Capítulo - 3 Introdução à probabilidade com R
Figura 3.1: Em desenvolvimento!
Com a popularização da internet e o fácil acesso à informação e aos serviços online, o e-commerce tem crescido rapidamente. As pessoas querem mais comodidade e agilidade para obter seus produtos porém, junto com isso surgem alguns riscos entre eles, a exposição de dados e as fraudes online. Como o volume de transações (chamemos assim uma operação de compra e/ou venda online) online está cada dia maior, torna-se humanamente impossível tratar cada caso manualmente como era feito no passado. É aí que surge a necessidade de análises de transações de forma automática baseada em alguns critérios. Estes critérios podem ser variáveis tais como perfil de compras do cliente, dados geográficos entre outros e são organizados nos chamados modelos de risco de fraude. Estes modelos nada mais são que fórmulas estatísticas baseadas na teoria das probabilidades criadas com o objetivo de medir, com base nesta conjuntura de critérios, qual a probabilidade de uma transação ser fraudulenta ou não. Além de aplicações no e-commerce, modelos estatísticos são largamente aplicados nos segmentos bancários cobrindo risco de crédito e de mercado, no segmento de seguros, na previsão do tempo, no mercado financeiro e nas pesquisas médicas, entre outros. Todos estes campos onde se pode aplicar modelos estatísticos estão inseridos no contexto de que existe certa aleatoriedade nos eventos ou seja, mesmo estando em condições semelhantes resultados distintos podem ocorrer. Os princípios da teoria das probabilidades dão suporte para a compreensão e formulação destes modelos e por isso se torna indispensável para o trabalho estatístico. É através da teoria da probabilidade que buscamos quantificar a incerteza envolvida nestes fenômenos e garantir usabilidade prática dos seus resultados.
Diferentemente do módulo anterior, neste módulo teremos mais equações e exemplos teóricos pois exige maior detalhamento da teoria das probabilidades, mas sempre que possível analisaremos situações com dados reais.
No final deste módulo você será capaz de:
- Revisar noções de análise combinatória;
- Entender e definir probabilidade, espaço amostral, eventos e independência;
- Compreender os conceitos de probabilidade, probabilidade condicional e total
- Entender o teorema de Bayes;
- Entender e definir variável aleatória discreta e contínua;
- Conhecer e distinguir as principais distribuições de probabilidades discretas e contínuas;
- Resolver problemas de probabilidades em geral.
3.1 Combinatória
TODO: Em construção
3.1.1 Fatorial e princípio multiplicativo
3.1.2 Arranjo e permutação
3.1.3 Combinação
3.2 Probabilidade
TODO: Em construção
3.2.1 Definições
3.2.2 Probabilidade condicional e teorema de Bayes
3.2.3 Independência
3.3 Variáveis aleatórias
TODO: Em construção
3.4 Distribuições de probabilidade
TODO: Em construção