Dalle bische clandestine agli algoritmi stocastici: la vita e gli amori della signorina Fortuna
|
|
- Miranda Pagano
- 7 anni fa
- Visualizzazioni
Transcript
1 Dalle bische clandestine agli algoritmi stocastici: la vita e gli amori della signorina Fortuna Fabio Fagnani Dipartimento di Matematica Politecnico di Torino p.
2 Una lezione sulla probabilità La genesi: una breve introduzione storica. Gli strumenti della probabilità. Alcuni errori comuni. Alcune applicazioni più avanzate. p.
3 La genesi della probabilità Nasce nelle bische clandestine della Francia seicentesca. Ha una data di nascita ufficiale: il Un importante precursore: Cardano, Liber de Ludo Aleae, 1520, pubblicato nel p.
4 Che cosa accadde nel 1654? p.
5 Che cosa accadde nel 1654? Un gioco delle bische parigine: La casa scommette alla pari con un giocatore che quest ultimo, lanciando per 4 volte un dado, ottenga almeno una volta 6. Questo gioco è favorevole alla casa che in media vince il 52% delle volte. p.
6 Che cosa accadde nel 1654? Un gioco delle bische parigine: La casa scommette alla pari con un giocatore che quest ultimo, lanciando per 4 volte un dado, ottenga almeno una volta 6. Questo gioco è favorevole alla casa che in media vince il 52% delle volte. Una variante di Antoine Gombauld Chevalier de Méré: la casa scommette alla pari con un giocatore che quest ultimo, lanciando per 24 volte una coppia di dadi, ottenga almeno una volta il doppio 6. p.
7 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: p.
8 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; p.
9 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; 36 risultati possibili lanciando due dadi: la probabilità che esca il doppio 6 è 1/36 (6 volte più bassa); p.
10 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; 36 risultati possibili lanciando due dadi: la probabilità che esca il doppio 6 è 1/36 (6 volte più bassa); lanciando la coppia di dadi 6 volte di più (24 = 6 4) si dovrebbe controbilanciare l effetto di considerare un evento meno probabile di un fattore 6. p.
11 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; 36 risultati possibili lanciando due dadi: la probabilità che esca il doppio 6 è 1/36 (6 volte più bassa); lanciando la coppia di dadi 6 volte di più (24 = 6 4) si dovrebbe controbilanciare l effetto di considerare un evento meno probabile di un fattore si dovrebbe avere quindi la stessa probabilità. p.
12 Che cosa accadde nel 1654? E invece no! Quest ultimo gioco non è favorevole alla casa, ma al giocatore. Ne era consapevole il de Méré, non è chiaro se per averlo provato a sue spese o per qualche intuizione teorica. Decise di parlarne con un brillante francese dell epoca, Blaise Pascal che risolse il problema postogli dal de Méré provando anche che con 25 lanci il gioco sarebbe allora stato favorevole alla casa. p.
13 Lo sviluppo successivo Con Pascal, Fermat, Huygens, Leibnitz, Bernoulli si sviluppa la probabilità. Per la fine del 1600 è già una teoria autonoma. p.
14 Lo sviluppo successivo Con Pascal, Fermat, Huygens, Leibnitz, Bernoulli si sviluppa la probabilità. Per la fine del 1600 è già una teoria autonoma. Altri fondamentali contributi: Laplace, Poisson, De Moivre, Gauss Laplace 1812: E davvero notevole che una scienza nata dall osservazione dei giochi d azzardo sia divenuta l oggetto più importante della umana conoscenza! p.
15 Lo sviluppo successivo Con Pascal, Fermat, Huygens, Leibnitz, Bernoulli si sviluppa la probabilità. Per la fine del 1600 è già una teoria autonoma. Altri fondamentali contributi: Laplace, Poisson, De Moivre, Gauss Laplace 1812: E davvero notevole che una scienza nata dall osservazione dei giochi d azzardo sia divenuta l oggetto più importante della umana conoscenza! Poi, per oltre 100 anni, fino al 1930 la probabilità quasi scompare dai circoli matematici. p.
16 Lo sviluppo successivo Il XX secolo consacra definitivamente la probabilità: Le spettacolari applicazioni alla fisica di Maxwell, Boltzmann, Einstein. Le nuove applicazioni alla genetica, informatica, teoria delle comunicazioni, modelli finanziari. Status di disciplina matematica autonoma. p.
17 Lo sviluppo successivo Il XX secolo consacra definitivamente la probabilità: Le spettacolari applicazioni alla fisica di Maxwell, Boltzmann, Einstein. Le nuove applicazioni alla genetica, informatica, teoria delle comunicazioni, modelli finanziari. Status di disciplina matematica autonoma. Tuttavia, le idee probabilistiche penetrano scarsamente nella cultura comune... p.
18 Quando serve la probabilità? p.
19 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. p.
20 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. p.
21 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. Lancio di un dado: 6 possibili risultati. p.
22 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. Lancio di un dado: 6 possibili risultati. Estrazione di una pallina da un urna contenente palline rosse, bianche, nere e gialle: 4 possibili risultati. p.
23 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. Lancio di un dado: 6 possibili risultati. Estrazione di una pallina da un urna contenente palline rosse, bianche, nere e gialle: 4 possibili risultati. Numero di connessioni ad un server in un giorno. p.
