Calcolo delle Probabilità

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Calcolo delle Probabilità"

Transcript

1 à 1. Introduzione Calcolo delle Probabilità Il Calcolo delle Probabilità nasce dagli studi matematici sui giochi d azzardo. Il Calcolo delle Probabilità è lo strumento che permette all uomo di assumere un atteggiamento razionale di fronte all incertezza. L esperienza quotidiana mostra che i fatti osservabili non sono in generale prevedibili, eppure si presenta spesso la necessità di prendere decisioni che riguardano il futuro. Il Calcolo delle Probabilità permette di assumere atteggiamenti coerenti e giustificabili nel caso di eventi futuri non ripetibili, e di effettuare previsioni quantitative attendibili nel caso di eventi ripetibili in condizioni uniformi, e per i quali è quindi possibile effettuare serie di osservazioni. Non sempre il pensiero intuitivo ci porta a valutare la probabilità in modo razionale. Vediamo un esempio divertente. Il gioco di Monty Hall Siamo in un gioco a premi (che prende spunto da un fortunato show della TV americana chiamato Monty Hall), abbiamo davanti a noi tre porte: dietro una di queste c è una Ferrari, dietro alle altre due... una capra. Dobbiamo scegliere una porta, e vinceremo quello che troviamo li dietro. Fatta la scelta, Monty Hall ci dice Ne sei proprio sicuro? Puoi ancora cambiare la scelta: anzi, ti voglio aiutare e riduco le scelte a due. Ecco: dietro questa porta, c è una capra. Così dicendo, apre una delle porte che noi non abbiamo scelto, mostrando una capra. Ammesso che vogliamo vincere l auto, ci conviene cambiare porta, o la cosa è indifferente? La risposta più razionale risulta spesso quella meno intuitiva. Molti sono portati a dire: dato che una porta è stata aperta rimangono due possibilità e quindi la probabilità diventa 1. Continuare nella scelta iniziale o cambiare è indifferente... 2 Ma invece le cose non stanno esattamente così ed andremo a spiegare il perché, ma per farlo abbiamo bosogno di formalizzare l idea di probabilità. 2. Eventi Il primo ente di cui abbiamo bisogno per sviluppare il Calcolo delle Probabilità è la nozione di evento. Esistono enunciati per i quali non è possibile stabilire un immediato valore di verità (Vero o Falso) ma per i quali è solo possibile esprimere una maggiore o minore possibilità che che 1

2 uno dei due valori si realizzi.; in altre parole il loro valore di verità dipende dal caso. Esempi. Il 2 febbraio 2009 ad Assisi piove. Uscita della faccia 3 nel lancio di un dado. Nella formalizzazione matematica gli eventi vengono rappresentati come sottoinsiemi dell insieme Ω dei casi possibili Vediamo come in un esempio. Esempio. Supponiamo di lanciare quattro volte una moneta; quali sono i possibili esiti di questa operazione? Ovvero chi è in questo esperimento l insieme Ω? E l insieme di tutte le possibili stringhe di lunghezza 4 che contengono solo delle T e delle C. Ω = {T T T T, T T T C, T T CT, T CT T, CT T T, CCCT, CCT C,...} Al lettore il compito di completare l insieme Ω. L enunciato esattamente due teste è un evento, ed è rappresentato dal sottoinsieme di Ω fatto con tutte le sequenze che contengono esattamente 2 T, e cioè A = {T T CC, T CT C, T CCT, CT CT, CT T C, CCT T }. Esercizio. Si lanciano due dadi. Esplicitare in termini insiemistici l evento la somma delle due facce è 7. Due eventi si dicono incompatibili se il verificarsi dell uno esclude il verificarsi dell altro. Nella rappresentazione insiemistica significa che i sottoinsiemi di Ω che li rappresentano sono disgiunti. Ad esempio, nel lancio delle 4 monete, gli eventi esattamente due teste e nessuna testa sono incompatibili; insiemisticamente il secondo evento è rappresentato dal singoletto B = {CCCC} ed è chiaro che A e B sono disgiunti. Due eventi si dicono indipendenti se il verificarsi dell uno non influenza il verificarsi dell altro. Esempi. Nel gioco della roulette gli eventi uscita di un numero rosso e uscita di un numero dispari sono indipendenti, invece uscita di un numero rosso e uscita dello 0 non lo sono. Il primo è quindi un esempio di eventi indipendenti che non sono incompatibili (perchè ci sono dei numeri dispari e rossi, la cui uscita quindi rende verificati entrambe), mentre il secondo è un esempio di eventi incompatibili che non sono indipendenti. Bisogna quindi fare attenzione a non confondere queste due nozioni. La collezione degli eventi è quindi una famiglia di sottoinsiemi dell insieme dei casi possibili Ω. Denoteremo con Σ questa famiglia. Assumeremo alcune convenzioni sugli eventi, e cioè supporremo che l insieme degli eventi Σ costituisca un algebra cioè che soddisfi queste ipotesi: (E.1) Ω Σ (Ω è detto l evento certo); (E.2) dati due eventi A, B Σ, anche la loro unione A B Σ; (E.3) dato un evento A Σ anche il suo complementare A c Σ. Intanto osserviamo che grazie all assioma (E.3) anche l evento impossibile rappresentato da Ø è un evento, cioè appartiene a Σ. Allora se A e B sono due eventi anche la loro intersezione A B è un evento: infatti da (E.3) A c, B c Σ e da (E.2) A c B c Σ; ma è facile convincersi che quest ultimo evento è la negazione 2

