Lección 6 del curso Probabilidad Nivel Intermedio.
En la lección anterior vimos en qué consiste la distribución binomial, que permite representar la probabilidad de ocurrencia de una variable aleatoria discreta binaria cuando tenemos múltiples intentos.
En esta lección veremos un ejemplo práctico de aplicación de esta distribución binomial: la usaremos para construir un sencillo modelo predictivo.
En particular veremos cómo extraer información relevante de un set de datos con transacciones fraudulentas y luego usaremos esta información para calcular la probabilidad de tener un cierto número de transacciones de este tipo haciendo uso precisamente de la distribución binomial:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Acabamos de resolver un problema práctico de Ciencia de Datos haciendo uso de la distribución binomial.
En particular, vimos cómo extraer la distribución de probabilidades de una variable discreta binaria correspondiente a transacciones “sospechosas” y “fraudulentas” y con esta información hicimos uso de la librería Scipy y del módulo «binom» para realizar el cálculo de la PMF (Función de Probabilidad de Masa) de la distribución binomial y así determinar la cantidad más probable de transacciones fraudulentas que podríamos llegar a tener un día determinado.
¡Es decir que haciendo uso de esta distribución binomial hemos construido un sencillo modelo predictivo!
Teniendo claras las características de esta distribución binomial, en la próxima lección nos enfocaremos en otra de las distribuciones para variables aleatorias discretas que comúnmente usaremos en Ciencia de Datos y Machine Learning: la distribución multinomial.
Todas las lecciones del curso Probabilidad Nivel Intermedio