24 p. 1 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Il modello probabilistico serve a descrivere la nostra mancanza di informazione, la nostra ignoranza su un fenomeno e prescinde dalla causa di tale ignoranza.
25 p. 1 Il modello probabilistico Si fissa un insieme che contenga come elementi i possibili esiti dell esperimento sotto considerazione. Questo insieme verrà generalmente indicato con il simbolo Ω e chiamato spazio degli eventi elementari.
26 p. 1 Il modello probabilistico Si fissa un insieme che contenga come elementi i possibili esiti dell esperimento sotto considerazione. Questo insieme verrà generalmente indicato con il simbolo Ω e chiamato spazio degli eventi elementari. L insieme Ω negli esempi precedenti: Lancio di una moneta: Ω = {T, C}. Lancio di un dado: Ω = {1, 2, 3, 4, 5, 6}. Estrazione dall urna: Ω = {R, B, N, G}. Numero di connessioni: Ω = N = {0, 1, 2, 3,... }.
27 p. 1 Il modello probabilistico Si fissa un insieme che contenga come elementi i possibili esiti dell esperimento sotto considerazione. Questo insieme verrà generalmente indicato con il simbolo Ω e chiamato spazio degli eventi elementari. Ad ogni evento elementare ω Ω si associa un numero p(ω): la probabilità che si verifichi ω. p(ω) 0 ω Ω p(ω) = 1
28 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)?
29 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Ipotesi frequentista. In base ad informazioni statistiche sull esperimento Es.: se l evento ω accade 37 volte su 100, si pone p(ω) = 37/100.
30 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Ipotesi frequentista. In base ad informazioni statistiche sull esperimento Es.: se l evento ω accade 37 volte su 100, si pone p(ω) = 37/100. Ipotesi classica. Ragionamenti di simmetria: tutti gli eventi elementari hanno la stessa probabilità. Se Ω ha N elementi ( Ω = N), si pone p(ω) = 1/N qualunque sia ω Ω.
31 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)?
32 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Moneta Ω = {T, C} p(t) = p(c) = 1/2
33 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Dado Ω = {1, 2, 3, 4, 5, 6} p(ω) = 1/6, ω = 1, 2,..., 6
34 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Connessioni Ω = N p(ω) =? ipotesi frequentista,...
35 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità.
36 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. La probabilità di eventi complessi: A Ω p(a) = p(ω) ω A
37 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. Caso di ipotesi classica: p(a) = ω A p(ω) = A Ω = casi favorevoli casi possibili.
38 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. Caso di ipotesi classica: p(a) = ω A p(ω) = A Ω = casi favorevoli casi possibili. Urna Ω = {R, B, N, G}
39 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. Caso di ipotesi classica: p(a) = ω A p(ω) = A Ω = casi favorevoli casi possibili. Urna Ω = {R, B, N, G} Composizione dell urna: 3 palline rosse, 4 bianche, 1 nera, 2 gialle. Totale 10 palline.
40 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. Caso di ipotesi classica: p(a) = ω A p(ω) = A Ω = casi favorevoli casi possibili. Urna Ω = {R, B, N, G} Composizione dell urna: 3 palline rosse, 4 bianche, 1 nera, 2 gialle. Totale 10 palline. p(r) = 3 10, p(b) = 4 10, p(n) = 1 10, p(g) = p. 1
41 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. Regola del complementare: p(a c ) = 1 p(a)
42 p. 1 Esperimenti ripetuti Esperimento base con risultati nell insieme Ω o. Ripetiamo l esperimento k volte e annotiamo in ordine i risultati ottenuti.
43 p. 1 Esperimenti ripetuti Esperimento base con risultati nell insieme Ω o. Ripetiamo l esperimento k volte e annotiamo in ordine i risultati ottenuti. Otteniamo una sequenza ordinata di k elementi di Ω o : (ω 1, ω 2,..., ω k ) dove ω i indica l esito dell i-esimo esperimento.
44 p. 1 Esperimenti ripetuti Esperimento base con risultati nell insieme Ω o. Ripetiamo l esperimento k volte e annotiamo in ordine i risultati ottenuti. Otteniamo una sequenza ordinata di k elementi di Ω o : (ω 1, ω 2,..., ω k ) dove ω i indica l esito dell i-esimo esperimento. NOTAZIONE: Ω = Ω k o = {(ω 1, ω 2,..., ω k ) ω 1,... ω k Ω o } Ω o = N o, Ω k o = N k o.
45 p. 1 Esperimenti ripetuti Che probabilità su Ω k o?
46 p. 1 Esperimenti ripetuti Che probabilità su Ω k o? Se gli eventi in Ω 0 sono equiprobabili e i vari esperimenti sono tra loro indipendenti è logico optare per l ipotesi classica: (N o = Ω o ) p(ω 1,... ω k ) = 1 N k o
47 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6?
48 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6}
49 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6} A c = {(ω 1, ω 2, ω 3, ω 4 ) ω i 6}
50 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6} A c = {(ω 1, ω 2, ω 3, ω 4 ) ω i 6} p(a c ) = casi favorevoli casi possibili =
51 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6} A c = {(ω 1, ω 2, ω 3, ω 4 ) ω i 6} p(a c ) = casi favorevoli casi possibili = p(a) = 1 p(a c ) = p. 1
52 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)?
