La probabilità: capire la realtà e prendere decisioni migliori

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "La probabilità: capire la realtà e prendere decisioni migliori"

Transcript

1 Liceo Scientifico Copernico, Prato 14 gennaio 2014 Liceo Classico Michelangiolo, Firenze 10 febbraio 2014 La probabilità: capire la realtà e prendere decisioni migliori Leonardo Grilli local.disia.unifi.it/grilli

2 Il ruolo del caso nella nostra vita: ignorarlo o comprenderlo? Gli esseri umani sono sempre stati affascinati e, contemporaneamente, terrorizzati dal caso. La verità è che, quando entra in gioco il caso, possiamo fuggire, ma non possiamo nasconderci. Moltissimi aspetti della nostra vita sono determinati da eventi che non controlliamo completamente, e l incertezza è ineliminabile. Abbiamo due opzioni: possiamo lasciare che l incertezza prevalga su di noi o possiamo imparare a comprendere il caso. Se optiamo per la seconda soluzione, faremo scelte migliori e impareremo a sfruttare la casualità per i nostri scopi. J.S. Rosenthal, Le regole del caso La probabilità è il concetto chiave per la comprensione del caso Leonardo Grilli (DiSIA) 2

3 La probabilità Probabilità: grado di fiducia che un individuo razionale attribuisce al verificarsi di un evento 0 P(E) 1 per qualsiasi evento E Per assegnare un valore alla probabilità l individuo razionale usa tutte le informazioni disponibili sulla struttura dell esperimento e sulle sue precedenti realizzazioni Vediamo due situazioni in cui vi sono delle semplici regole per determinare il valore della probabilità: Approccio classico Approccio frequentista Certo Impossibile Leonardo Grilli (DiSIA) 3

4 Probabilità: approccio classico Consideriamo un esperimento casuale i cui risultati possibili sono in numero finito ed sono equiprobabili (= stessa probabilità). In questa situazione la probabilità di un evento E è data da PE ( ) Numero di risultati in E Numero di risultati possibili casi favorevoli casi possibili Es. nel lancio di un dado, poniamo A = {Numero pari} = {2,4,6} Assumendo che tutti i punti campione abbiano la stessa probabilità (cioè che il dado sia bilanciato) 3 PA ( ) L assunzione che tutti i punti campione abbiano la stessa probabilità (cioè che il dado sia bilanciato) è cruciale: se è vera il valore 0.5 è ben calcolato, se è falsa il valore 0.5 non va bene. Tuttavia, per verificare la plausibilità di tale assunzione bisogna ripetere più volte l esperimento Leonardo Grilli (DiSIA) 4

5 Probabilità: approccio frequentista Quando si osserva una serie di prove e si assume che le prove siano ripetizioni indipendenti e in identiche condizioni di un certo esperimento aleatorio la probabilità di E è calcolata come Pˆ ( E ) n n n E Numero di prove in cui si è verificato Numero totale di prove E Es. nel lancio di un dado, poniamo A = {Numero pari} = {2,4,6} e supponiamo che l esperimento aleatorio lancio del dado venga ripetuto 50 volte, in 23 delle quali è uscito un numero pari e quindi si è verificato A. Pertanto P(A) = 23/50=0.46. Osservando altre prove la stima si modifica (es. lanciando il dado altre 50 volte l evento A si potrebbe verificare 26 volte e quindi la nuova stima sarebbe (23+26)/(50+50)=0.49. Per fortuna al crescere del numero di prove la stima diventa sempre più precisa e converge ad un valore (in questo esempio, se il dado è bilanciato converge a 0.5) PE ( ) lim Pˆ ( E) n n limite a cui tende la proporzione di prove in cui si verifica E quando il numero di prove tende a infinito Leonardo Grilli (DiSIA) 5

6 Eventi indipendenti e la regola moltiplicativa Il dubbio non è piacevole, ma la certezza è ridicola. Voltaire Leonardo Grilli (DiSIA) 6

7 Moltiplicare le probabilità? La probabilità che due eventi possibili A e B si verifichino entrambi è uguale al prodotto delle singole probabilità se e solo se i due eventi sono indipendenti P(A e B) = P(A) P(B) se e solo se A e B sono indipendenti Due eventi sono indipendenti quando il verificarsi dell uno non modifica la probabilità del verificarsi dell altro. Ad esempio, consideriamo i seguenti eventi: E1 = «indossare calzini a righe» E2 = «arrivare tardi all appuntamento con la fidanzata» E3 = «litigare con la fidanzata» Verosimilmente E1 è indipendente sia da E2 che da E3, mentre E3 non è indipendente da E2! Leonardo Grilli (DiSIA) 7