3 di A B, cioè che (A B) c Σ; un ulteriore applicazione di (E.3), e l osservazione che iterando la negazione si riottiene l evento stesso, ci portano alla conclusione desiderata. Alcune osservazioni importanti. Non tutte le famiglie di sottoinsiemi dell insieme Ω sono delle algebre; ad esempio se l esperimento è il lancio di un dado, l insieme dei casi possibili è Ω = {1, 2, 3, 4, 5, 6}, ma la famiglia Σ = {Ω, {1}, {2}, {3}, {4}, {5}, {6}} non è un algebra (perchè?). Due algebre immediate sono Σ = {Ω, Ø} e Σ = 2 Ω, cioè l insieme di tutti i sottoinsiemi di Ω. Tuttavia questi non sono gli unici esempi possibili! Anzi, poichè la famiglia Σ sarà la classe degli eventi di cui sappiamo valutare la probabilità, è ragionevole aspettarsi che questa famiglia non contenga tutti i possibili eventi, cioè che sia possibili pronunciarsi solo sulla probabilità di verificarsi di alcuni. Esistono inoltre i meccanismi di veto che restringono le classi di eventi possibili. Vediamo un esempio Esercizio. I nonni Alberto e Bruna accompagnano i loro 4 nipotini Carmen, Daniela, Enzo e Filippo al Luna Park; i quattro vogliono andare sull otto volante, ma arrivati alla biglietteria un cartello avverte che I minori di 15 anni possono salire solo se accompagnati da un adulto. I carrellini dell otto volante possono alloggiare solo tre persone per volta. Se Ω = {A, B, C, D, E, F } quali sono i possibili equipaggi che possono salire sull otto volante? La famiglia di tutte le terne possibili (cioè senza tenere conto del divieto) più Ω e Ø è un algebra? E la famiglia dei possibili equipaggi, sempre integrata da Ω e Ø? 3. Probabilità La definizione di probabilità è uno dei fondamenti su cui maggiormente si è discusso e si discute. Qui non riporteremo questa discussione, limitandoci ad adottare la definizione più operativa dal punto di vista della deduzione di risultati, che è la definizione assiomatica di probabilità, come proposta da Kolmogorov. Secondo essa si definisce probabilità su uno spazio Ω una funzione P : Σ R (Σ è l algebra degli eventi) che soddisfi i seguenti tre assiomi: (P.1) P (A) 0 per ogni evento A Σ; (P.2) se A, B Σ sono incompatibili, allora P (A B) = P (A) + P (B) (regola di coerenza); (P.3) P (Ω) = 1. Spesso, negli esempi in cui l insieme dei casi possibili è finito, si attribuisce la medesima probabilità p a ciascuno dei casi possibili, e quindi la regola di coerenza obbliga ad assegnare ad ogni evento A come valore di probabilità P (A) = np dove n è il numero di casi possibili che costituisce A. Proviamo adesso i primi teoremi sulla probabilità. Monotonia della probabilità. Se due eventi A e B sono tali che A B allora P (A) P (B). Dimostrazione. Infatti B \ A è l intersezione tra B e il complementare di A, e quindi è un evento di Σ; ora A e B \ A sono incompatibili, dunque si può applicare la regola di coerenza, ottenendo P (B) = P [A (B \ A)] = P (A) + P (B \ A). (1) 3

4 Ma entrambe gli addendi all ultimo membro sono 0, quindi la somma è di uno qualunque dei due; in particolare perciò P (B) P (A). Osserviamo che come conseguenza della formula (??) se A B risulta anche P (A \ B) = P (A) P (B). Limitatezza della probabilità. Per ogni evento A Σ risulta P (A) 1. Dimostrazione. Discende immediatamente dalla monotonia e dall assioma (P.3) Teorema delle probabilità contrarie. Dato un evento A Σ si ha P (A c ) = 1 P (A). Dimostrazione. Poichè A e A c sono incompatibili, e la loro unione è tutto Ω si ha 1 = P (Ω) = P (A A c ) = P (A) + P (A c ) da cui si ricava la tesi. Teorema. La probabilità dell evento impossibile è 0. Dimostrazione. Infatti si ha Ω = Ω Ø. Pertanto, trattandosi anche in questo caso di eventi incompatibili, si trova P (Ω) = P (Ω Ø) = P (Ω) + P (Ø) e questo è possibile solo se il secondo addendo è nullo, cioè P (Ø) = 0. Il prossimo enunciato serve a calcolare la probabilità dell evento che si ottiene dall unione di due eventi, anche non incompatibili Teorema delle probabilità totali. Dati due eventi A, B Σ si ha P (A B) = P (A) + P (B) P (A B). Dimostrazione. Per provare l uguaglianza bisogna prima provare l iterazione dell assioma (P.2) al caso di 3 eventi 2 a 2 incompatibili. Dati infatti A, B, C Σ due a due disgiunti, tali cioè che A B = B C = A C = Ø 4

5 si ha P (A B C) = P (A) + P (B) + P (C). (2) Per provare questa uguaglianza si osservi che A B e C sono due eventi incompatibili, e quindi la regola di coerenza fornisce P [(A B) C] = P (A B) + P (C). D altronde anche A e B sono incompatibili, quindi si può sostituire P (A B) con la somma P (A) + P (B), ottenendo P [(A B) C] = P (A) + P (B) + P (C) che è la (??) se si ricorda che l unione è associativa. Ora, se A e B sono due eventi, gli eventi A\B, A B, B \A sono incompatibili, e quindi possiamo applicare (??) e ottenere P (A B) = P [(A \ B) (A B) (B \ A)] = P (A \ B) + P (A B) + P (B \ A). (3) Ora osserviamo che A = (A \ B) (A B) e che i due addendi sono incompatibili; quindi di nuovo grazie alla coerenza P (A) = P (A \ B) + P (A B) ovvero P (A \ B) = P (A) P (A B) e analogamente P (B \ A) = P (B) P (A B). Sostituendola nelle (??) si troverà P (A B) = P (A) P (A B) + P (A B) + P (B) P (A B) = P (A) + P (B) P (A B). che è la legge che volevanmo provare. 3. Probabilità condizionata L assegnazione del valore della probabilità ad un evento può essere condizionata dal tipo di informazione di cui si è in possesso. Questa considerazione intuitiva è alla base della definizione di probabilità condizionata. Per chiarirci le idee consideriamo l esempio dell urna in Figura. Essa contiene 11 biglie biancoverdi, 9 biglie bianco-rosse e 10 biglie rosso-verdi. Se consideriamo i tre eventi: B = estrazione di una pallina avente colore bianco; 5