53 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)}
54 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)} A c = {(ω 1,..., ω 24 ) ω i (6, 6)}
55 p. 1 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)} A c = {(ω 1,..., ω 24 ) ω i (6, 6)} p(a c ) = casi favorevoli casi possibili =
56 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)} A c = {(ω 1,..., ω 24 ) ω i (6, 6)} p(a c ) = casi favorevoli casi possibili = p(a) = 1 p(a c ) = p. 1
57 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré?
58 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte.
59 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. primo caso: ω = 6, p = 1/6, k = 4. p(non accade mai ω) = = ( ) 4
60 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. primo caso: ω = 6, p = 1/6, k = 4. p(non accade mai ω) = = ( secondo caso: ω = (6, 6), p = 1/36, k = 24. ) 4 p(non accade mai ω) = = ( ) 24
61 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. primo caso: ω = 6, p = 1/6, k = 4. p(non accade mai ω) = = ( ) 4 = (1 p) k secondo caso: ω = (6, 6), p = 1/36, k = 24. p(non accade mai ω) = = ( ) = (1 p) k
62 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. p(non accade mai ω) = (1 p) k
63 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. p(non accade mai ω) = (1 p) k Per la regola del complementare, p(accade almeno una volta ω) = 1 (1 p) k
64 p. 2 L errore del De Méré. Consideriamo f(p) = (1 p) k
65 p. 2 L errore del De Méré. Consideriamo f(p) = (1 p) k La retta tangente in (0, f(0)) è: y = 1 kp
66 p. 2 L errore del De Méré. Consideriamo f(p) = (1 p) k La retta tangente in (0, f(0)) è: y = 1 kp (1 p) k 1 kp per p piccoli
67 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k
68 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk)
69 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) pk
70 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) Negli esempi: pk p = 1/6, k = 4 p = 1/36, k = 24 4/6 = 24/36
71 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) Negli esempi: pk p = 1/6, k = 4 p = 1/36, k = 24 4/6 = 24/36 Sono eguali nell approssimazione!...de Méré non aveva sbagliato poi di tanto.
72 p. 2 Allarghiamo lo sguardo. Un esperimento ripetuto k volte. L evento ω ha probabilità p (piccola) di accadere. p(accade almeno una volta ω) = 1 (1 p) k pk
73 p. 2 Allarghiamo lo sguardo. Un esperimento ripetuto k volte. L evento ω ha probabilità p (piccola) di accadere. p(accade almeno una volta ω) = 1 (1 p) k pk Se k è sufficientemente grande (dell ordine di 1/p), questa probabilità sarà significativa.
74 p. 2 Allarghiamo lo sguardo. Un esperimento ripetuto k volte. L evento ω ha probabilità p (piccola) di accadere. p(accade almeno una volta ω) = 1 (1 p) k pk Se k è sufficientemente grande (dell ordine di 1/p), questa probabilità sarà significativa. Prima o poi anche gli eventi improbabili accadono. CASO + TEMPO QUALUNQUE COSA
75 p. 2 Un grave errore. La probabilità che esca il 53 nella ruota di Venezia è p = 5 90 = 1 18 Quindi in 18 estrazioni c è buona probabilità che esca.
76 p. 2 Un grave errore. La probabilità che esca il 53 nella ruota di Venezia è p = 5 90 = 1 18 Quindi in 18 estrazioni c è buona probabilità che esca. Supponiamo che il 53 non esca per 17 estrazioni. Possiamo dedurne che a questo punto la sua probabilità di uscita è più alta?
77 p. 2 Un grave errore. La probabilità che esca il 53 nella ruota di Venezia è p = 5 90 = 1 18 Quindi in 18 estrazioni c è buona probabilità che esca. Supponiamo che il 53 non esca per 17 estrazioni. Possiamo dedurne che a questo punto la sua probabilità di uscita è più alta? Assolutamente no! Le estrazioni non hanno memoria. Ogni volta si ricomincia da capo!
78 p. 2 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni.
79 p. 2 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni. La probabilità che in 182 estrazioni questo accada è ( p = 1 18) =
80 p. 2 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni. La probabilità che in 182 estrazioni questo accada è ( p = 1 18) = Un approssimazione: la probabilità che in 182 estrazioni ci sia un numero che non esce mai è circa 90 p 1/400.
81 p. 2 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni. La probabilità che in 182 estrazioni questo accada è ( p = 1 18) = Un approssimazione: la probabilità che in 182 estrazioni ci sia un numero che non esce mai è circa 90 p 1/400. Quindi, ripetendo l esperimento per circa 400 volte, è probabile che capiti.
82 p. 2 Un grave errore. In altre parole, in = estrazioni, è altamente probabile che ci sia l assenza di un numero per 182 estrazioni consecutive.
83 p. 2 Un grave errore. In altre parole, in = estrazioni, è altamente probabile che ci sia l assenza di un numero per 182 estrazioni consecutive. Se si considerano le estrazioni fatte in Italia in oltre 130 anni di lotto, si vede che ci si va abbastanza vicini.
