Probabilità condizionata e indipendenza stocastica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Probabilità condizionata e indipendenza stocastica"

Transcript

1 Capitolo 3 Probabilità condizionata e indipendenza stocastica 3.1 Considerazioniintroduttive Abbiamo trattato, finora, soltanto di probabilità di eventi che possono risultare Veri o Falsi. Tuttavia, il calcolo delle probabilità si occupa, per soddisfare esigenze applicative concrete, anche di eventi il cui campo di possibilità è limitato da qualche specifica condizione. Si parla, allora, di eventi condizionati o subordinati. Per esempio, relativamenteaunapartitadicalciochevedràimpegnatelesquadreaeb,sipuòscommettere sullavittoriadi A[ricevendounasommadidenaroprestabilitase Avinceeperdendola postase Anonvince:perdeopareggia],masipuòscommetteresullavittoriadi Anell ipotesichelapartitasichiudaconlavittoriadiunadellesquadreincampo.dunque l evento vittoria di A viene subordinato alla condizione che una delle due squadre vinca. Di conseguenza, lo scommettitore incassa se A vince, perde se vince B, mentre vede annullatalascommessanelcasolapartitanonterminiconlavittoriadiunadelledue squadre. Si noti la differenza rispetto alla situazione precedente della scommessa sulla vittoria di A. Una situazione concettualmente analoga si presenta con riferimento al cosiddetto processo di apprendimento dall esperienza quando si debba valutare la probabilità di una certa ipotesi H subordinatamente al fatto che un determinato esperimento abbia un certoesito,fattoespressoasuavoltadauneventoe.sitrattadivalutarelaprobabilità di H condizionatamente a un ipotetico incremento d informazione espresso dall evento 35

2 36CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA E. Siano E, H,con E,eventicontenutiinunaclasse Cdipartidi Ωcheincludaanche l intersezione E H. Ciò è automaticamente soddisfatto se C è un algebra. L evento H condizionato da E (detto anche evento H subordinato a E ) si può rappresentare, come nella Figura 3.1, restringendo(come accennato all inizio del paragrafo) le possibilità all insieme dei casi elementari che costituiscono E e, quindi, considerando successo [rispettivamente, insuccesso] il presentarsi di un caso elementare contenuto in H E [rispettivamente, il presentarsi di un caso elementare contenuto in E \ H]. Si usa indicare l evento H condizionato da E col simbolo H E. Sinotichevale H E = H E Eovvero,ilgenericoeventocondizionato H Esipuò scrivere in forma irriducibile come H E E. Figura 3.1: L evento H condizionato da E è vero nella zona punteggiata, falso in quella sfumata, indeterminato nella zona bianca. Veniamo a fare qualche osservazione preliminare sulla valutazione della probabilità di H E. Supponiamocheunindividuogiudichi P(E) = 0,90laprobabilitàchesiverifichi Ee P(H E) = 0,60laprobabilitàchesiverifichi Hnell ipotesiche Esiavero. Possiamo reinterpretare questo sistema di valutazione così: l individuo in questione si impegnaapagare0,60euronelcasosiverifichi E,perricevere1eurosesiverifica H E;pervincere0,60euronelcasosiverifichi Esiimpegnaapagare0,60 0,90=0,54 euro. In definitiva, pagando 0,54 euro, il nostro giocatore acquista il diritto a ricevere 1 eurosesiverificanosimultaneamente Hed E;quindi,0,54sipuòriguardarecomeuna valutazionedellaprobabilitàdi H Ecoerenteconivaloridi P(H E)eP(E). Questo punto di vista sarebbe in accordo con quanto suggerito dalla precedente immagine geometrica. Poiché, considerare H E significa concentrare l attenzione ai punti contenuti in E(zona sfumata per l insuccesso, punteggiata per il successo), allora la probabilità di