8 Copie di sicurezza La regola moltiplicativa spiega perché è una buona idea fare più copie dei file Ad es., ho due copie della mia canzone preferita, una sullo smartphone e una sul notebook A = «la copia sullo smartphone va persa» P(A)=1/500 B = «la copia sul notebook va persa» P(B)=1/2000 (la copia può andare persa per vari motivi: file corrotto, dispositivo distrutto o smarrito ) Siccome posso ragionevolmente assumere che i due eventi siano indipendenti, la probabilità che si verifichino entrambi (cioè che la mia canzone preferita vada irrimediabilmente persa) è P(A e B) = P(A) P(B) = 1/500 * 1/2000 = 1/ Ok, posso stare tranquillo! Leonardo Grilli (DiSIA) 8

9 Calcoli errati in tribunale La probabilità svolge un ruolo importante nei processi e talvolta gli avvocati o gli esperti di parte effettuano dei calcoli di probabilità ma a volte si sono verificati errori clamorosi Un caso di errore con conseguenze gravissime è quello di Sally Clark: nel 1999 una corte Britannica condannò Sally Clark per l omicidio dei due suoi bambini morti improvvisamente all età di 11 e 8 settimane per cause ignote Leonardo Grilli (DiSIA) 9

10 Il caso Sally Clark Non furono trovate prove dell omicidio, né una valida motivazione. L accusa sosteneva il soffocamento volontario, la difesa parlava di cause naturali, la cosiddetta sindrome della morte in culla (SIDS) Un pediatra interpellato come esperto affermò che la probabilità che in una famiglia vi siano due casi di morte in culla è di circa 1 su 73 milioni. Infatti dai dati disponibili emerge che in una famiglia come quella di Sally Clark la morte in culla colpisce un bambino ogni 8500, per cui la probabilità è 1/8500 Il pediatra quindi calcolò la probabilità di due morti in culla come 1/8500 per 1/8500 La stima del pediatra venne considerata attendibile e costituì la prova principale per la condanna di Sally Clark Leonardo Grilli (DiSIA) 10

11 Il caso Sally Clark /cont. Come evidenziato dalla Royal Statistical Society, il calcolo del pediatra era completamente errato per almeno due motivi Una seconda «morte in culla» non è indipendente dalla prima perché vi sono cause genetiche (familiarità) è sbagliato moltiplicare a ripetizione la probabilità 1/8500; un altro esperto ha calcolato che in una famiglia in cui si è verificata una «morte in culla» i bambini successivi hanno una probabilità di 1/100 di morire per lo stesso motivo la probabilità di 2 «morti in culla» è 1/8500 *1/100 = 1/ Era stato accertato che il decesso del primo bambino era effettivamente dovuto a cause naturali (non vi erano dubbi), per cui la probabilità rilevante è 1/100 Un primo appello nel 2000 ha confermato la sentenza, ma un secondo appello nel 2003 ha assolto Sally Clark, rilasciata dopo tre anni di carcere questa esperienza ha segnato irrimediabilmente la donna, deceduta nel Leonardo Grilli (DiSIA) 11

12 Coincidenze e raggruppamenti casuali La teoria delle probabilità in fondo non è altro che buon senso ridotto a calcolo. Simon de Laplace Leonardo Grilli (DiSIA) 12

13 Identico primo numero estratto su due ruote del Lotto: quanto è raro? Nell estrazione del gioco del Lotto del 24 dicembre 2013 il numero 57 è uscito, come primo estratto, sulle ruote di Bari e Milano che coincidenza! In realtà non si tratta necessariamente di un evento così raro Infatti, la probabilità dipende dall impostazione del problema: Probabilità che esca 57 come primo estratto sia a Bari che a Milano: 1/90*1/90 = 1/8100 = (l indipendenza tra le estrazioni giustifica la moltiplicazione delle due probabilità) Probabilità che esca lo stesso numero come primo estratto sia a Bari che a Milano: 1/90 = Probabilità che, considerando tutte le 11 ruote, vi siano almeno due primi estratti identici: questa è più difficile, ma non troppo P(almeno due identici) = 1 P(tutti diversi) = = = Tutt altro che raro! 13

14 Stesso giorno di compleanno: un segno del destino? L approccio che abbiamo usato con il gioco del Lotto può essere applicato anche per calcolare la probabilità che alcune persone abbiano il compleanno lo stesso giorno: Probabilità che Tizio e Caio abbiano il compleanno entrambi in un giorno specifico (es. il 13 aprile): 1/365*1/365 = 1/ = Probabilità che Tizio e Caio abbiano il compleanno in un giorno qualunque ma identico : 1/365 = Probabilità che, in un gruppo di 7 persone, ve ne siano almeno due con il compleanno lo stesso giorno: P(su 7 almeno due identici) = 1 P(su 7 tutti diversi) = = = Un evento poco probabile, ma non così raro cosa accade con gruppi più numerosi, es. 50 persone? 14

