Exemplo
de Utilização da Regra de Bayes em "Credit Score"
A regra de Bayes permite calcular a probabilidade
condicional "A dado B" , dita probabilidade a posteriori, a partir
da probabilidade de "B dado A" e P(A), chamada a probabilidade a priori.
Exemplo:
Numa empresa de cartão de crédito, sabe-se que existem clientes
honesto e desonestos. Sabe-se ainda que um cliente tem, a priori, a probabilidade
de 80% de ser honesto.
-
P( A1 : O cliente é
honesto) = 0.8 , P( A2 : O cliente é desonesto)= 0.2
Por outro lado, sabe-se que mesmo honesto
o cliente tem uma probabilidade de 10% de não pagar um determinado
mês, enquanto o desonesto tem uma probabilidade de 20%.
-
N: não pagar, P(N/A1)=0.1,
P(N/A2)=0.2
Pergunta-se: um cliente que não pagou
o primeiro mês deve ser considerado desonesto?
Regra de Bayes: P(A2/N)= P(N/A2)P(A2)/P(N)
P(A1/N)= P(N/A1)P(A1)/P(N)
logo,
P(A2/N)= 0.2 * 0.2/P(N)= 0.04/P(N)
P(A1/N)= 0.1 * 0.8/P(N)= 0.08/P(N)
Apesar do primeiro mês não ter
sido pago, o cliente deve ser considerado honesto pois P(A1/N)>P(A2/N)
As probabilidades a posteriori P(Ai /
N) podem ser consideradas probalidade a priori, P(Ai) para o
próximo mês e assim por diante.
Quantos meses o cliente terá
que falhar no pagamento até eu me convencer que êle NÃO
é honesto ?