3 3.2. PRINCIPIO DELLE PROBABILITÀ COMPOSTE E TEOREMA DI BAYES 37 Evavistacomenuovaunitàdimisura,ovvero: P(H E) = P(H E)/P(E),equivalente a 0,60 = P(H E)/0, Principio delle probabilità composte e teorema di Bayes Nell impostazione assiomatica di Kolmogorov, la probabilità di H E[nelle condizioni dichiarate nella sezione precedente] viene definita, coerentemente alle osservazioni già svolte, come un numero P(H E) che soddisfa la relazione P(H E)P(E) = P(H E) (3.1) ossia il principio delle probabilità composte. Quando P(E) 0,(3.1) determina la probabilità di P(H E), prolungando Pda Ca C {H E}. P(H E) = P(H E)/P(E), Aquestopuntosiponeinevidenzache,perunevento Efissatoinun algebra Ccon P(E) > 0,lafunzione H P(H E) (H C) èunamisuradiprobabilitàsu C. Infatti,(1) P(H E) = P(H E)/P(E) 0;(2)se H appartieneacecontiene E,allora P(H E) = P(H E)/P(E) = P(E)/P(E) = 1,dacui, inparticolare P(Ω E) = 1;(3)se A 1,A 2,...e n 1 A n appartengonoa C,congli A i adue a due incompatibili, allora P( n 1 A n E) = 1 P(E) P(E ( n 1A n )) = 1 P(E) P( n 1(E A n )) = 1 P(E) P(E A n ) n 1 = 1 P(E) P(E A n) = P(A n E) n 1 n 1 In molti casi, praticamente significativi come quello dei procedimenti di apprendimento (l induzione statistica ne sarebbe esempio tipico), si suppongono assegnate le probabilità: P(E H)delrisultatosperimentaledatal ipotesi H, P(E H c )delrisultatosperimentaledata H c, P(H) dell ipotesi(probabilità iniziale)

4 38CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA e si procede alla determinazione di P(H E)(probabilità finale). Allora, dalla definizione di P(E H),cioè P(E H)P(H) = P(H E), segue P(E H)P(H) = P(H E)P(E) ovvero P(H E) = P(E H)P(H) P(E) che fornisce l espressione più elementare del teorema di Bayes. se P(E) 0 (3.2) Infatti, con considerazioni semplici è possibile generalizzare questo teorema a partizioninumerabilidiipotesi. Sidicechelafamigliadieventi {H n : n 1}èuna partizionedellospazio Ωdeicasielementarise H n perogni n, H n H m = se n m, n 1 H n = Ω.Quindi,perogni(misuradi)probabilità P,vale 1 = P(Ω) = P n 1H n = n 1P(H n ). Inoltre, per ogni evento E vale E = E n 1H n = n 1(E H n ) (proprietàdistributiva). Quindi,risultandoglieventi E H n, n 1,adueadueincompatibili,siha[disintegrazionedellaprobabilitàdi Esu (H n ) n 1 ] P(E) = n 1P(E H n ). (3.3) Se in un problema sono assegnate le probabilità P(E H n ), n 1[n P(E H n )èdettaverosimiglianzadelleipotesi H n,dato E], P(H n ), n 1[n P(H n )èdettadistribuzioneiniziale], si può determinare P(E) notando che(3.3) e il principio delle probabilità composte implicano P(E) = n 1P(E H n )P(H n ) e,perilteorema ristretto dibayes(3.2),apattoche P(E)siastrettamentepositiva,si perviene alla forma classica dello stesso teorema P(H n E) = P(E H n )P(H n ) n 1 P(E H n)p(h n ) (n 1). (3.4)

5 3.2. PRINCIPIO DELLE PROBABILITÀ COMPOSTE E TEOREMA DI BAYES Alcuniesempi Concludiamo il paragrafo con qualche esempio nel quale si applicano i concetti e le regole di calcolo esposti in precedenza. Poker Sicalcolilaprobabilitàdirealizzare,inunadatamanodipoker,unascalareale [lamanochecomprende10,j,q,k,adellostessoseme],nell ipotesichetuttele manipossibiliabbianolastessaprobabilità.ilnumerodellemanipossibiliè ( 52 5) ; quindidenotatocon Ωl insiemedellemanipossibiliecon ωlamanogenerica,si ha ( ) 52 P(ω) = 1/. 5 Indicatocon Rl evento lamanoèunascalareale,sivedeche Rèformatoda4 elementidi Ωe,quindi, ( ) 52 P(R) = 4/. 5 Poniamo ora che il mazziere scopra l ultima carta della tua mano(la quinta); valuta la probabilità di realizzare scala reale accettando la carta scoperta che, supponiamo,èl assodicuori. Sedenotiamocon Cl evento laquintacartachetisi distribuisce è l asso di cuori, l evento di cui si chiede di valutare la probabilità è l evento condizionato R C. Il numero delle mani con la caratteristica di avere l asso di cuori in quinta posizione(o una carta qualunque fissata in una data posizione) è ( 51 4) e,pertanto, e, perciò, P(C) = ( ) ( ) / 4 5 P(R C) = P(R C) P(C) = ( P(R C)/ ( 51 4 ))( ) Inoltre, R Ccontieneunsolocasoelementare:lascalarealedicuori.Pertanto, P(R C) = ( 52 1e,diconseguenza, 5) ( ) 51 P(R C) = 1/ 4 = 13 5 P(R).