6 R = estrazione di una pallina avente colore rosso; V = estrazione di una pallina avente colore verde; E allora facile calcolarne la probabilità; ad esempio per calcolare quella di B basta considerare che sulle 30 biglie contenute nell urna 11+9 sono quelle che portano il colore bianco. Quindi P (B) = = 2 3. Supponiamo ora di sbirciare l estrazione e di vedere una striscia rossa. L affermazione estrazione di una pallina avente il bianco sotto queste ipotesi assume una probabilità diversa; infatti, sapendo che la biglia estratta porta del rosso sappiamo che si è verificato sicuramente l evento R, e quindi le possibilità favorevoli al verificarsi dell affermazione diventano 9 su 20. Infatti, sapendo che la pallina sorteggiata presenta certamente del rosso, è equivalente a ragionare su un altra urna, in cui non ci sono le biglie bianco-verdi. Quindi in questa nuova situazione i casi possibili sono solo 20, e perchè sia verificata anche estrazione di una pallina avente il bianco l unica possibilità è l estrazione di una pallina bianco-rossa. L evento di cui abbiamo in questo modo calcolato la probabilità non è più B, ma è B condizionato a R; lo denoteremo con B R. E la probabilità l abbiamo calcolata secondo la formula P (B R) = P (B R). P (R) Osserviamo ora che la formula non avrebbe senso se la probabilità a denominatore fosse nulla. Per gli scopi di questa trattazione sarà sufficiente osservare che se l evento condizionante fosse impossibile, non vi sarebbe necessità di modificare la valutazione di probabilità. Ad esempio se anzichè sbirciare noi, un ciarlatano ci comunicasse come informazione riservata che nella pallina estratta c è del blu, la probabilità che la biglia estratta porti del bianco non subirebbe alcuna modificazione. Semplicemente la rivelazione è priva di informazione (tranne quella sulla serietà dell informatore..). In altre parole noi condizioneremo la probabilità solo per eventi a probabilità non nulla e definiremo la probabilità condizionata di un evento A subordinata al verificarsi dell evento B (di probabilità non nulla) tramite la formula P (A B) = P (A B). (4) P (B) 6

7 Dalla (??) facilmente si ricava la formula che permette di calcolare la probabilità di un intersezione. Vale infatti il Teorema della probabilità composta. Se A e B sono due eventi, con P (B) 0, allora P (A B) = P (A B)P (B). Dimostrazione. E un immediata deduzione dalla (??). Ricordiamo come abbiamo definito l indipendenza tra due eventi: due eventi A e B sono indipendenti se il verificarsi dell uno non influenza il verificarsi dell altro. Questo si traduce nell osservazione che la valutazione di probabilità di A o di B non viene modificata dalla conoscenza relativa al verificarsi dell altro; in altre parole se A e B sono indipendenti, P (A B) cioè la probabilità a posteriori successiva all accadere di B lascia intatta l assegnazione di probabilità a A. In formule P (A B) = P (A). Applicando il Teorema della probabilità composta allora troviamo P (A B) = P (A)P (B). (5) Ad esempio, se lanciamo due volte un dado, gli eventi 6 al primo lancio e 5 al secondo lancio sono indipendenti. Dunque la probabilità dell evento congiunto E = 6 al primo lancio e 5 al secondo lancio è data dal prodotto dei due singoletti, cioè P (E) = = Che accade se invece che tra due eventi indipendenti andiamo a considerare le relazioni tra tre eventi indipendenti? Osserviamo innanzitutto che quando parliamo di tre eventi indipendenti intendiamo che nessuno dei tre influenza il verificarsi di nessuno degli altri due, ovvero che i tre eventi sono due a due indipendenti. Ora, se denotiamo con A, B, C i tre eventi, il fatto che A è indipendente sia da B che da C comporta automaticamente che A è indipendente da B C, cioè il verificarsi di A non influenza il verificarsi di B e C simultaneamente. Quindi applicando la (??) alla coppia di eventi A e B C si ottiene intanto P (A B C) = P [A (B C)] = P (A)P (B C). D altra parte anche B e C sono indipendenti, e quindi anche nel loro caso si può applicare la (??), cioè P (B C) = P (B)P (C), e sostituendola si perviene alla P (A B C) = P (A)P (B)P (C). (6) Dunque perchè tre eventi siano indipendenti occorre che siano due a due indipendenti e ù+che si verifichi la (??). Notiamo che le due condizioni, indipendenza due a due e (??) possono essere verificate singolarmente può cioè accadere che tre eventi verifichino la (??) senza essere indipendenti (cioè senza che necessariamente la (??) valga per tutte le possibili coppie), e al contrario che tre eventi siano due a due indipendenti ma non lo siano come terna, cioè non sussita la (??). Per convincercene consideriamo i seguenti esempi. Esempio. Consideriamo il lancio di un dado, e prendiamo in esame i tre eventi A uscita di un numero pari ; 7

