News

Sismos, compras y probabilidades

28/11/2017 | es

sismo probabilidad psyma

Según Mogens Bladt, investigador del Departamento de Probabilidad y Estadística de la Universidad Nacional Autónoma de México (UNAM) había un 1,36% de posibilidades de que un terremoto de más de siete grados se repitiera en la Ciudad de México en la misma fecha que en 1985.

Los datos de los sismos ocurridos en una región durante un periodo largo de tiempo son la base para tener una evaluación de las probabilidades de que suceda.

La probabilidad es una medida de la certidumbre asociada a un suceso o evento futuro y suele expresarse como un número entre 0 y 1 (o entre 0 % y 100 %).

Las muestras de probabilidad permiten usar estadísticas inferenciales, es decir permiten hacer inferencias a partir de datos. Esta metodología está basada en la interpretación subjetiva de la probabilidad y tiene como punto central el Teorema de Bayes.

Todos los modelos bayesianos tienen en común la asignación de la probabilidad como medida de creencia de una hipótesis. El fin de la estadística, específicamente de la estadística Bayesiana, es suministrar una metodología para estudiar adecuadamente la información mediante el análisis de datos y decidir de manera acertada sobre la mejor forma de actuar.

En términos generales, el Teorema de Bayes vincula la probabilidad de A dado B con la probabilidad de B dado A. Los resultados no dependen del tamaño muestral aunque una muestra más grande permitirá obtener mejores conclusiones.

El método Bayesiano dio las bases para la generación de algoritmos de aprendizaje automático como el naive Bayes que combina el conocimiento previo que se tiene con diferentes hipótesis para calcular la clasificación con mayores posibilidades de suceder.
El análisis del consumidor utiliza la metodología bayesiana por ejemplo cuando deseamos estimar la probabilidad de que una persona pertenezca a determinado segmento por el historial de compras que ha realizado.

Con este método, la probabilidad de elección de entre las diferentes marcas que tiene una persona, es una variable que se evalúa en función de su incidencia. Nos da la posibilidad de realizar una ponderación de la posibilidad de ocurrencia de una hipótesis de manera cuantitativa para comprender y anticipar el desempeño de determinados productos con base al historial entre los diferentes perfiles del consumidor.

Aplicaciones del naive Bayes:

  • Análisis de sentimientos
  • Clasificación de textos
  • Sistemas de recomendación como Netflix o Amazon
  • Marcar  si un correo es o no  spam
  • Herramientas de Facebook

Las teorías fueron formuladas hace ya varios años pero es ahora cuando se han desarrollado los programas y las máquinas que puedan procesar tal cantidad de datos, misma que se ve incrementada cada día que pasa. La utilización de la inteligencia Artificial y el Big Data presentan una gran oportunidad para los negocios que, sumado a un análisis profundo de los consumidores, ofrece a las marcas la oportunidad de anticipar y predecir las probabilidades de éxito de un producto o servicio.

En Psyma, nos apasiona interactuar y compartir las soluciones que facilitan tomar decisiones con confianza. Platiquemos más al respecto, escríbenos directamente o da click aquí.

 

Fuentes:

J.A. Canas. J.J Egozcue et al, “Modelización de la peligrosidad sísmica. Monografías de Ingeniería Sísmica” Editor A. H. Barbat
Levin, Richard & Rubin, David. (2004). “Estadística para administración y economía”. Séptima edición. Pearson
Mitchell, Tom, “Machine Learning”, Ed. McGraw-Hill (1997)

 

MX | México D. F.

Simeon Pickers

Managing Director

​Telefon: +52 55 55920572

› ​E-Mail

Psyma Group AG

Rueckersdorf/Nuremberg Germany
Phone: +49 (0)911 99574-0
E-Mail: info@psyma.com