6 40CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA Probabilità di essere imbrogliati Un industria automobilistica fabbrica uno stesso modellointrediversistabilimenti: A, B, C. Sistimache Aproduce N A modelli, B produce N B modelliec produce N C modelli, rispettivamenteconuna frazione p A, p B, p C didifettosi. Seacquisti,pressounconcessionario,unesemplare del modello, qual è la probabilità di trovarlo difettoso? Si possono formulare tre ipotesi, circa la provenienza dell esemplare, che formano una partizione di Ω: H 1 = l esemplareprovienedallostabilimento A ; H 2 = l esemplareprovienedallo stabilimento B ; H 3 = l esemplareprovienedallostabilimento C. Indicatocon D l evento l esemplare acquistato è difettoso, si ha P(D H 1 ) = p A, P(D H 2 ) = p B, P(D H 3 ) = p C. Inoltre,èragionevolevalutarele P(H i )nelmodoseguente P(H 1 ) = N A N, Quindi, P(H 2) = N B N, P(H 3) = N C N, (N := N A +N B +N C ) N A P(D) = P(D H 1 )+P(D H 2 )+P(D H 3 ) = p A N +p N B B N +p N C C N. Ora, nell ipotesi che il modello acquistato sia difettoso, calcola la probabilità che provenga, rispettivamente, da A, B, C: P(H i D) = 1 P(D) P(H i D) = 1 P(D) p A N A N per i = 1 p B N B N per i = 2 p C N C N per i = 3 Test clinico Si considera un test clinico ideato per rivelare una malattia rara che si presenta in un caso su Il test è abbastanza affidabile: per un individuo affetto rivela la presenza della malattia con probabilità 0,95; per un individuo non affetto segnala la malattia(sbagliando, dunque) con probabilità 0,005. Calcolare la probabilità che un individuo, per il quale il test è positivo, sia affetto dalla malattia in questione. Consideriamo gli eventi: M = l individuo è affetto dalla malattia ; R= iltestèpositivo ;dobbiamovalutare P(M R),sapendoche P(R M) = 0.95, P(R M c ) = 0,005, P(M) = 0,00001.Allora. P(R M)P(M) P(M R) = P(R M)P(M)+P(R M c )P(M c ) 0,95 0,00001 = 0,95 0, , = 0,

7 3.2. PRINCIPIO DELLE PROBABILITÀ COMPOSTE E TEOREMA DI BAYES 41 Ancoraidadi... Unacoppiadidadiequilibrativienelanciatainaria.Nell ipotesiche lafacciapresentatadalprimodadosia3,qualèlaprobabilitàcheilpunteggio totale superi 6? Detto Ω lo spazio dei casi elementari(l insieme delle coppie ordinate (i, j) con i=punteggio del primo dado e j=punteggio del secondo dado), si ha Ω = 36. Indichiamocon El eventochesiverificase i = 3econ F l evento {(i,j) Ω : 3+j > 6}.Laprobabilitàrichiestaè P(F E) = P(F E)/P(E). Mettendo a frutto la condizione espressa sui dadi, sarà ragionevole ritenere uguale a1/36laprobabilitàdiognicasoelementare.quindi: P(E) = 6/36,P(F E) = 3/36 e, di conseguenza, P(F E) = 3/6 = 1/2. Sesso dei figli Si considerano le famiglie con due figli. Questi ultimi, classificati in ordinedinascitaeinbasealsesso,dannoluogoallepossibilitàseguenti: {MM,MF, F M, F F}. Nell ipotesi che le quattro possibilità siano ugualmente probabili, si chiede di calcolare la probabilità che i figli siano entrambi maschi, nell ipotesi che almenounosiamaschio.siha P(MM MM MF FM) = 1/4 3/4 = 1 3. [Si badi, non 1/2] Calcolare la probabilità che i figli siano entrambi maschi nell ipotesi che il più giovane sia maschio: P(MM MM MF) = 1/4 2/4 = 1 2. Urne Si considerano due urne contenenti palline colorate. La prima contiene 3 palline bianchee2rosse,lasecondacontiene3pallinebianchee4rosse. Siestraeuna pallinaacasodallaprimaurnaelasiriponenellaseconda;quindisiestraeuna pallinaacasodallasecondaurnaesichiededivalutarecheessasiarossa. Indichiamocon R 2 quest ultimoevento,econ B 1 e R 1,rispettivamente,l estrazione dibiancaedirossadallaprimaurna.allora, P(R 2 ) = P(R 2 B 1 )+P(R 2 R 1 ) = P(R 2 B 1 )P(B 1 )+P(R 2 R 1 )P(R 1 ) = =