8 B uscita di un numero 3 ; C uscita di un numero centrale (cioè 2,3,4,5) Ora se si rappresentano insiemisticamente, si trova A = {2, 4, 6}, B = {1, 2, 3} e C = {2, 3, 4, 5}. Pertanto A B C = {2}. Così si trovano le probabilità P (A B C) = 1 6, mentre P (A) = 1 2, P (B) = 1 2, P (C) = 4 6 = 2 3. Quindi 1 6 = P (A B C) = = P (A)P (B)P (C) 3 cioè vale la (??). Tuttavia ad esempio A e B non sono indipendenti, cioè la probabilità di avere un numero pari, sapendo che il numero uscito è minore o uguale a 3 non è più 1 in quanto sotto 2 a 3 c è un solo numero pari; in altre parole, poichè A B = {2} P (A B) = = P (A)P (B). 2 Invitiamo il lettore a calcolare tutte le possibili probabilità condizionate P (A B), P (B A), P (B C),... Esempio. Un paziente con crisi di cefalea ricorrente ha osservato la frequenza dell incorrere dell episodio patologico nei diversi giorni della settimana, pervenendo alla tabella seguente Nella routine settimanale il paziente esegue lunghi spostamenti in auto nei giorni di Lunedì, Martedì, Giovedì e Venerdì, svolge attività fisica nei giorni di Martedì, Mercoledì, Giovedì e Sabato, e si trova a lungo contatto con forti fumatori nei giorni di Giovedì, Venerdì, Sabato e Domenica. Le cause di insorgenza della cefalea stress da guida prolungata, attività fisica (= vasodilatazione) e fumo passivo sono due a due indipendenti, ma non lo è la terna nel complesso. Infatti, detti A, B, C gli eventi determinati dalle tre possibili cause elencate, la loro rappresentazione insiemistica è A = {L, Ma, G, V}, B = {Ma, Me, G, S}, C = { G, V, S, D}. Dunque, per il Teorema delle Probabilità totali si ha P (A) = = 1 10 P (B) = = P (C) = =

9 Ora risulta A B = {Ma, G}, A C = {G, V}, B C = {G, S} e quindi, sempre grazie al Teorema delle Probabilità totali P (A B) = = 1 = P (A)P (B) 50 P (B C) = = 3 = P (B)P (C) 50 P (A C) = = 3 = P (A)P (C) 100 ovvero i tre eventi sono due a due indipendenti. Tuttavia, poichè A B C = {G} risulta P (A B C) = mentre P (A)P (B)P (C) = = 3 e quindi non sussiste la (??) Il Teorema di Bayes Nella pratica quotidiana, la scelta o decisione dipende da una valutazione di probabilità. In questo contesto il quesito cruciale cui si vuole dare risposta è Se si è verificato l effetto E qual è la probabilità che a causarlo sia stato C? In altri termini ciò equivale a valutare una probabilità condizionata, e cioè P (C E). Se sappiamo valutare a priori la probabilità che l effetto E si realizzi in presenza della causa C, cioè conosciamo P (E C) oltre che la probabilità degli eventi P (E) e P (C), allora dalla definizione sappiamo che P (C E) P (C E) = P (E) e dal Teorema delle Probabilità composte si ricava P (C E) = P (E C)P (C). (7) P (E) Lo scopo di questo paragrafo e del Teorema di Bayes è estendere la formula (??) al caso di più cause mutuamente escludentisi. Avremo quindi una decomposizione dello spazio Ω in un numero finito di eventi C 1, C 2,..., C n due a due disgiunti, che rapresentano appunto le n cause che si escludono due a due, e avremo un evento E che rappresenta l esito di un esperimento, ovvero l effetto che osserviamo. Il Teorema di Bayes ci permetterà di valutare la plausibilità di una causa se si conoscono le singole probabilità P (E C 1 ),..., P (E C n ) oltre che P (C 1 ),..., P (C n ). Teorema di Bayes. Dati n eventi C 1, C 2,..., C n due a due disgiunti, e tali che ed un evento E, vale la formula C 1 C 2... C n = Ω P (C k E) = P (E C k )P (C k ) P (C 1 )P (E C 1 ) + P (C 2 )P (E C 2 ) P (C n )P (E C n ) (8) Dimostrazione. Fissato k tra i possibili valori 1, 2,..., n la (??) in questo caso è P (C k E) = P (E C k)p (C k ). (9) P (E) Vogliamo provare che i denominatori nei membri di destra delle (??) e (??) coincidono, vogliamo cioè provare che P (E) = P (C 1 )P (E C 1 ) + P (C 2 )P (E C 2 ) P (C n )P (E C n ). (10) 9

10 Osserviamo che dalle ipotesi utilizzando la proprietà distributiva dell intersezione, si ha E = E Ω = E (C 1 C 2... C n )(E C 1 ) (E C 2 )... (E C n ). (11) D altra parte gli n eventi E C 1,..., E C n sono due a due disgiunti, quindi si può fare uso del Teorema delle Probabilità totali, cioè P (E) = P (E C 1 ) + P (E C 2 ) P (E C n ). (12) Ora possiamo applicare il Teorema delle Probabilità composte a ciascuno degli addendi nella (??) cioè l uguaglianza P (E C k ) = P (E C k )P (C k ) per k = 1, 2,..., n e sostituendole nella (??) si ottiene la (??) e quindi si conclude la dimostrazione Vediamo ora due applicazioni Esempio. Un azienda produce pezzi di ricambio con due macchinari C 1 e C 2 : di essi C 1 produce il 60% del totale, mentre da C 2 proviene il restante 40%. L incidenza di pezzi difettosi è del 10 % dal primo macchinario e del 20% nel caso del secondo. Se un pezzo scelto a caso è privo di difetti, qual è la probabilità che provenga dal primo macchinario? Si tratta quindi di calcolare, detto E = pezzo privo di difetti, la probabilità condizionata P (C 1 E). Per applicare la formula di Bayes (in questo caso con n = 2) occorre osservare che P (C 1 ) = = 3 5 e P (C 2 ) = 2 5 mentre P (E C 1) è la probabilità di avere un pezzo non difettoso sapendo che il pezzo proviene dal primo macchinario; ora la probabilità che il pezzo sia difettoso nella stessa ipotesi è del 10%, quindi P (E C 1 ) = 9 10 e analogamente P (E C 2) = 4 5. Applicando ora la (??) troviamo P (C 1 E) = P (E C 1 )P (C 1 ) P (E C 1 )P (C 1 ) + P (E C 2 )P (C 2 ) = = Torniamo adesso ad occuparci del gioco di Monty Hall. Quando il conduttore apre una porta, non la apre a caso ma apre una porta sicuramente perdente. Questo dettaglio è fondamentale! (Anche se nella realtà è capitato più di una volta che Monty 10