84 p. 2 Dal sito tutti i grandi giochi, il Lotto ha molte anime: se è vero, infatti, che è semplicissimo fare una giocata, è altrettanto vero che le possibilità di gioco sono moltissime: approfondendo la conoscenza del Gioco del Lotto si entra in un mondo complesso, affascinante, dalle mille sfumature.... Come negli Scacchi o nei giochi di strategia, insomma, le regole necessarie per iniziare sono poche e alla portata di tutti, ma le possibili evoluzioni, le tecniche, le filosofie, le meccaniche avanzate sono innumerevoli.
85 p. 2 Il caso può generare qualunque cosa. Il prezzo sono i tempi necessari. E davvero sempre così?
86 p. 2 L appuntamento 100 persone (agenti) sono sparse in un territorio e si vogliono incontrare (rendez-vous). Ciascuno ha a disposizione un GPS, un cellulare, la lista dei numeri telefonici degli altri. Quale è la strategia per incontrarsi tutti il più velocemente possibile?
87 p. 3 L appuntamento: strategia I Agenti etichettati con un numero i = 1, 2,..., 100. (x i, y i ) posizione dell agente i al tempo iniziale. Ciascuno spedisce la propria posizione a tutti gli altri. Ciascuno media la propria posizione con quelle di tutti gli altri: x A = (x 1 + x x 100 ) y A = (y 1 + y y 100 ) Ciascuno si muove verso la posizione (x A, y A ).
88 L appuntamento: strategia I Vantaggi: Il punto d incontro (baricentro) è quello che rende minimo gli spostamenti globali. In un solo colpo si arriva al rendez-vous. Svantaggi: 99 trasmissioni ciascuno per un totale di 9900 trasmissioni. 100 operazioni ciascuno per un totale di operazioni. La complessità di calcolo e di trasmissione cresce quadraticamente nel numero degli agenti! p. 3
89 p. 3 L appuntamento: strategia II (x i, y i ) posizione dell agente i al tempo iniziale. 1. L agente i spedisce la propria posizione all agente i + 1 (100 la spedisce ad 1). 2. L agente i media la propria posizione con quella che ha ricevuto da i 1: x + i = 1 2 (x i + x i 1 ) y + i = 1 2 (y i + y i 1 ) 3. L agente i si muove in (x + i, y+ i ). 4. GOTO 1. Si ipotizza che gli agenti siano sincronizzati.
90 p. 3 L appuntamento: strategia II (x i (t), y i (t)) posizione dell agente i dopo t iterazioni. Vantaggi: (x i (t), y i (t)) converge a (x A, y A ). In ogni iterazione ci sono solo 100 trasmissioni e 200 operazioni complessive. Svantaggi: Velocità di convergenza
91 p. 3 Strategia II: l analisi teorica Una misura di distanza dal rendez-vous (t) = 100 i=1 [(x i (t) x A ) 2 + (y i (t) y A ) 2 ]. Fattore di contrazione: ( (t + 1) ρ (t)) ρ = π 2 cos
92 p. 3 Strategia II: l analisi teorica Una misura di distanza dal rendez-vous (t) = 100 i=1 [(x i (t) x A ) 2 + (y i (t) y A ) 2 ]. Fattore di contrazione: ( (t + 1) ρ (t)) ρ = π 2 cos Tempo di dimezzamento: ( (τ) 1/2 (0)) τ = log 2 log ρ 690,
93 p. 3 Strategia II: l analisi teorica Una misura di distanza dal rendez-vous (t) = 100 i=1 [(x i (t) x A ) 2 + (y i (t) y A ) 2 ]. Fattore di contrazione: ( (t + 1) ρ (t)) ρ = π 2 cos Tempo di dimezzamento: ( (τ) 1/2 (0)) τ = log 2 log ρ 690, Numero trasmissioni: = 69000!
94 p. 3 Strategia II: l analisi teorica Il caso generale 100 N: Fattore di contrazione: ρ = cos 2π N 1 π2 N 2. Tempo di dimezzamento: τ = log 2 log ρ CN2, Numero trasmissioni: τ N = CN 3!! La complessità di calcolo e di trasmissione cresce con il cubo del numero degli agenti!
95 p. 3 L appuntamento: una variante L architettura di comunicazione toroidale: ρ 1 C N, τ N, Numero trasmissioni: N 2.
96 p. 3 L appuntamento: strategia III 1. L agente i sceglie a caso, dalla lista, un agente j e gli spedisce la propria posizione. 2. L agente j media la propria posizione con quella che ha ricevuto da i: x + j = 1 2 (x j + x i ) y + j = 1 2 (y j + y i ) 3. L agente j si muove in (x + j, y+ j ). 1. GOTO 1. Si ipotizza che gli agenti siano sincronizzati.
97 p. 3 L appuntamento: strategia III Ecco come si comporta: gossip gossip Vantaggi: In ogni iterazione ci sono solo 100 trasmissioni e 300 operazioni complessive. E veloce: ρ 1/2 (indipendentemente dal numero di agenti)! Svantaggi: Non converge a (x A, y A ).