8 42CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA 3.3 Correlazione fra eventi e indipendenza stocastica Nel confronto fra P(H E) e P(H) potrebbe presentarsi una delle circostanze seguenti: (i) P(H E) > P(H), (ii) P(H E) < P(H), (iii) P(H E) = P(H). La(iii)dicecheassumerelaveritàdi E nonhaalcunainfluenzasullaprobabilità di H; sidiceallorache H nondipendestocasticamenteda E. Analogamente,la(i) [rispettivamente, la(ii)] dice che assumere la verità di E fa aumentare[rispettivamente, fa diminuire] la probabilità di H; quindi, si dice che H dipende positivamente [rispettivemente, negativamente] da E. Ricordando le relazioni fondamentali P(E H) = P(E H)P(H) = P(H E)P(E) (3.5) siscoprechelavaliditàdi(iii)implica P(E H) = P(H)P(E) (3.6) e,se P(H) 0,anchelavaliditàdi P(E H) = P(E) (3.7) (Enondipendestocasticamenteda H).Da(3.6)segue(iii)quando P(E) > 0.Glieventi E, H si dicono(mutuamente o reciprocamente) stocasticamente indipendenti quando vale (3.6). Questa è una delle proprietà più interessanti per gli sviluppi della teoria delle probabilità.sinotichesitrattadiunaproprietàdi P,nondeglieventi,adispettodella dizione.[n.b.: Non si confonda l indipendenza stocastica di E ed H con la loro eventuale incompatibilità. Gli eventi E,H possono essere indipendenti e non incompatibili, quando P(E H) = P(E)P(H)conP(E H) > 0.Alcontrario,glieventiEedHincompatibilicon P(E) > 0eP(H) > 0nonpossono,ovviamente,essereindipendenti,perché P(E H) = 0.] Se Ee Hsonostocasticamenteindipendenti,alloraanche Ee H c sonostocasticamenteindipendenti(quindi,anche(e c, H c )e(e c, H)).Infatti, P(E H c ) = P(E) P(E H) = P(E) P(E)P(H) [perla(3.6)] = P(E){1 P(H)} = P(E)P(H c ). Quandosihanno neventi E 1,...,E n,con n 2,essisidiconostocasticamenteindipendentiselosonoadueadue,atreatre,ecc.;piùprecisamente,quandoperogni

9 3.3. CORRELAZIONE FRA EVENTI E INDIPENDENZA STOCASTICA 43 k = 2,...,neperognisottoinsieme {j 1,...,j k }di {1,...,n}vale P(E j1 E jk ) = P(E j1 ) P(E jk ). Sidimostrafacilmentechese E 1,...,E n sonoindipendenti,risultanoindipendentiancheglieventiei c 1,...,Ei c k,e i1,...,e in k perogni{i 1,...,i k } {1,...,n}e{j 1,...,j n k } = {1,...,n}\{i 1,...,i k }. Comemostrailcasoseguente,nonbastal indipendenzaadueadueperavere,ad esempio,quellaatreatre. Siestraeunapallinadaun urnachenecontiene4: una bianca, una rossa, una verde, una bleu. Si scommette avendo diritto a scegliere due colori,etreindividuiscommettonoscegliendo:ilprimobiancoorosso(e 1 ),ilsecondo biancooverde(e 2 ),ilterzobiancoobleu(e 3 ).Selaprobabilitàdiciascuncoloreè1/4, allora: P(E 1 ) = P(E 2 ) = P(E 3 ) = 1/2, P(E 1 E 2 ) = P(E 1 E 3 ) = P(E 2 E 3 ) = 1/4 = P(E i )P(E j ) (i j). Cosìglieventi E 1, E 2, E 3 sonoadueadueindipendenti:laprobabilitàcheunafissata coppia di scommettitori vinca è data dal prodotto delle probabilità che il singolo vinca. Invece P(E 1 E 2 E 3 ) = 1/4 P(E 1 )P(E 2 )P(E 3 ). È interessante notare il fatto seguente: Data la probabilità di ciascuno di n eventi indipendenti, si può determinare la probabilità di ogni altro evento che ne dipenda logicamente.(per la nozione di dipendenza logica, vedere Sezione 1.2 ed Esempio 1.2.2) Infatti,sipuòincominciareconl osservazionechesee 1,...,E n sonoglineventidati, alloraognieventoechenedipendalogicamenteèunionedeicostituenti E i1 E ik Ej c 1 Ej c n k.allora,sfruttandol additivitàdellaprobabilitàeilfattocheicostituenti sonoadueadueincompatibili,siha P(E) = P(E i1 E ik E c j 1 E c j n k ) conlasommaestesaagliindici {i 1,...,i k } {1,...,n}percui E i1 E ik E c j 1 E c j n k E. Se vale l ipotesi di indipendenza, posto p j = P(E j ), q j = P(E c j ) = 1 p j (j = 1,...,n),