15 Il problema del compleanno Generalizzando, possiamo calcolare la probabilità che in un gruppo di k persone ve ne siano almeno due con il compleanno lo stesso giorno: P(su kalmeno due identici) = 1 P(su k tuttidiversi) k +1 k prob = La tabella riporta la probabilità per alcuni valori di k Con un gruppo di 23 persone la probabilità di almeno due compleanni identici è di oltre il 50% Con un gruppo di 40 persone la probabilità supera 89% Con un gruppo di 60 persone trovare almeno due compleanni identici è quasi certo! Leonardo Grilli (DiSIA) 15

16 Raggruppamenti casuali Per sparare un punto a caso su una superficie possiamo generare in modo casuale le coordinate (in questo esempio usiamo una distribuzione uniforme tra 0 e 1 sia per la x che per la y) Proviamo a sparare 16 punti: siccome la superficie è divisa in 16 quadratini, ci aspettiamo in media 1 punto per quadratino Leonardo Grilli (DiSIA) 16

17 Raggruppamenti casuali /cont. Questo è il risultato di una estrazione casuale delle coordinate di 16 punti A fronte di un numero atteso di 1 punto per quadratino, osserviamo che la distribuzione dei punti è piuttosto variabile: ad es. vi sono molti quadratini con 0 punti, mentre un quadratino ha addirittura 6 punti! Leonardo Grilli (DiSIA) 17

18 Raggruppamenti casuali /cont. Nel quadratino con 6 punti il rapporto osservati su attesi è 6:1 In questo esempio abbiamo generato i punti a caso e quindi sappiamo che quel rapporto così elevato è solo frutto del caso ma studiando dati reali potremmo concludere che il quadratino con il rapporto 6:1 ha una concentrazione anomala di punti, creando inutile allarme Nei dati reali i quadratini sono aree geografiche e i punti rappresentano eventi registrati in certo intervallo di tempo, ad es. casi di tumore, incidenti stradali, omicidi E compito degli statistici valutare, di volta in volta, se un elevato rapporto osservati su attesi è spiegabile da un raggruppamento casuale oppure se è così grande da indicare una situazione anomala e far scattare l allarme Leonardo Grilli (DiSIA) 18

19 Raggruppamenti casuali /cont. Un raggruppamento casuale genera un rapporto osservati su attesi ancora più impressionante se l area di riferimento viene definita a posteriori, disegnandola attorno al gruppo di punti («effetto cecchino») In questo esempio, l ellisse ha un area pari a circa 1/5 di quadratino rapporto osservati su attesi = 4/(1/5) = 20 Leonardo Grilli (DiSIA) 19

20 Raggruppamenti casuali /cont. Raymond Richard Neutra (Dipartimento della sanità della California) afferma che prendendo in esame un tipico registro dei tumori (una banca dati sui tassi di incidenza locali di dozzine di tumori diversi) per i 5000 distretti della California, ci attendiamo di trovarne 2750 con un incidenza elevata di qualche forma di tumore, statisticamente significativa ma casuale L opinione pubblica è molto allarmata da queste situazioni di incidenza elevata e non ritiene verosimile che siano frutto del caso, per cui i dipartimenti di sanità sono indotti ad avviare molte indagini sulle possibili cause ambientali (es. inquinamento atmosferico, elettromagnetico etc.) che di solito non portano ad alcun risultato convincente Alan Bender (Dipartimento della sanità del Minnesota) afferma che queste indagini «sono un assoluto, totale e completo spreco dei dollari dei contribuenti» Leonardo Grilli (DiSIA) 20

21 Probabilità a priori e a posteriori: come valutare il risultato un test diagnostico? Leonardo Grilli (DiSIA) 21

22 Test diagnostico per la Stupidite Consideriamo una ipotetica malattia chiamata Stupidite che colpisce il 10% della popolazione (prevalenza) Prendiamo una persona a caso dalla popolazione. Se non conosciamo l esito del test diagnostico, la probabilità che abbia la malattia è detta a probabilità a priori (coincide con la prevalenza, in questo caso 10%) Supponiamo di fare la diagnosi usando il test di laboratorio StupiTest. Come tutti i test diagnostici, lo StupiTest è utile ma non è perfetto: Il test viene positivo (cioè, indica presenza di malattia) nel 70% dei soggetti malati (sensibilità del test) nel 20% dei soggetti sani (percentuale di falsi positivi) Leonardo Grilli (DiSIA) 22