11 Hall si sia sbagliato e abbia aperto la porta dietro cui si nascondeva la Ferrari!) Infatti è certo che almeno una delle due porte che non abbiamo scelto sia perdente, il fatto che questa ci venga mostrata è del tutto ininfluente...infatti, quando Monty Hall propone di cambiare la scelta ci sta di fatto proponendo di scambiare la porta che avevamo scelto con le DUE non scelte (con dietro ovviamente almeno una capra). E quindi strategicamente conveniente CAMBIARE! Proprio il Teorema di Bayes ci fornisce la risposta razionale del perché convenga cambiare. Supponiamo infatti di aver scelto la porta n. 1 e che Monty Hall ci mostri una capra dietro quella n. 2 (evento che denoteremo con C 2 ). Se denotiamo con F 1 l evento Ferrari dietro la porta 1 e con F 3 l evento Ferrari dietro la porta 3 quello che vogliamo calcolare sono le probabilità condizionate P (F 1 C 2 ) e P (F 3 C 2 ) ed effettuare la nostra decisione di conseguenza. Noi conosciamo Le singole probabilità dato che le tre porte sono equivalenti, quindi P (F 1 ) = P (F 3 ) = 1 3. Ragioniamo ora sulle probabilità condizionate P (C 2 F 1 ) e P (C 2 F 3 ). Per valutarle seguiamo il ragionamento di Monty Hall. Se dietro la porta che abbiamo scelto,la 1, c è la Perrari, per Monty Hall mostrarci la capra dietro la 2 o dietro la 3 è indifferente, quindi la probabilità in questo caso è P (C 2 F 1 ) = 1 2 mentre se la Ferrari sta dietro la porta n.3, una di quelle che non abbiamo scelto, certamente Monty Hall ci mostrerà la porta perdente, quindi P (C 2 F 3 ) = 1. Dunque se applichiamo la formula di Bayes alle due strategie, se manteniamo la scelta fatta avremo P (F 1 C 2 ) = mentre se cambiamo troveremo P (F 3 C 2 ) = P (C 2 F 1 )P (F 1 ) P (C 2 F 1 )P (F 1 ) + P (C 2 F 3 )P (F 3 ) = P (C 2 F 3 )P (F 3 ) P (C 2 F 1 )P (F 1 ) + P (C 2 F 3 )P (F 3 ) = = =

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Il calcolo delle probabilità ha avuto origine nel Seicento in riferimento a questioni legate al gioco d azzardo e alle scommesse. Oggi trova tante applicazioni in ambiti anche

Dettagli

Laboratorio di dinamiche socio-economiche

Laboratorio di dinamiche socio-economiche Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 21 febbraio 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti

Dettagli

La probabilità nella vita quotidiana

La probabilità nella vita quotidiana La probabilità nella vita quotidiana Introduzione elementare ai modelli probabilistici Bruno Betrò bruno.betro@mi.imati.cnr.it CNR - IMATI San Pellegrino, 6/9/2011 p. 1/31 La probabilità fa parte della

Dettagli

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini 1 Elementi di calcolo delle probabilitá, teorema di Bayes e applicazioni 1.1 Definizione di probabilitá

Dettagli

1 Breve introduzione alla probabilità elementare: approccio intuitivo

1 Breve introduzione alla probabilità elementare: approccio intuitivo Breve introduzione alla probabilità elementare: approccio intuitivo. È usuale che in molte situazioni che si presentano concretamente ci sia a priori incertezza su ciò che accadrà nel futuro: il calcolo

Dettagli

CAPITOLO 12. Calcolo delle Probabilità. 12.1 Introduzione al Calcolo delle Probabilità

CAPITOLO 12. Calcolo delle Probabilità. 12.1 Introduzione al Calcolo delle Probabilità CAPITOLO 12 Calcolo delle Probabilità 12.1 Introduzione al Calcolo delle Probabilità Una storia d amore Luca abita a Lecco, Bianca a Brindisi. Lui è innamorato perso. Anche lei ama lui, ma, ultimamente,

Dettagli

PARTE PRIMA PROBABILITA

PARTE PRIMA PROBABILITA i PARTE PRIMA PROBABILITA CAPITOLO I - Gli assiomi della probabilità 1.1 Introduzione........................................................... pag. 1 1.2 Definizione assiomatica di probabilità.......................................

Dettagli

TEORIA DELLA PROBABILITÀ I

TEORIA DELLA PROBABILITÀ I TEORIA DELLA PROBABILITÀ I Dipartimento di Matematica ITIS V.Volterra San Donà di Piave Versione [2015-16] Indice 1 Probabilità 1 1.1 Introduzione............................................ 1 1.2 Eventi...............................................

Dettagli

(concetto classico di probabilità)

(concetto classico di probabilità) Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

6. I numeri reali e complessi ( R e C ). x2 = 2. 6.1 I numeri reali R.

6. I numeri reali e complessi ( R e C ). x2 = 2. 6.1 I numeri reali R. 6. I numeri reali e complessi ( R e C ). 6.1 I numeri reali R. Non tratteremo in modo molto approfondito gli ulteriori ampliamenti che dai numeri razionali ci portano a quelli reali, all insieme, e R d

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Si tratta di problemi elementari, formulati nel linguaggio ordinario Quindi, per ogni problema la suluzione proposta è sempre

Dettagli

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado) L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

Appunti: elementi di Probabilità

Appunti: elementi di Probabilità Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..