10 44CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA siha,inpiù, P(E i1 E ik E c j 1 E c j n k ) = p i1 p ik q j1 q jn k eanchelaprobabilitàdi Edipendesoltantodaivaloridi p j e q j assegnati.adesempio, laprobabilitàchenessunodeglieventi E i siverifichiè ω 0 = q 1 q n La probabilità che se ne verifichi esattamente uno è ω 1 = i q 1 q i 1 p i q i+1 q n = ω 0 i p i q i (se q i > 0 perogni i) come si può dedurre anche dalla formula generale(1.4) quando si assuma l indipendenza stocasticadegli A i. La probabilità che se ne verifichino esattamente due è ω 2 = 1 i<j n = ω 0 1 i<j n q 1 q i 1 p i q i+1 q j 1 p j q j+1 q n p i p j q i q j (seogni q i 0) elaprobabilitàcheseneverifichinoesattamente kè seogni q i 0. ω k = 1 i 1< <i k n = ω 0 1 i 1< <i k n q 1 q i1 1 p i1 q i1+1 q ik 1 p ik q ik +1 q n (3.8) p i1 p ik q i1 q ik (3.9) Ancora la distribuzione binomiale Seglieventi E 1,...,E n,oltreadesserestocasticamenteindipendenti,sonougualmente probabili[p(e i ) = peq i = 1 pperogni i],alloralaprobabilità ω k cheseneverifichino esattamente k si deduce da(3.8) come segue ω k = 1 i 1< <i k n p k q n k = ( ) n p k q n k k perché il numero degli addendi è uguale a quello dei sottoinsiemi, di k elementi, dell insieme {1,..., n}. Confrontando questo risultato con la definizione di distribuzione binomiale data nel Sottoparagrafo 2.2.2, si conclude che per n eventi indipendenti e con probabilità costante p, il numero aleatorio di quelli che si verificano ha distribuzione binomiale di parametro (n, p).

11 3.3. CORRELAZIONE FRA EVENTI E INDIPENDENZA STOCASTICA Successioni di eventi indipendenti e, ancora, distribuzione binomiale negativa Glieventidiunasuccessione E 1,E 2,...sidiconoindipendentise,perogni n, E 1,...,E n formanouna n-upladieventistocasticamenteindipendenti. Siadunque (E n ) n 1 una successione di eventi indipendenti, di probabilità costante uguale a p. Qual è la probabilità che l n-esimo successo si verifichi in corrispondenza alla prova(n + r)-esima? Tale probabilitàènullase r < 0. Per r 0,l eventocheinteressasiverificaseesolosesi verifica E n+r,efraiprimi (n+r 1)eventiseneverificanoesattamente (n 1)[evento chedenotiamocon G(n+r 1,n 1)].Allora,dall indipendenzasuppostaseguechela probabilitàrichiestaèp(g(n+r 1,n 1))P(E n+r )con P(E n+r ) = pe,perilrisultato contenutonelprecedentesottoparagrafo,p(g(n+r 1,n 1)) = ( ) n+r 1 n 1 p n 1 q r.quindi, indicando con ξ l istante(intero) in cui si ha l n-esimo successo, si ottiene ( ) n+r 1 P{ξ = n+r} = p n (1 p) r (r = 0,1,2,...) r ovvero, ξ ha la distribuzione binomiale negativa. Cf., ancora una volta, il Sottoparagrafo Indipendenzacondizionata Datiglieventi A, B, C,sidiceche AeBsonocondizionatamenteindipendentidato C se P(A B C) = P(A C)P(B C). Piùingenerale,consideratalaprobabilità A P(A C),con Avariabileinunaalgebra dieventieccontenutonellastessaalgebra,seglieventi H 1,...,H n (appartenentialla stessa algebra) sono indipendenti rispetto alla distribuzione P( C), allora si dicono condizionatamente indipendenti dato C. Presentiamo una semplice applicazione di questo concetto. Testimonianza Si considera un tribunale che sta indagando sopra un evento E[per esempio, l eventualità che un certo delitto accaduto sia stato commesso da una certa specifica persona]. Lacortesiavvaledellatestimonianzadidueindividui,diciamoIeII,lecuitestimonianzeessaritieneindipendenticondizionatamentesiaaEsiaaE c.lacorteèanche ingradodivalutarelaprobabilitàdellaveridicitàdelleduetestimonianze;diciamo p 1 e