23 Gli errori dei test diagnostici Realtà Esito test Positivo ( Malato) Negativo ( Sano) Malato Sano OK sensitività = 70% Falso positivo 1 specificità = 20% Falso negativo 1 sensitività = 30% OK specificità = 80% I due tipi di errore sono ben diversi, sia concettualmente che per le conseguenze! Leonardo Grilli (DiSIA) 23

24 Test diagnostico per la Stupidite /cont. Supponiamo che Tizio abbia effettuato il test, ottenendo un esito positivo: qual è la probabilità che Tizio sia davvero affetto da Stupidite? Dobbiamo calcolare la probabilità a posteriori Prendiamo una persona a caso dalla popolazione. Se sappiamo che ha effettuato il test ed è risultato positivo, la probabilità che abbia la malattia è detta a probabilità a posteriori Quanto vale la probabilità a posteriori? In questa situazione ipotetica, siccome il test è risultato positivo, la probabilità a posteriori deve essere maggiore di quella a priori (10%). E forse uguale alla sensibilità del test (70%)? La risposta si ottiene con la famosa formula di Bayes oppure con il metodo delle frequenze, cioè convertendo le probabilità in frequenze di una ipotetica popolazione vediamo come si applica questo metodo Leonardo Grilli (DiSIA) 24

25 Test diagnostico per la Stupidite /cont. Ricapitoliamo: I soggetti malati sono il 10% Tra i malati, il test viene positivo nel 70% dei casi Tra i sani, il test viene positivo nel 20% dei casi Cosa ci aspettiamo sottoponendo al test 100 soggetti? 10 sono malati e 90 sono sani Tra i 10 malati, il test viene positivo a 7 soggetti Tra i 90 sani, il test viene positivo a 18 soggetti Nel complesso il test viene positivo a 25 soggetti, di cui 7 malati e 18 sani se prendiamo un soggetto a caso tra i 25 che hanno effettuato il test con risultato positivo, la probabilità che sia malato è 7/25 = 28%: questa è la probabilità a posteriori! Prob a priori Prob a posteriori Sensibilità del test = test positivo = test negativo mmmmmmmmmm 0% 10% 28% 70% 100% 25

26 Screening per il cancro al seno: la probabilità stimata dai medici G. Gigerenzer nel libro Quando i numeri ingannano riporta i risultati di un esperimento, condotto negli anni Novanta, in cui ha sottoposto ad alcuni medici tedeschi (2/3 ospedalieri e 1/3 liberi professionisti) il seguente quesito: Per facilitare la diagnosi precoce del cancro al seno le donne, da una certa età in poi, vengono incoraggiate a sottoporsi a intervalli regolari a controlli sistematici, anche se non hanno alcun sintomo conclamato. Lei immagini di condurre, in una certa regione del paese, uno screening mammografico del cancro al seno, e supponga che riguardo alle donne fra i 40 e i 50 anni di questa regione, asintomatiche, che si sottopongono a una mammografia regolare si sappiano le seguenti cose: La probabilità che una di loro abbia il cancro al seno è dello 0.8%. Se una donna ha il cancro al seno, la probabilità che il suo mammogramma risulti positivo è del 90%; se non ha il cancro al seno, c è comunque una probabilità del 7% che il suo mammogramma sia positivo. Immaginiamo, dunque, una donna con un mammogramma positivo: quanto è probabile che abbia effettivamente il cancro? Leonardo Grilli (DiSIA) 26

27 Screening per il cancro al seno: la probabilità stimata dai medici /cont. La risposta si ottiene calcolando la probabilità a posteriori con i seguenti dati: I soggetti malati sono lo 0.8% (probabilità a priori) Tra i malati, il test viene positivo nel 90% dei casi (sensibilità) Tra i sani, il test viene positivo nel 7% dei casi (ovvero la specificità è del 93%) La risposta corretta è che una donna con mammogramma positivo ha una probabilità di avere effettivamente il cancro pari a 9.39% (questo è il valore ottenuto con la formula di Bayes, mentre con il metodo delle frequenze si ottiene una risposta con una approssimazione tanto migliore quanto maggiore è la dimensione della popolazione ipotetica in questo caso si dovrebbe usare almeno 1000) Le risposte fornite dai 24 medici sono state le seguenti: 8 hanno risposto 90% (cioè la sensibilità) 4 hanno risposto 1% (cioè la probabilità a priori) 8 hanno risposto tra 50% e 80% solo 4 hanno dato una risposta vicina al vero (di cui 2 in modo fortuito) 27

28 Legge dei grandi numeri e valore atteso La teoria della casualità è fondamentalmente una codificazione del senso comune, ma è anche il regno delle sottigliezze, un campo in cui famosi luminari hanno commesso errori madornali e in cui famigerati giocatori d azzardo hanno avuto intuizioni corrette. Leonard Mlodinow Leonardo Grilli (DiSIA) 28