Dettagli

1 Probabilità. 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio

1 Probabilità. 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio Indice 1 Probabilità 1 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio.. 1 1.2 Probabilità condizionata, indipendenza e teorema di Bayes.... 2 1 Probabilità 1.1 Primi esercizi di probabilità

Dettagli

Definizione 1.1 Un evento è un fatto fisico o concettuale descritto da un enunciato che ammette due soli valori logici: VERO (V) o FALSO (F).

Definizione 1.1 Un evento è un fatto fisico o concettuale descritto da un enunciato che ammette due soli valori logici: VERO (V) o FALSO (F). Capitolo 1 Basi del calcolo delle probabilità 11 Eventi Per avviare la nostra discussione dobbiamo preliminarmente delimitare il campo dei fatti (o delle situazioni o delle asserzioni) nel quale si possa

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Esercitazione del 18/1/2005 Dott. Claudio Conversano Esercizio 1 (non svolto in aula) Vengono lanciati

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Il problema di Monty Hill nel film 21 Elementare!! Statistiche, cambio di variabili. 1 Il coefficiente di correlazione tra Indicee Stipendio vale 0,94. E possibile asserire che

Dettagli

Dispense di Probabilità e Statistica. Francesco Caravenna Paolo Dai Pra

Dispense di Probabilità e Statistica. Francesco Caravenna Paolo Dai Pra Dispense di Probabilità e Statistica Francesco Caravenna Paolo Dai Pra Capitolo 1 Spazi di probabilità discreti 1.1 Generalità Nel corso di questo libro con la dicitura esperimento aleatorio indicheremo

Dettagli

Elementi di calcolo delle probabilità

Elementi di calcolo delle probabilità Elementi di calcolo delle probabilità Definizione di probabilità A) Qui davanti a me ho un urna contenente 2 palline bianche e 998 nere. Mi metto una benda sugli occhi, scuoto ripetutamente l urna ed estraggo

Dettagli

I Insiemi e funzioni

I Insiemi e funzioni I Insiemi e funzioni 1. INSIEMI ED OPERAZIONI SU DI ESSI 1.1. Insiemi Dal punto di vista intuitivo, il concetto di insieme può essere fatto corrispondere all atto mentale mediante il quale associamo alcuni

Dettagli

GIOCO DEL LOTTO E CREDENZE POPOLARI: COSA È VERO? LA PAROLA AI MATEMATICI

GIOCO DEL LOTTO E CREDENZE POPOLARI: COSA È VERO? LA PAROLA AI MATEMATICI GIOCO DEL LOTTO E CREDENZE POPOLARI: COSA È VERO? LA PAROLA AI MATEMATICI LUCA LUSSARDI Sommario. Lo scopo di questo articolo è quello di illustrare il concetto di probabilità e di equità di un gioco a

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità Introduzione Il caso Il caso commesse e probabilità Il caso i chiama evento casuale quello che si verifica in una situazione in cui gli eventi possibili sono più d uno, ma non si sa a priori quale si verificherà.

Dettagli

UNA STORIA PROBABILE di Francesca D Iapico

UNA STORIA PROBABILE di Francesca D Iapico UNA STORIA PROBABILE di Francesca D Iapico Si mostrano qui alcune delle tappe attraverso le quali si è compiuto il cammino che ha portato al calcolo delle probabilità come lo usiamo oggi Un racconto pensato

Dettagli

MODULI DI LINEAMENTI DI MATEMATICA

MODULI DI LINEAMENTI DI MATEMATICA R. MANFREDI - E. FABBRI - C. GRASSI TRIENNIO licei scientifici MODULI DI LINEAMENTI DI MATEMATICA per il triennio della scuola secondaria di secondo grado L CALCOLO DELLE PROBABILITÀ E ELEMENTI DI STATISTICA

Dettagli

La probabilità frequentista e la legge dei grandi numeri

La probabilità frequentista e la legge dei grandi numeri La probabilità frequentista e la legge dei grandi numeri La definizione di probabilità che abbiamo finora considerato è anche nota come probabilità a priori poiché permette di prevedere l'esito di un evento

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 9 giugno 006 Spazi di probabilità finiti e uniformi Esercizio Un urna contiene 6 palline rosse, 4 nere, 8 bianche. Si estrae una pallina; calcolare

Dettagli

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Università di Torino QUADERNI DIDATTICI del Dipartimento di Matematica MARIA GARETTO STATISTICA Lezioni ed esercizi Corso di Laurea in Biotecnologie A.A. 00/00 Quaderno # Novembre 00 M. Garetto - Statistica

Dettagli

E LE M E N T I D I P R O B A B I L I T A

E LE M E N T I D I P R O B A B I L I T A L M T I D I P R O B A B I L I T A CI STORICI Il calcolo delle probabilità si è andato sviluppando piuttosto di recente, intorno al 500 e per lungo tempo solo come una branca della matematica Solo dal secolo

Dettagli

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità Variabili aleatorie

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità Variabili aleatorie Introduzione Il caso Il caso commesse e probabilità Il caso i chiama evento casuale quello che si verifica in una situazione in cui gli eventi possibili sono più d uno, ma non si sa a priori quale si verificherà.

