Dekódování nejistoty: Diskrétní rozdělení pravděpodobnosti v byznysu
Jak proměnit náhodu v daty podloženou strategii.
• ••• •%'S:tll
£i\ NotebookLM
Měření toho, co lze spočítat
Než můžeme modelovat budoucnost, musíme definovat naši proměnnou. V praxi pracujeme se dvěma světy: spojitým (měříme) a diskrétním (počítáme).
Spojitá situace
- Výška zákazníka
- Doba odezvy webu
- Objem kapalin
Diskrétní situace
- Počet konverzí
- Počet vadných kusů
- Denní počet zákazníků
Náš analytický arzenál se dnes zaměří na diskrétní jevy.
Základní kámen: Pravděpodobnostní funkce
P(X = xí) = Pí
Pravděpodobnostní funkce přesně mapuje, s jakou šancí (pi) nastane konkrétní výsledek (x^.
Základní pravidlo hry: Součet pravděpodobností všech možných scénářů musí vždy tvořit 100 %.
£ft NotebookLM
Nalezení středu: Očekávaná hodnota
Pokud bychom náš byznysový proces opakovali donekonečna, jaký bude průměrný výsledek? To je naše Střední hodnota (Expected Value).
E(X) = Y,*i'P(X = *i)
V byznysu představuje E(X) očekávané příjmy, průměrný počet reklamací nebo cílový počet denních návštěv. Je to těžiště našeho modelu.
NotebookLM
Kvantifikace rizika: Rozptyl a Směrodatná odchylka
Očekávaný výsledek není záruka. Rozptyl ukazuje,
jak moc se realita může vychýlit od našeho plánu. Nízké riziko (Malý rozptyl)
£\t NotebookLM
Nástroj 1: Model Úspěch / Neúspěch
Binomické rozdělení X ~ Bi(n, p)
Modelujeme počet úspěchu v sérii n nezávislých pokusu, kde každý má přesně stejnou šanci na úspěch p.
P(X = k) =
(l-p)n-k, fe = 0,...,n,n> 1, p e (0,1)
Charakteristiky:
Střední hodnota: E(X) = np
Rozptyl: D(X) =np(l-p)
^ NotebookLM
Binomické rozdělení v praxi
Scénář:
Marketingová konverzní kampaň. Na váš e-shop přijde 100 návštěvníků (n=100). Dlouhodobý konverzní poměr je 5 % (p=0;05).
Otázka:
Jaká je pravděpodobnost, že získáme přesně 10 konverzí?
Iftttttftfttttttfttt tffttffffftffft fffffttfffttft ffffftfff
fffffíf
• • • • •
ttftt
• • •
ttt
P(X=10) = 0,0167 (cca 1,67 %)
Excel: =BINOM.DIST(10; 100; 0,05; 0)
£ft NotebookLM
Nástroj 2: Model Kontrola kvality
Hypergeometrické rozdělení X ~ Hg(Nf Mf n)
Co když je náš vzorek omezený a každý výběr mění pravděpodobnost toho dalšího? (Výběr bez vracení ze závislých pokusů).
Parametry:
• N = Celkový počet jednotek
• M = Počet jednotek se sledovanou vlastností
• n = Velikost našeho výběru
£\\ NotebookLM
Hypergeometrické rozdělení v praxi
Scénář: Audit dodavatelského řetězce. Přijali jsme dávku 100 součástek (N=100). Víme, že 20 z nich je vadných (M=20). Provedeme Provedeme náhodnou kontrolu 10 kusů (n=10).
Otázka: Jaká je pravděpodobnost, I že najdeme přesně 3 zmetky? I
Excel: =HYPGEOM.DIST(3; 10; 20; 100; 0)
rft NotebookLM
Nástroj 3: Model Příchozí události
Poissonovo rozdělením ~ Po(A)
Jak modelujeme izolované události, které nastávají náhod nezávisle během pevně daného časového úseku?
Zajímavost modelu:
Střední hodnota i rozptyl jsou u tohoto rozdělení totožné.
E (X) = A a D(X) =Ä
Poissonovo rozdělení v praxi
Scénář:
Dostupnost IT infrastruktury. Vaše serverovna hlásí v průměru 2 výpadky za 24 hodin (A=2).
Otázka:
Jaká je pravděpodobnost bezchybného provozu (přesně 0 výpadků) během dnešního dne?
P(X=0) = 4r • e~2 = 0,135 (13,5 %)
Excel: =POISSON.DIST(0; 2; 0)
Äft NotebookLM
Nástroj 4: Model Stejná šance
Diskrétní rovnoměrné rozdělení X ~ Ro(n)
Nejjednodušší model - nastává tehdy, když má každý z n možných
výsledků naprosto stejnou šanci na úspěch.
P(X=x) = — n
Využití v byznysu:
- Základní A/B testování (prvotní randomizace).
- Algoritmy pro rovnoměrné rozdělení zátěže (load balancing) mezi n zaměstnanců.
£ft NotebookLM
Shrnutí: Rozhodovací strom analytika
Který model použít k redukci vaší nejistoty?
Zajímá nas počet úspěchů v sérii pokusů?
Ano, a pokusy jsou nezávislé
Binomické
Ano, ale vzorek
ubývá (závislé)
Hypergeometrické
Jde o počet událostí za časový/prostorový úsek?
Poissonovo
Mají všechny varianty stejnou pravděpodobnost?
Rovnoměrné
£\\ NotebookLM
Od chaosu ke strategii
Matematika není jen o vzorcích. Je to byznysová výhoda. Pochopením očekávané hodnoty E(X) a rozptylu D(X) a aplikací správného rozdělení transformujete nepředvídatelný chaos do kvantifikovatelného rizika.
Nejistotu nelze eliminovat, ale s těmito nástroji ji lze řídit.
NotebookLM