Aplikace podmíněné pravděpodobnosti

Pokročilá pravděpodobnost: neurčitost v datech

Maarten Van den Broeck

Senior Content Developer at DataCamp

Porozumění podmíněné pravděpodobnosti

• Pravděpodobnost události B za předpokladu, že nastala událost A
• Příklad:
  • Zákazník navštívil stránku produktu (událost A)

Porozumění podmíněné pravděpodobnosti

• Pravděpodobnost události B za předpokladu, že nastala událost A
• Příklad:
  • Zákazník navštívil stránku produktu (událost A)
  • Uskuteční zákazník nákup? (událost B)

Reálné aplikace podmíněné pravděpodobnosti

• Analýza udržení zákazníků:
  • Obnoví zákazník smlouvu, pokud využívá prémiové funkce?
• Odhalování podvodů:
  • Je transakce podvodná při neobvyklých výdajích?
• Optimalizace dodavatelského řetězce:
  • Pravděpodobnost zpoždění při nepříznivém počasí?

Aktualizace pravděpodobností pomocí Bayesova teorému

• Aktualizace pravděpodobností na základě nových důkazů
• Začínáme s: apriorní pravděpodobnosti + nová data + věrohodnost

Aktualizace pravděpodobností pomocí Bayesova teorému

• Aktualizace pravděpodobností na základě nových důkazů
• Začínáme s: apriorní pravděpodobnosti + nová data + věrohodnost
• Výsledek: aposteriorní pravděpodobnosti

Bayesovské modelování a rozhodování

• Průběžná aktualizace při příchodu nových dat
• Řízení nejistoty a neúplných dat
• Přizpůsobení a zlepšení rozhodování

Příklad: odhalování podvodů

• Bayesovský model pro sledování podvodů s platebními kartami
  • Apriorní pravděpodobnost dle odvětvových dat: 2%
• Nová transakce
  • Náhlá změna výdajového chování
    • Vyskytuje se v 85 % podvodných transakcí
    • Pouze v 5 % legitimních transakcí
  • Aktualizovaná aposteriorní pravděpodobnost výrazně vzroste na 25,8 %
• Transakce je označena ke kontrole

Lass uns üben!

Pokročilá pravděpodobnost: neurčitost v datech