29 Legge dei grandi numeri Frequenza relativa empirica di un evento A = numero di prove in cui A è vero diviso numero totale di prove Se le prove sono indipendenti e identiche, allora al crescere del numero di prove la frequenza relativa empirica di un evento A converge alla probabilità di A Quindi al crescere del numero di prove la frequenza relativa empirica diviene una stima sempre più precisa della probabilità Es. per P(A)=0.5, dopo un gran numero n di prove la frequenza relativa empirica è quasi certamente (circa al 99.7%) compresa nell intervallo ( / n, / n ) n=100 (0.3500, ) n=1000 (0.4526, ) n=10000 (0.4850, ) n= (0.4953, ) (questi calcoli sono basati sul teorema limite centrale) 29

30 Legge dei grandi numeri /cont. Esempio: 300 prove indipendenti con identica probabilità p=0.5 Francobollo svizzero in onore di Jakob Bernoulli, che mostra la formula e il grafico della legge dei grandi numeri (dimostrata da Bernoulli nel 1713) 30

31 Legge dei grandi numeri /cont. L esito di una specifica prova è imprevedibile, che sia la 1 a, la 10 a o la a (infatti le prove sono indipendenti e quindi quello che è successo prima è irrilevante) Tuttavia al crescere del numero di prove la frequenza relativa empirica diventa sempre più prevedibile Dunque, mentre a livello individuale è difficile fare previsioni, a livello aggregato si possono fare previsioni molto accurate. Questo è il motivo per cui il risultato delle singole giocate è imprevedibile, mentre il risultato del casinò è prevedibile con un piccolo margine di errore il singolo sinistro è imprevedibile, ma il risultato della compagnia di assicurazione è prevedibile con un piccolo margine di errore il sesso di un nascituro è imprevedibile, mentre in un anno in un grande ospedale la percentuale di nati maschi è vicinissima al 51% 31

32 Numeri ritardatari Tra i giocatori del lotto è diffusa la credenza (errata!) che i numeri ritardatari abbiamo maggiore probabilità di uscire (ogni numero ha probabilità 1/18 di essere estratto e quindi esce mediamente ogni 18 estrazioni) Nei lanci di moneta ciò equivale a credere che, se sono uscite meno Teste che Croci, allora in futuro usciranno più Teste per «compensare» il passato Supponiamo che in lanci siano uscite meno Teste che Croci: cosa possiamo prevedere per il lancio numero ? Ragionamento errato: siccome finora sono uscite meno Teste che Croci e nel lungo termine il numero di Teste deve essere circa uguale a quello di Croci, la probabilità di Testa è >0.5 Ragionamento corretto: siccome le prove sono identiche e indipendenti, il passato non conta niente e la probabilità di Testa è 0.5 (la moneta non ha memoria!!!) Leonardo Grilli (DiSIA) 32

33 Valore atteso Consideriamo un esperimento casuale i cui risultati possibili sono numerici (es. guadagni) valori x1 x2 x probabilità p p p 1 2 Il valore atteso (o speranza matematica) è la media dei possibili valori pesata con le rispettive probabilità VA x p x p x p k k k k p p p k Esempio: si lancia un dado, se esce 5 o 6 vinciamo 10 euro, altrimenti niente valori probabilità /3 1/3 VA euro 33

34 Scommesse alla roulette La roulette ha 38 numeri, di cui 18 rossi, 18 neri e 2 verdi (numeri 0 e 00): Supponiamo di puntare di 1 euro sul rosso Se esce rosso abbiamo 2 euro (1 puntato + 1 vinto) Se non esce rosso abbiamo 0 euro valori VA euro probabilità 20 / / Il valore atteso è l equivalente certo di un valore aleatorio (in questo caso si tratta del risultato della scommessa) Se la puntata sul rosso costasse euro, il gioco sarebbe equo Siccome la puntata costa 1 euro il gioco è a favore del banco (perdita attesa di euro per 1 euro puntato, cioè 5.3%) Leonardo Grilli (DiSIA) 34

35 Valore atteso e prove ripetute Il valore atteso approssima la media dei valori che si otterrebbero ripetendo molte volte l esperimento in modo indipendente e in identiche condizioni Nell esempio della roulette la perdita attesa è di euro a puntata: in una singola puntata tale valore è poco significativo poiché o si vince 1 euro o si perde 1 euro Invece, in una lunga serie di n puntate le frequenze relative di successo e insuccesso convergono a 18/38 e 20/38 e quindi la perdita media in n puntate converge a euro: ad es. n=1000 è una serie sufficientemente lunga per avere una buona approssimazione dopo 1000 puntate la perdita media per puntata sarà approssimativamente di euro (per una perdita totale di circa 53 euro) Leonardo Grilli (DiSIA) 35