98 p. 3 Confronto quantitativo Completo : ρ = 0 τ = 1 Trasmiss. N 2 Ciclo : ρ 1 C N 2 τ N 2 Trasmiss. N 3 Toro : ρ 1 C N τ N Trasmiss. N 2 Gossip : ρ 1 2 τ = 1 Trasmiss. N
99 p. 3 Confronto quantitativo Completo : ρ = 0 τ = 1 Trasmiss. N 2 Ciclo : ρ 1 C N 2 τ N 2 Trasmiss. N 3 Toro : ρ 1 C N τ N Trasmiss. N 2 Gossip : ρ 1 2 τ = 1 Trasmiss. N Gossip: Distanza dal baricentro: 1 N 2!
100 Ma è un vero problema? p. 4
101 p. 4 Ma è un vero problema? Multi-vehicle system: Gli agenti sono robot che si devono incontrare in un punto, coordinandosi tra loro, senza un leader, senza un supervisore.
102 p. 4 Ma è un vero problema? Multi-vehicle system: Gli agenti sono robot che si devono incontrare in un punto, coordinandosi tra loro, senza un leader, senza un supervisore. Computer network: Gli agenti sono processori/computer che si scambiano lavori da eseguire in modo da equilibrare le code e massimizzare le prestazioni.
103 p. 4 Ma è un vero problema? Multi-vehicle system: Gli agenti sono robot che si devono incontrare in un punto, coordinandosi tra loro, senza un leader, senza un supervisore. Computer network: Gli agenti sono processori/computer che si scambiano lavori da eseguire in modo da equilibrare le code e massimizzare le prestazioni. Sensor network: Gli agenti sono sensori buttati a caso in una zona e devono mediare le misure che hanno fatto per aggregare i dati e filtrare il rumore
104 p. 4 Ma è un vero problema? Controllo coordinato di un multi-vehicle system.
105 p. 4 Ma è un vero problema? Controllo coordinato di un multi-vehicle system. Molti agenti (robot)
106 p. 4 Ma è un vero problema? Controllo coordinato di un multi-vehicle system. Molti agenti (robot) Obbiettivo comune: incontro, muoversi con la stessa velocità,...
107 p. 4 Ma è un vero problema? Controllo coordinato di un multi-vehicle system. Molti agenti (robot) Obbiettivo comune: incontro, muoversi con la stessa velocità,... Comunicazioni ridotte
108 p. 4 Ma è un vero problema? Controllo coordinato di un multi-vehicle system. Molti agenti (robot) Obbiettivo comune: incontro, muoversi con la stessa velocità,... Comunicazioni ridotte Mancanza di un leader nel gruppo.
109 p. 4 Ma è un vero problema? Controllo coordinato di un multi-vehicle system. Molti agenti (robot) Obbiettivo comune: incontro, muoversi con la stessa velocità,... Comunicazioni ridotte Mancanza di un leader nel gruppo. Si cerca di riprodurre fenomeni presenti nel comportamento degli animali in gruppo.
110 I comportamenti coordinati p. 4
111 I comportamenti coordinati p. 4
112 I comportamenti coordinati p. 4
113 I comportamenti coordinati p. 4
114 I comportamenti coordinati p. 4
115 p. 4 Il gruppo di ricerca Giacomo Como, Paolo Frasca, Federica Garin, Valentina Martina, Chiara Ravazzi (Laurea e Dottorato Ingegneria Matematica PoliTO) Sophie Fosson (Perfezionamento SNS) Gli argomenti di ricerca: Algoritmi stocastici gossip, controllo coordinato. Teoria dell informazione, teoria dei codici. fabio.fagnani@polito.it fagnani/
Calcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliProbabilità. Fulvio Bisi-Anna Torre
Probabilità Fulvio Bisi-Anna Torre FRATELLI E SORELLE Per la ricorrenza della festa della mamma, la sig.ra Luisa organizza una cena a casa sua, con le sue amiche che hanno almeno una figlia femmina. La
DettagliCalcolo 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
DettagliSARA BORLENGO MARTA LUCCHINI
SARA BORLENGO MARTA LUCCHINI COINCIDENZE? In quest aula ci sono almeno due persone che compiono gli anni lo stesso giorno. COINCIDENZE? In quest aula ci sono almeno due persone che compiono gli anni lo
DettagliCalcolo delle Probabilità S.T.A.D
Lezione 1 del 11 Aprile 2012 Calcolo delle Probabilità S.T.A.D. 2011-2012 Giuseppe Sanfilippo http://www.unipa.it/sanfilippo 11 aprile 2012 Libri adottati Calcolo delle Probabilità, Sheldon Ross, Apogeo,
DettagliLa scienza dei dadi.
Dalla teoria delle probabilità alla (dis)informazione Università di Bologna 4 novembre 2017 Liceo Scientifico Galilei di Dolo La Scienza a Scuola Zanichelli Alcune domande Malattie rare Test sulla emofilia
DettagliTesta 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?
