Aplicarea probabilității condiționate

Probabilitate avansată: Incertitudinea în date

Maarten Van den Broeck

Senior Content Developer at DataCamp

Înțelegerea probabilității condiționate

• Probabilitatea ca evenimentul B să aibă loc, știind că evenimentul A s-a produs deja
• Exemplu:
  • Clientul a vizualizat pagina produsului (evenimentul A)

Înțelegerea probabilității condiționate

• Probabilitatea ca evenimentul B să aibă loc, știind că evenimentul A s-a produs deja
• Exemplu:
  • Clientul a vizualizat pagina produsului (evenimentul A)
  • Va efectua clientul o achiziție? (evenimentul B)

Aplicații reale ale probabilității condiționate

• Analiza retenției clienților:
  • Va reînnoi un client abonamentul dacă utilizează funcții premium?
• Detectarea fraudelor:
  • Este o tranzacție frauduloasă în contextul unor cheltuieli neobișnuite?
• Optimizarea lanțului de aprovizionare:
  • Probabilitate de întârziere în caz de vreme nefavorabilă?

Revizuirea probabilităților cu teorema lui Bayes

• Revizuirea probabilităților pe baza noilor informații
• Punct de plecare: probabilități anterioare + date noi + verosimilitate

Revizuirea probabilităților cu teorema lui Bayes

• Revizuirea probabilităților pe baza noilor informații
• Punct de plecare: probabilități anterioare + date noi + verosimilitate
• Rezultat: probabilități posterioare

Modelare bayesiană și luarea deciziilor

• Actualizări continue pe măsură ce apar date noi
• Gestionarea incertitudinii și a datelor incomplete
• Adaptarea și îmbunătățirea deciziilor

Exemplu: detectarea fraudelor

• Model bayesian pentru detectarea fraudelor cu cardul
  • Probabilitate anterioară bazată pe date din industrie: 2%
• Tranzacție nouă
  • Schimbare bruscă a comportamentului de cheltuire
    • Prezentă în 85% din tranzacțiile frauduloase
    • Doar în 5% din tranzacțiile legitime
  • Probabilitatea posterioară actualizată crește semnificativ, la 25,8%
• Tranzacția este marcată pentru verificare

Să exersăm!

Probabilitate avansată: Incertitudinea în date