36 Giocare a lungo rovina Ogni gioco di sorte (es. roulette, slot machine, lotteria) è a favore del banco, cioè per il giocatore il valore atteso è negativo (perdita) Per la legge dei grandi numeri, giocando ripetutamente il risultato medio realizzato dal giocatore si avvicina sempre più al valore atteso più a lungo si gioca, più è probabile che il risultato complessivo sia negativo: continuando a giocare all infinito la bancarotta è sicura (teorema della rovina del giocatore) Per il giocatore l unica speranza di chiudere con un saldo positivo è di fare poche puntate e smettere quando è in positivo Leonardo Grilli (DiSIA) 36

37 Le scommesse di Chevalier de Méré Antoine Gombaud, nato in Francia nel 1607 e noto come Chevalier de Méré, era un nobile con la passione del gioco d azzardo Aveva guadagnato molto con la seguente scommessa: lanciando 4 dadi esce almeno un sei La probabilità di vincere è 1 (1 1/6) 4 = Puntando 1 euro si ottiene 0 con prob e 2 con prob valore atteso (guadagno atteso 3.54%) Poi ebbe la pessima idea di cambiare scommessa: lanciando 24 coppie di dadi esce almeno una coppia di sei Tuttavia, sbagliò i calcoli: la probabilità di vincere è inferiore a 0.5 (per la precisione è 1 (1 35/36) 24 =0.4914) per cui iniziò a perdere parecchio e chiese aiuto al matematico Pascal, che diede un contributo fondamentale alla teoria della probabilità Leonardo Grilli (DiSIA) 37

38 A chi è incuriosito dalla probabilità e vuole capire il suo ruolo nella vita quotidiana, suggerisco questi eccellenti libri divulgativi Siti web utili per la divulgazione (soprattutto per le applet e animazioni): Laboratorio virtuale di probabilità e statistica: Understanding uncertainty: 38

Il ruolo del caso nella nostra vita: ignorarlo o comprenderlo? La probabilità: capire la realtà e prendere decisioni migliori.

Il ruolo del caso nella nostra vita: ignorarlo o comprenderlo? La probabilità: capire la realtà e prendere decisioni migliori. ITCG "E. Fermi", Pontedera 2 dicembre 2014 La probabilità: capire la realtà e prendere decisioni migliori Leonardo Grilli grilli@disia.unifi.it local.disia.unifi.it/grilli Il ruolo del caso nella nostra

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

(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

Probabilità e Statistica

Probabilità e Statistica Insegnare statistica: idee e strumenti gennaio-febbraio 2015 Ciclo di incontri per i docenti di scuola secondaria di secondo grado 27 gennaio, ore 15:00-18:00 Probabilità e Statistica Leonardo Grilli grilli@disia.unifi.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

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

Analfabetismo statistico

Analfabetismo statistico Analfabetismo statistico e decisioni informate Matteo Paris Dipartimento di Fisica Università di Milano matteo.paris@fisica.unimi.it http://qinf.fisica.unimi.it/ paris Analfabetismo statistico e decisione

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

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

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

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

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

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

LA PROVA STATISTICA NEL PROCESSO PENALE

LA PROVA STATISTICA NEL PROCESSO PENALE Benito V. Frosini Università Cattolica del Sacro Cuore LA PROVA STATISTICA NEL PROCESSO PENALE Roma, 26 gennaio 2013 1. Processo civile e processo penale 1.1. Riguardo alla valutazione delle prove statistiche,

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

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

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

Aspetti probabilistici del gioco d azzardo

Aspetti probabilistici del gioco d azzardo Università degli Studi di Genova Scuola di Scienze Sociali Dipartimento di Economia Perché il banco vince sempre? Aspetti probabilistici del gioco d azzardo Enrico di Bella (edibella@economia.unige.it)

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

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

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

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

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

Tasso di interesse e capitalizzazione

Tasso di interesse e capitalizzazione Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo

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

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

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

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

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

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520: Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del

Dettagli

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete. Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo

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

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

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

Testa o croce: quando conviene scegliere a caso

Testa o croce: quando conviene scegliere a caso Testa o croce: quando conviene scegliere a caso Fabio Fagnani fabio.fagnani@polito.it http://calvino.polito.it/ fagnani/ Dipartimento di Matematica Politecnico di Torino p. Quale ricerca? p. Quale ricerca?