Dettagli

Teoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza

Teoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza La probabilità Teoria della probabilità: eventi, proprietà additiva e moltiplicativa L incertezza Nella maggior parte delle situazioni la nostra condizione è caratterizzata dallincertezza Incertezza relativa

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Matematica Applicata. Probabilità e statistica

Matematica Applicata. Probabilità e statistica Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato

Dettagli

Dispense di Matematica Applicata

Dispense di Matematica Applicata Dispense di Matematica Applicata Domenico Candeloro Introduzione. La nascita ufficiale del Calcolo delle Probabilita si fa risalire al XVII secolo (benché studi di tal genere fossero gia stati affrontati

Dettagli

Decisioni in condizioni di rischio. Roberto Cordone

Decisioni in condizioni di rischio. Roberto Cordone Decisioni in condizioni di rischio Roberto Cordone Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di

Dettagli

1 Insiemi in R n 1 1.1 Simmetrie degli insiemi... 5

1 Insiemi in R n 1 1.1 Simmetrie degli insiemi... 5 UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica Funzioni reali di più variabili Indice Insiemi in R n. Simmetrie degli insiemi............................................ 5 2 Funzioni da

Dettagli

Applicazioni di Matematiche e Statistica

Applicazioni di Matematiche e Statistica Università degli Studi di Firenze Dipartimento di Matematica Ulisse Dini Appunti del corso Applicazioni di Matematiche e Statistica Luigi Barletti Dipartimento di Matematica Ulisse Dini Università degli

Dettagli

Corso di Laurea Triennale in Matematica

Corso di Laurea Triennale in Matematica Università degli Studi di Roma La Sapienza Anno Accademico 2003-2004 Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea Triennale in Matematica INTRODUZIONE AL CALCOLO DELLE PROBABILITÀ

Dettagli

Richiami di microeconomia

Richiami di microeconomia Capitolo 5 Richiami di microeconomia 5. Le preferenze e l utilità Nell analisi microeconomica si può decidere di descrivere ogni soggetto attraverso una funzione di utilità oppure attraverso le sue preferenze.

Dettagli

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle

Dettagli

Funzioni reali di più variabili reali

Funzioni reali di più variabili reali Funzioni reali di più variabili reali Generalità. Indichiamo con R n il prodotto cartesiano di R per sé stesso, n volte: R n = {(, 2,, n ) ;! R,, n!r}. Quando n = 2 oppure n = 3 indicheremo le coordinate

Dettagli

Appunti di Probabilità

Appunti di Probabilità Appunti di Probabilità Bruno Betrò CNR-IMATI, Sezione di Milano bruno.betro@mi.imati.cnr.it www.mi.imati.cnr.it/ bruno Testi di riferimento: Dall Aglio G., Calcolo delle Probabilità, Zanichelli Scozzafava

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA CONDIZIONALE Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 1 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 2 Logica delle proposizioni

Dettagli

IL CALCOLO DELLE PROBABILITA

IL CALCOLO DELLE PROBABILITA IL CALCOLO DELLE PROBABILITA 0. Origini Il concetto di probabilità sembra che fosse del tutto ignoto agli antichi malgrado si sia voluto trovare qualche cenno di ragionamento in cui esso è implicitamente

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 1 per la Scuola secondaria di secondo grado UNITÀ CMPIONE Edizioni del Quadrifoglio à t i n U 1 Insiemi La teoria degli

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) Algebre di Boole. 1. Definizione e proprietá

Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) Algebre di Boole. 1. Definizione e proprietá Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) [# Aii [10 pagine]] Algebre di Boole Un algebra di Boole è una struttura 1. Definizione e proprietá B =< B,,, ν, 0, 1 > in cui B è un insieme non

Dettagli

APPUNTI DEL CORSO DI ANALISI MATEMATICA 1

APPUNTI DEL CORSO DI ANALISI MATEMATICA 1 APPUNTI DEL CORSO DI ANALISI MATEMATICA 1 Gino Tironi Stesura provvisoria del 24 settembre, 2007. ii Indice 1 Insiemi e logica 1 1.1 Preliminari......................................... 1 1.2 Cenni di

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Traccia della soluzione degli esercizi del Capitolo 1

Traccia della soluzione degli esercizi del Capitolo 1 Traccia della soluzione degli esercizi del Capitolo 1 Esercizio 1 Esprimere ciascuno dei seguenti eventi in termini degli eventi A, B, C. 1. Almeno un evento si verifica. 2. Al più un evento si verifica..

Dettagli

Calcolo delle probabilità. 3. La probabiltà nella concezione frequentista. 4. La probabiltà nella concezione soggettiva

Calcolo delle probabilità. 3. La probabiltà nella concezione frequentista. 4. La probabiltà nella concezione soggettiva Calcolo delle probabilità. Gli eventi - definizioni propedeutiche 2. La probabiltà nella concezione classica. La probabiltà nella concezione frequentista 4. La probabiltà nella concezione soggettiva. La

Dettagli

Test sul calcolo della probabilità

Test sul calcolo della probabilità Test sul calcolo della probabilità 2 Test sul calcolo della probabilità Test sul calcolo della probabilità. La probabilità p di un evento E, quando si indica con E il suo complementare, è : a) 0 se E è

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Teoria delle Decisioni. Lezioni 1 e 2 a.a. 2006 2007. J. Mortera, Università Roma Tre mortera@uniroma3.it

Teoria delle Decisioni. Lezioni 1 e 2 a.a. 2006 2007. J. Mortera, Università Roma Tre mortera@uniroma3.it Teoria delle Decisioni Lezioni 1 e 2 a.a. 2006 2007 J. Mortera, Università Roma Tre mortera@uniroma3.it Decisioni in Condizioni di Incertezza Sia singoli individui che gruppi di individui (società, governi,

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità

Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità David Barbato Questa raccolta comprende sia gli esercizi dell esercitazione del 14 febbraio sia gli esercizi di ricapitolazione sulle

Dettagli

Introduzione al calcolo delle probabilità: concetti e risultati preliminari

Introduzione al calcolo delle probabilità: concetti e risultati preliminari Capitolo 1 Introduzione al calcolo delle probabilità: concetti e risultati preliminari 1.1 Il ragionamento probabilistico Il ragionamento probabilistico è un tipo di ragionamento di tipo induttivo, anzichè

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

Lezione 3 - Probabilità totale, Bayes -Alberi PROBABILITÀ TOTALE TEOREMA DI BAYES ALBERI E GRAFI

Lezione 3 - Probabilità totale, Bayes -Alberi PROBABILITÀ TOTALE TEOREMA DI BAYES ALBERI E GRAFI Lezione 3 - robabilità totale, ayes -lberi ROILITÀ TOTLE TEOREM DI YES LERI E GRFI GRUO MT06 Dip. Matematica, Università di Milano - robabilità e Statistica per le Scuole Medie -SILSIS - 2007 Lezione 3