DettagliProbabilità e Statistica
Corso PON Competenze per lo sviluppo Liceo Scientifico "Bonaventura Rescigno Baronissi Ing. Ivano Coccorullo Prof.ssa Angela D Ambrosio Teoria delle probabilità Si è soliti far risalire la nascita della
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliIl Calcolo delle Probabilità
Il Calcolo delle Probabilità Introduzione storica I primi studi che portarono successivamente a concetti legati alla probabilità possono essere trovati a metà del XVI secolo in Liber de ludo aleæ di Girolamo
DettagliProbabilità: l alfabeto Statistica: il minimo indispensabile. Dati: statistica descrittiva Inferenza statistica
... trasformazioni logaritmiche e semilogaritmiche leggi di crescita e decrescita funzioni composte, domini limiti elementari crescenza e decrescenza di funzioni convessità e concavità di funzioni massimi
DettagliCenni di probabilità
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Cenni di probabilità Ing. Antonino Cancelliere Dipartimento
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
Dettaglidi qualche accadimento porta ad un particolare che, a partire da determinate condizioni iniziali, stato delle cose finali
Esperimenti aleatori un esperimento e l osservazione del verificarsi che, a partire da determinate condizioni iniziali, stato delle cose finali di qualche accadimento porta ad un particolare se si ripete
DettagliLezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi
Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi
DettagliIntroduzione al Calcolo delle Probabilità
Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto
DettagliCalcolo delle probabilità
Calcolo delle probabilità Approccio classico e frequentista alla probabilità Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Teoria delle probabilità L inizio della teoria delle probabilità, chiamata all
DettagliElementi di Calcolo delle probabilità
Elementi di Calcolo delle probabilità Docente: Francesca Benanti 13 Dicembre 2007 1 Definizioni di Probabilità La teoria della probabilità è quella parte della matematica che, sulla base delle informazioni
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
Dettagliprima urna seconda urna
Un po di fortuna Considera il seguente gioco: ci sono due urne contenenti delle palline perfettamente uguali tra loro, ma colorate diversamente, alcune bianche, altre nere. Nella prima urna ci sono una
DettagliEsercitazioni numeriche del corso di GENETICA AA 2010/2011 LEZIONE N 1 PROBABILITÀ
Esercitazioni numeriche del corso di GENETICA AA 2010/2011 LEZIONE N 1 PROBABILITÀ Definizione classica di probabilità: La probabilità di un dato evento è il rapporto tra il numero dei casi favorevoli
DettagliInformazione, Entropia e Probabilità
Informazione, Entropia e Probabilità Alessandro Lenci Università di Pisa, Dipartimento di Linguistica Via Santa Maria, 36, 56100 Pisa, Italy alessandro.lenci@ilc.cnr.it Linguaggio e comunicazione - LO042
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
Dettagli6.2 La probabilità e gli assiomi della probabilità
6.2 La probabilità e gli assiomi della probabilità L introduzione alla teoria della probabilità può essere vista come un applicazione della teoria degli insiemi. Essa si occupa degli esperimenti il cui
DettagliDadi, carte, diagrammi e frazioni.
Dadi, carte, diagrammi e frazioni..i primi passi nella probabilità Relatore: Prof.ssa Ana Millán Gasca Laura Sol Minicorso Insegnare la matematica ai bambini a partire dall esperienza Roma, Università
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 5. Introduzione alla probabilità: Definizioni di probabilità. Evento, prova, esperimento. Eventi indipendenti e incompatibili. Probabilità condizionata. Teorema di Bayes CONCETTI
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliIl calcolo della probabilità matematica
Il calcolo della probabilità matematica Il calcolo delle probabilità è quella parte della matematica che si occupa di prevedere, sulla base di regole e leggi precise, quanto un evento casuale sia probabile.
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità venti certi, impossibili, aleatori Supponiamo di lanciare un dado e consideriamo i seguenti eventi : ={ esce un numero compreso tra e 6 (estremi inclusi) } 2 ={
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
DettagliINCERTEZZA e PROBABILITA
Incertezza e Probabilità INCERTEZZA e PROBABILITA Esempi: Qual è la probabilità che la pallina si posi su un numero dispari? Qual è la probabilità che uno studente di Monza passi l esame di Statistica
DettagliPsicometria II: Laura Picconi.
Psicometria II: Laura Picconi http://www.psicometria.unich.it/ http://www.psicometria.unich.it/ Sezione avvisi E necessario leggere con attenzioni gli avvisi e le comunicazioni che sono pubblicati sul
DettagliIl caso, probabilmente: la partita a dadi di Riccardo Mini
Elementi di Probabilità presenti nell opera teatrale Il caso, probabilmente: la partita a dadi di Riccardo Mini con Fausto Bernardinello, Maria Eugenia D Equino, Annig Raimondi con la collaborazione dei
DettagliProbabilità. Decisioni in condizioni di incertezza:
Probabilità Decisioni in condizioni di incertezza: Casi quotidiani e no Probabile / certo. Incertezza e futuro / incertezza e quantità-qualità delle informazioni. Probabilità come misura del grado di fiducia
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità 2013-2014 Seconno le statistiche d adesso risurta che te tocca un pollo all anno: e, se nun entra nelle spese tue, t entra ne la statistica lo stesso perchè c è un antro che ne
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Sezione 1. Spazi di Probabilità e Indipendenza. Per convenienza dello studente si danno le risposte di alcuni esercizi. 1) Si consideri lo spazio di probabilità corrispondente alla
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliEsercizi - Fascicolo III
Esercizi - Fascicolo III Esercizio 1 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo, indipendentemente
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
DettagliStatistica e informatica
Statistica e informatica Probabilità elementari Francesco Pauli e Nicola Torelli A.A. 2017/2018 Indice Probabilità: nozioni base Formalizzazione Alcuni esempi Francesco Pauli e Nicola Torelli Probabilità
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
DettagliIntroduzione alla probabilità. Marcello D Agostino 2014 revisione Dorato
Introduzione alla probabilità Marcello D Agostino 2014 revisione Dorato Testi d esame Hacking I. The emergence of probability Per chi non legge l inglese Hacking I. Il caso domato, Il saggiatore Gillies,
DettagliProbabilitá condizionata
Probabilitá condizionata 12 marzo 2017 Si introduce il concetto di indipendenza stocastica e la regola del prodotto per eventi indipendenti. Si discute di come un processo con memoria introduca un condizionamento
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliCALCOLO DELLE PROBABILITA' risultato non può essere previsto con certezza ogni risultato possibile di un esperimento
CALCOLO DELLE PROBABILITA' Esperimento o prova Evento Spazio Campionario (Ω) una qualsiasi operazione il cui risultato non può essere previsto con certezza ogni risultato possibile di un esperimento insieme
DettagliSoluzioni degli esercizi proposti
Soluzioni degli esercizi proposti.9 a La cardinalità dell insieme dei numeri,..., 0 n che sono multipli di 5 è 0n 5. Dunque, poiché siamo in una condizione di equiprobabilità, la probabilità richiesta
DettagliProbabilità I. Concetto di probabilità. Definizioni di base: evento
Concetto di probabilità Nozioni di eventi. Probabilità I Calcolo delle probabilità Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Cos'è una probabilità? Idea di massima:
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliLezione 1. 1 Probabilità e statistica. 2 Definizioni di probabilità. Statistica e analisi dei dati Data: 22 Febbraio 2016
Statistica e analisi dei dati Data: 22 Febbraio 2016 Lezione 1 Docente: Prof. Giuseppe Boccignone Scriba: Nicolò Pisaroni 1 Probabilità e statistica Probabilità: Un modello probabilistico é una descrizione
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
DettagliProbabilità I Calcolo delle probabilità
Probabilità I Calcolo delle probabilità Nozioni di eventi. Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Concetto di probabilità Cos'è una probabilità? Idea di massima:
DettagliEquidistribuzione su un insieme finito
su un insieme finito È la distribuzione che abbiamo già visto per il lancio del dado. Se {x 1, x 2,..., x n } sono gli n diversi valori che una variabile aleatoria X può assumere e tali valori sono equiprobabili,
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riferimenti Ricevimento per appuntamento: folgieri@mtcube.com In ogni mail indicare: nome e cognome, matricola,
DettagliNote introduttive alla probabilitá e alla statistica
Note introduttive alla probabilitá e alla statistica 1 marzo 2017 Presentiamo sinteticamente alcuni concetti introduttivi alla probabilitá e statistica 1 Probabilità e statistica Probabilità: Un modello
DettagliCALCOLO DELLE PROBABILITÀ
CALCOLO DELLE PROBABILITÀ Il calcolo delle probabilità, è nato nel contesto dei giochi d azzardo nel secolo XVII. In seguito molti famosi matematici diedero contributi alla teoria della probabilità. Tuttavia,
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliProbabilità. Spazi di probabilità
Probabilità Paolo Montanari Appunti di Matematica Probabilità 1 Spazi di probabilità Un esperimento si dice casuale quando esso può essere ripetuto quante volte si vuole, ed il risultato di ogni esecuzione
DettagliVariabili casuali (1, T ) 1+0=1 1/16 (1 T ) 1 1/16 (1, C) 1+1=2 1/16 (1 C) 1 1/16 (1, T ) 9+0=9 1/16 (9, C) 9+1=10 1/16
Variabili casuali Soluzione Es.. Lo spazio campionario Ω è costituito da tutti gli accoppiamenti asso e T o C e nove con T o C quindi 4*2 +4*2 = 6 coppie di valori: Ω = {, T,, T,, T, T,, C,, C,, C,, C,,
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
Dettaglie n n xn ( 1) n ( 1) n n + 1 2e n x n 3n [ln x]n 1 n + 1 2e n 1
1) Studiare la seguente serie di funzioni en ( 1) n n x n 2) Studiare la seguente serie di funzioni ( 1) n n + 1 2e n xn 3) Studiare la seguente serie di funzioni 3n [ln x]n 1 2n 4) Studiare la seguente
DettagliLo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6
EVENTI ALEATORI E LORO RAPPRESENTAZIONE Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U... U.. La definizione classica di probabilità dice che, se gli eventi che si considerano
DettagliESERCIZI. Gli esercizi di maggiore difficoltà sono contrassegnati con un asterisco. 1. SPAZI DI PROBABILITA.
ESERCIZI Gli esercizi di maggiore difficoltà sono contrassegnati con un asterisco.. SPAZI DI PROBABILITA.. Si consideri lo spazio di probabilità finito corrispondente alla somma dei risultati di due dadi
DettagliProbabilità. Cominciamo dando una definizione operativa di probabilità.
Probabilità Cominciamo dando una definizione operativa di probabilità. Definizione: Si dice probabilità di un evento X il rapporto p(x) fra il numero di casi favorevoli e il numero di casi possibili, nell
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
DettagliLaboratorio di calcolo delle probabilità
Laboratorio di calcolo delle probabilità Il concetto di probabilità I Estraendo a caso una carta da un mazzo è maggiore la probabilità che sia un carta con un numero maggiore di 6 (escluse le figure) o
DettagliProbabilità I. Concetto di probabilità. Definizioni di base: evento
Concetto di probabilità Nozioni di eventi. Probabilità I Calcolo delle probabilità Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Cos'è una probabilità? Idea di massima:
Dettaglip. 1/24 INFORMAZIONI Prossime lezioni Giorno Ora Dove 26/01 14:30 P50 28/01 14:30 Laboratorio (via Loredan) 02/02 14:30 P50
p. 1/24 INFORMAZIONI Prossime lezioni Giorno Ora Dove 26/01 14:30 P50 28/01 14:30 Laboratorio (via Loredan) 02/02 14:30 P50 p. 2/24 Ricapitolando... A causa dell ineliminabile presenza degli errori accidentali,
DettagliP (CjB m )P (B m ja) = p:
Esonero di Calcolo delle Probabilità del 7/04/ ESERCIZIO. Nel gioco del domino le tessere (di solito nere) sono divise in due riquadri, su ciascuno dei quali viene riportato, quale punteggio, un certo
DettagliElementi di Teoria della Probabilità
Elementi di Teoria della Probabilità Alcune definizioni iniziali: Fenomeno casuale: fenomeno ripetibile (almeno in teoria) infinite volte che può manifestarsi in diverse modalità, imprevedibili singolarmente,
DettagliRota Fortunae 1 Parte I
Rota Fortunae 1 Parte I Giuseppe Sanfilippo a Carmen Zito b a Dipartimento di Matematica e Informatica, Università degli Studi di Palermo giuseppe.sanfilippo@unipa.it, b I.C. Boccadifalco Tomasi di Lampedusa,
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
DettagliLa probabilità. Monia Ranalli. Ranalli M. Probabilità Settimana # 5 1 / 20
La probabilità Monia Ranalli Ranalli M. Probabilità Settimana # 5 1 / 20 Sommario Concetti base Evento elementare, spazio campionario ed evento complementare Rappresentazioni dello spazio campionario Intersezione
DettagliValore atteso, mazzi di carte e Monte Carlo. Anna Torre-Fulvio Bisi
Valore atteso, mazzi di carte e Monte Carlo Anna Torre-Fulvio Bisi Eventi Indipendenti Due eventi A, B sono indipendenti se la probabilità che accadano entrambi è il prodotto della probabilità che accada
Dettaglip. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50
p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50 p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Come opera la matematica: dagli ai teoremi. Che cosa è una funzione, il suo dominio e il suo codominio. Che cosa significa n j=1 A j dove A j sono insiemi. Che cosa significa
DettagliLa probabilità: introduzione
P a g. 1 La probabilità: introduzione Nei giochi e nella "realtà" spesso si devono fare scelte di cui non si sanno prevedere esattamente le conseguenze (quale carta conviene scartare? in quale orario conviene
Dettagliincompatibili compatibili complementari eventi composti probabilità composta
Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il
DettagliTeoria della probabilità
Introduzione alla teoria della probabilità Teoria della probabilità Primi sviluppi nel XVII secolo (Pascal( Pascal, Fermat, Bernoulli); Nasce nell ambito dei giochi d azzardo; d La prima formalizzazione
DettagliRAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5
RAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5 Finalità: Realizzare grafici che facilitano l organizzazione dei concetti probabilistici utilizzando l insiemistica. Metodo: Compilazione delle schede.
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliPROBABILITA. 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
DettagliPROBABILITA. 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
DettagliAFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA
AFFIDABILIA DEI SISEMI E ONROLLO SAISIO DI QUALIA Elvira Di Nardo elvira.dinardo@unibas.it www.unibas.it/utenti/dinardo/aff.1314html RI: Mer 10.30-12.30 Modalità di esame Johnson J. (2007) Probabilità
DettagliCalcolo delle probabilità e ragionamento bayesiano. Unit 5 Corso di Logica e Teoria dell Argomentazione
Calcolo delle probabilità e ragionamento bayesiano Unit 5 Corso di Logica e Teoria dell Argomentazione Sommario Nozioni probabilistiche Probabilità condizionata Ragionamento bayesiano Applicazioni a giochi
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità L. Boni Approccio empirico OSSERVAZIONE IPOTESI TEORIA DOMINANTE ESPERIMENTO L esperimento Un esperimento (dal latino ex, da, e perire, tentare, passare attraverso
DettagliBREVE INTRODUZIONE ALLA PROBABILITÀ ELEMENTARE
BREVE INTRODUZIONE ALLA PROBABILITÀ ELEMENTARE 24-3-2003 1 Introduzione Il calcolo delle probabilità si occupa di tutte quelle situazioni in cui un esperimento può avere parecchi esiti e si vuole costruire
DettagliStoria della Probabilità
Storia della Probabilità Il calcolo delle probabilità nasce nel Seicento (1654) per risolvere alcuni problemi sui giochi d azzardo (dadi) posti da un giocatore, il cavaliere de Méré, al matematico e filosofo
Dettagli