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

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

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

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

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI Università degli Studi di Padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA Anno accademico 2005-06 Temi di Statistica ed Epidemiologia PROBABILITÀ E DECISIONI IN MEDICINA:

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

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

Un modello matematico di investimento ottimale

Un modello matematico di investimento ottimale Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità

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

LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta

LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA FACOLTA DI INGEGNERIA LAUREA MAGISTRALE INGEGNERIA CIVILE Corso di PROGETTO E GESTIONE DELLE INFRASTRUTTURE VIARIE LECTURE 04 ELEMENTI DI RISK ANALYSIS

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

Il calcolo delle probabilità

Il calcolo delle probabilità Il calcolo delle probabilità Cenni storici Come in molti altri casi, anche l'individuazione di una data precisa per la collocazione della nascita della teoria della probabilità non ha soluzione univoca.

Dettagli

OSSERVAZIONI TEORICHE Lezione n. 4

OSSERVAZIONI TEORICHE Lezione n. 4 OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze

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

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

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

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

a) Quanti soggetti obesi dovrebbero complessivamente esserci in questa popolazione;

a) Quanti soggetti obesi dovrebbero complessivamente esserci in questa popolazione; ESERCIZI DI CALCOLO DELLE PROBABILITA ES 1 Supponiamo che una certa forma di allergia respiratoria colpisca di norma 1 individuo ogni 20, mentre le intolleranze alimentari riguardano il 3.5% dei casi.

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità 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

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

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

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

RISULTATI DELLA RICERCA

RISULTATI DELLA RICERCA RISULTATI DELLA RICERCA 2011 Ricerca nazionale sul gioco d'azzardo 2011- Ricerca nazionale sulle abitudini di gioco degli italiani - curata dall Associazione Centro Sociale Papa Giovanni XXIII, e coordinata

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

La distribuzione binomiale

La distribuzione binomiale La distribuzione binomiale 1. Che cos'è un numero casuale Stiamo per lanciare un dado. Fermiamo la situazione un attimo prima che il dado cada e mostri la faccia superiore. Finché è in aria esso costituisce

Dettagli

Dipartimento di Scienze Biomediche, Sperimentali e Cliniche «Mario Serio»

Dipartimento di Scienze Biomediche, Sperimentali e Cliniche «Mario Serio» PRECORSO 2014 Problemi di Matematica Giovanni Romano Dipartimento di Scienze Biomediche, Sperimentali e Cliniche «Mario Serio» PRECORSO 2014: ciclo formativo di orientamento alle prove di ammissione ai

Dettagli

La bufala dei numeri ritardatari del lotto

La bufala dei numeri ritardatari del lotto Roberto Weitnauer Stesura: 14 febbraio 2005 (10352 battute) www.kalidoxa.com Versione d origine pubblicata, diritti ceduti a terzi La bufala dei numeri ritardatari del lotto I numeri ritardatari del lotto

Dettagli

Inferenza statistica

Inferenza statistica Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre

Dettagli

VINCERE AL BLACKJACK

VINCERE AL BLACKJACK VINCERE AL BLACKJACK Il BlackJack è un gioco di abilità e fortuna in cui il banco non può nulla, deve seguire incondizionatamente le regole del gioco. Il giocatore è invece posto continuamente di fronte

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

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

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

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

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: 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

Pubblicato sul n 36 di Rassegna, periodico dell Istituto Pedagogico, agosto 2008

Pubblicato sul n 36 di Rassegna, periodico dell Istituto Pedagogico, agosto 2008 LA PROBABILITÀ Margherita D Onofrio Pubblicato sul n 36 di Rassegna, periodico dell Istituto Pedagogico, agosto 2008 Perché Le ragioni per introdurre la matematica dell incerto nella scuola di base possono

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

Vincere a testa o croce

Vincere a testa o croce Vincere a testa o croce Liceo B. Russell - Cles (TN) Classe 3D Insegnante di riferimento: Claretta Carrara Ricercatrice: Ester Dalvit Partecipanti: Alessio, Christian, Carlo, Daniele, Elena, Filippo, Ilaria,

Dettagli

PROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere?

PROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Abbiamo visto nella lezione precedente che lo spazio degli eventi più idoneo a rappresentare l esperimento

Dettagli

LA ROULETTE RUSSA DELL'ARTICOLO 18 di Andrea Ichino e Paolo Pinotti. La voce.info

LA ROULETTE RUSSA DELL'ARTICOLO 18 di Andrea Ichino e Paolo Pinotti. La voce.info LA ROULETTE RUSSA DELL'ARTICOLO 18 di Andrea Ichino e Paolo Pinotti La voce.info La protezione di un diritto fondamentale della persona è affidata alla roulette russa che si attiva con l assegnazione casuale

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

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

STATISTICA MEDICA Prof. Tarcisio Niglio http://www.tarcisio.net tarcisio@mclink.it oppure su Facebook Anno Accademico 2011-2012

STATISTICA MEDICA Prof. Tarcisio Niglio http://www.tarcisio.net tarcisio@mclink.it oppure su Facebook Anno Accademico 2011-2012 STATISTICA MEDICA Prof. Tarcisio Niglio http://www.tarcisio.net tarcisio@mclink.it oppure su Facebook Anno Accademico 2011-2012 Calcolo delle Probabilità Teoria & Pratica La probabilità di un evento è