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Distribuzioni discrete

Distribuzioni discrete Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione

Dettagli

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo

Dettagli

Esercizi di Calcolo delle Probabilità (calcolo combinatorio)

Esercizi di Calcolo delle Probabilità (calcolo combinatorio) Esercizi di Calcolo delle Probabilità (calcolo combinatorio 1. Lanciamo due dadi regolari. Qual è la probabilità che la somma delle facce rivolte verso l alto sia pari a 7? 1/6 2. Due palline vengono estratte

Dettagli

Esercizi di probabilità discreta

Esercizi di probabilità discreta Di seguito, potete trovare i testi (con risposta) degli esercizi svolti (o proposti) nel corso di esercitazioni dell insegnamento di Matematica applicata. 1 Esercizi di probabilità discreta Algebra degli

Dettagli

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche . Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche Per le definizioni e teoremi si fa riferimento ad uno qualsiasi dei libri M.Bertsch - R.Dal Passo Lezioni di Analisi

Dettagli

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag. SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno

Dettagli

Test n. 7 Problemi matematici

Test n. 7 Problemi matematici Test n. 7 Problemi matematici ) Determinare il numero il cui doppio, aumentato di 0, è uguale a 44. A) 6 C) 7 B) 5 D) 8 ) Determinare due numeri tenendo presente che la loro somma è uguale a 8 e la loro

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

1 Calcolo delle probabilità

1 Calcolo delle probabilità 1 Calcolo delle probabilità Lo studio delle leggi del caso va sotto il nome di calcolo delle probabilità. Ci fu un vigoroso sviluppo di questa disciplina a cavallo tra il cinquecento e il seicento e lo

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Kangourou Italia Gara del 18 marzo 2004 Categoria Benjamin Per studenti di prima o seconda media. I quesiti dal N. 1 al N. 10 valgono 3 punti ciascuno

Kangourou Italia Gara del 18 marzo 2004 Categoria Benjamin Per studenti di prima o seconda media. I quesiti dal N. 1 al N. 10 valgono 3 punti ciascuno 9-14-.qxd 22/02/2004 16.53 Pagina 10 Kangourou Italia Gara del 18 marzo 2004 Categoria Per studenti di prima o seconda media I quesiti dal N. 1 al N. 10 valgono 3 punti ciascuno 1. (10 x 100) x (20 x 80)

Dettagli

MODULO PER RILEVAZIONE PRESENZE

MODULO PER RILEVAZIONE PRESENZE lunedì 15 settembre 2014 martedì 16 settembre 2014 mercoledì 17 settembre 2014 giovedì 18 settembre 2014 venerdì 19 settembre 2014 lunedì 22 settembre 2014 martedì 23 settembre 2014 mercoledì 24 settembre

Dettagli

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015 Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che

Dettagli

1. I limiti delle funzioni.

1. I limiti delle funzioni. 1. I iti delle funzioni. 1.1. Considerazioni introduttive. La nozione di ite di una funzione reale di variabile reale costituisce una naturale generalizzazione della nozione di ite di una successione.

Dettagli

Tecniche di DM: Link analysis e Association discovery

Tecniche di DM: Link analysis e Association discovery Tecniche di DM: Link analysis e Association discovery Vincenzo Antonio Manganaro vincenzomang@virgilio.it, www.statistica.too.it Indice 1 Architettura di un generico algoritmo di DM. 2 2 Regole di associazione:

Dettagli

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica...

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica... UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica Funzioni reali di variabile reale Indice Grafico di una funzione reale 2 Funzioni elementari 2 2. Funzione potenza................................................

Dettagli

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Andrea Bobbio Anno Accademico 2000-2001 Algebra Booleana 2 Calcolatore come rete logica Il calcolatore può essere visto come una rete logica

Dettagli

Statistica e Modelli Stocastici

Statistica e Modelli Stocastici Statistica e Modelli Stocastici Modulo n.1 - Statistica Prof. Alessandro Fassò alessandro.fasso@unibg.it CdL: Ing.Informatica aa 2011/12 Parte 1a - Probabilità generale p.1 Introduzione Decisioni in condizioni

Dettagli

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Prove e sottoprove. Perché il calcolo combinatorio. La moltiplicazione combinatorica. Scelta con e senza ripetizione { } ( )

Prove e sottoprove. Perché il calcolo combinatorio. La moltiplicazione combinatorica. Scelta con e senza ripetizione { } ( ) Perché il calcolo combinatorio Basato sulle idee primitive di distinzione e di classificazione, stabilisce in quanti modi diversi si possono combinare degli oggetti E molto utile nell enumerazione dei

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico.

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico. Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Probabilità Ines Campa e Marco Longhi Probabilità e Statistica - Esercitazioni

Dettagli

Probabilità e Maturità

Probabilità e Maturità Probabilità e Maturità Un analisi dei quesiti di Andrea Centomo Liceo F. Corradini di Thiene (VI) Montegrotto, 24 luglio 2014 2 Tre epoche... 1993 2000 2001 2014 2015 Tabella 1. Epoche dei quesiti di maturità

Dettagli

Corso di Laurea Ingegneria Informatica Fondamenti di Informatica

Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Dispensa 05 La rappresentazione dell informazione Carla Limongelli Ottobre 2011 http://www.dia.uniroma3.it/~java/fondinf/ La rappresentazione

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Esercizi di Matematica Discreta e Geometria. Parte II

Esercizi di Matematica Discreta e Geometria. Parte II Esercizi di Matematica Discreta e Geometria Parte II 14 gennaio 2010 AVVISO: Sia i testi che gli svolgimenti proposti possono contenere errori e/o ripetizioni Essi sono infatti opera di vari collage e,

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli