Probabilità che l'evento B avvenga dato che l'evento A è già avvenuto
• Esempio:
  • Il cliente ha visto la pagina prodotto (evento A)
  • Il cliente acquisterà? (evento B)

Applicazioni reali della probabilità condizionata

• Analisi retention clienti:
  • Un cliente rinnoverà dato l'uso di funzioni premium?
• Rilevamento frodi:
  • Una transazione è fraudolenta dato un comportamento di spesa insolito?
• Ottimizzazione supply chain:
  • Probabilità di ritardo con maltempo?

Rivedere le probabilità con il teorema di Bayes

• Rivedi le probabilità alla luce di nuove evidenze
• Parti da: probabilità a priori + nuovi dati + verosimiglianza

Rivedere le probabilità con il teorema di Bayes

• Rivedi le probabilità alla luce di nuove evidenze
• Parti da: probabilità a priori + nuovi dati + verosimiglianza
• Arriva a: probabilità a posteriori

Modellazione bayesiana e decisioni

• Aggiornamenti continui man mano che arrivano nuovi dati
• Gestisci incertezza e dati incompleti
• Adatta e migliora le decisioni

Esempio: rilevamento frodi

• Modello bayesiano per tracciare frodi con carta di credito
  • Probabilità a priori da dati di settore: 2%
• Nuova transazione
  • Cambio improvviso di spesa
    • Presente nell'85% delle transazioni fraudolente
    • Solo nel 5% di quelle legittime
  • La probabilità a posteriori sale sensibilmente, al 25,8%
• La transazione viene segnalata per revisione

Ayo berlatih!

Probabilità avanzata: l'incertezza nei dati