Dettagli

La logica dei se e dei ma: linguaggio matematico e linguaggio naturale a confronto

La logica dei se e dei ma: linguaggio matematico e linguaggio naturale a confronto La logica dei se e dei ma: linguaggio matematico e linguaggio naturale a confronto Daniele Mundici Dipartimento di Matematica Università di Firenze Viale Morgagni 67/a 50134 Firenze mundici@math.unifi.it

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

Metodi quantitativi per il trade marketing Modulo 1 Valutazione dei rischi per il marketing a.a. 2010/2011

Metodi quantitativi per il trade marketing Modulo 1 Valutazione dei rischi per il marketing a.a. 2010/2011 Metodi quantitativi per il trade marketing Modulo Valutazione dei rischi per il marketing a.a. 200/20 Problemi per esercitazione individuale (non svolti in aula NB: i problemi assegnati per esercitazione

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

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

decidiamo, sulla base di un campione, se l ipotesi formulata è plausibile oppure no.

decidiamo, sulla base di un campione, se l ipotesi formulata è plausibile oppure no. LA VERIFICA D IPOTESI Alla base dell inferenza statistica vi è l assunzione che i fenomeni collettivi possano essere descritti efficacemente mediante delle distribuzioni di probabilità. Abbiamo già considerato

Dettagli

CENNI DI CALCOLO COMBINATORIO E DELLE PROBABILITÀ Appunti delle lezioni del Prof. Giuseppe Puggioni a cura di M. Marras e B.

CENNI DI CALCOLO COMBINATORIO E DELLE PROBABILITÀ Appunti delle lezioni del Prof. Giuseppe Puggioni a cura di M. Marras e B. CENNI DI CALCOLO COMBINATORIO E DELLE PROBABILITÀ Appunti delle lezioni del Prof. Giuseppe Puggioni a cura di M. Marras e B. Pettinelli CALCOLO COMBINATORIO Disposizioni semplici Dati n elementi ( a 1,

Dettagli

Esercizi sul calcolo delle probabilità

Esercizi sul calcolo delle probabilità Esercizi sul calcolo delle probabilità Svolti e da svolgere (per MAR 13 marzo) Dati due eventi A e B dello spazio campionario Ω. Si sappia che P(A c )=0,3 P(B)=0,4 e P(A B c )=0,5 si determinino le probabilità

Dettagli

Problemi e formula di Bayes. Daniela Valen), Treccani Scuola

Problemi e formula di Bayes. Daniela Valen), Treccani Scuola Problemi e formula di Bayes Daniela Valen), Treccani Scuola 1 Problemi antichi 1. Lancio una volta un dado A 1 : Esce 6 P( A 1 ) = 1 6 B 1 : NON esce 6 2. Lancio più volte un dado P( B 1 ) = 5 6 Sapere

Dettagli

Cenno sui metodi Monte Carlo

Cenno sui metodi Monte Carlo Cenno sui metodi Monte Carlo I metodi probabilistici hanno una lunga storia ma solo dopo il 1944 è iniziato un loro studio sistematico che ha portato a notevoli sviluppi. Attualmente è stato valutato che

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

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

BetOnMath. Sintesi del corso. 1 Modulo 1. A cura di C. Andrà, N. Parolini, M. Verani Dipartimento di Matematica, Politecnico di Milano

BetOnMath. Sintesi del corso. 1 Modulo 1. A cura di C. Andrà, N. Parolini, M. Verani Dipartimento di Matematica, Politecnico di Milano BetOnMath Sintesi del corso A cura di C. Andrà, N. Parolini, M. Verani Dipartimento di Matematica, Politecnico di Milano 1 Modulo 1 1.1 Iniziamo... giocando Iniziamo con un gioco molto semplice: il testa

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Una sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.

Una sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa. Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo

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

Teoria dei giochi. 1. Introduzione ed esempi. Slides di Teoria dei Giochi, Vincenzo Cutello 1

Teoria dei giochi. 1. Introduzione ed esempi. Slides di Teoria dei Giochi, Vincenzo Cutello 1 Teoria dei giochi 1. Introduzione ed esempi Vincenzo Cutello 1 Cos è la teoria dei giochi? Da Wikipedia: La teoria dei giochi è la scienza matematica che analizza situazioni di conflitto e ne ricerca soluzioni

Dettagli

Teoria dei Giochi non Cooperativi

Teoria dei Giochi non Cooperativi Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 L4, Corso Integrato di Psicometria - Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Rev. 18/04/2011 Inferenza statistica Formulazione

Dettagli