12 46CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA p 2,rispettivamenteperIeII.Indicatacon plaprobabilitàchelacorteassegnaae,si calcolino la probabilità: di EsubordinatamentealfattocheIeIIaccusinol indagato; di EsubordinatamentealfattocheIaccusieIInonaccusil indagato. Perrispondere,indichiamocon E 1 [rispettivamente,e 2 ]l eventocorrispondentealla affermazione da parte di I[rispettivamente, II] che E è accaduto. Si tratta di calcolare P(E E 1 E 2 )ep(e E 1 E2 c).siha: P(E E 1 E 2 ) = P(E 1 E 2 E)P(E) = P(E 1 E)P(E 2 E)P(E) [perl indipendenzacondizionatadelletestimonianze] = p 1 p 2 p e P(E E 1 E c 2 ) = P(E 1 E c 2 E)P(E) = P(E 1 E)P(E c 2 E)P(E) = p 1 (1 p 2 ) p P(E 1 E 2 ) = P(E 1 E 2 E)+P(E 1 E 2 E c ) = p 1 p 2 p+p(e 1 E 2 E c ) (1 p) = p 1 p 2 p+(1 p 1 )(1 p 2 )(1 p) P(E 1 E c 2 ) = P(E 1 E c 2 E)+P(E 1 E c 2 Ec ) = p 1 (1 p 2 ) p+p(e 1 E c 2 Ec )P(E c ) = p 1 (1 p 2 ) p+(1 p 1 ) p 2 (1 p) P(E E 1 E 2 ) = P(E E 1 E c 2 ) = p 1 p 2 p p 1 p 2 p+(1 p 1 )(1 p 2 )(1 p) p 1 (1 p 2 ) p p 1 (1 p 2 ) p+(1 p 1 ) p 2 (1 p). 3.4 Osservazionicomplementari In molti libri di probabilità, passa sotto il nome di paradosso del progioniero il seguente problema. Tre individui sono stati imprigionati senza processo. Tenuto presente che ci troviamo in un paese governato da un signore spietato, il carceriere comunica loro la notiziachequestosignorehadeciso,inmododeltuttoarbitrario,diliberarneunoedi mandareamorteglialtridue. Aggiunge,inoltre,cheglièfattodivietodirivelarea chiunquelafine,determinatadalsignore. IndicaticonA,BeCitreprigionieri,sisa cheachiedealcarcerierediindicargli insegretodaglialtri unodeiduecondannati

13 3.4. OSSERVAZIONI COMPLEMENTARI 47 (diversodaa,perlaregolatestérichiamata),echeilcarceriereglirispondeb.sichiede di esprimere la probabilità che A attribuisce alla propria condanna a morte. A ben guardare, qui non ci troviamo di fronte a un problema di probabilità condizionata. Infatti, A è in possesso dell informazione che B è condannato. Il significato di un qualunque evento condizionato a tale eventualità(la condanna di B) sarebbe invece, come più volte specificato, quello di un evento esaminato sotto l ipotesi che B sia condannato quando l ipotesi è ancora incerta. Ora, dopo che A ha avuto l informazione del carceriere,lospaziodeglieventielementariè: {H B H A HC c,h B HA c H C},dove H I denotachel individuoiècondannatoamorte.aquestopunto,sivedecheaècondannato se e solo se si verifica la prima eventualità. Quindi, la probabilità richiesta è esattamente la probabilità di detta eventualità e, quindi, un qualunque numero compresotra0e1;fissatalavalutazione α,ilsuocomplementoa1, 1 α,èlaprobabilità di H B HA c H C.Laprobabilitàrichiestaè1/2,incondizionidisimmetria. Invece, se A intende valutare la probabilità di essere condannato nell ipotesi che B siacondannato[manongliènotosequestosiaveroofalso],alloradeveapprestarsia calcolarep(h A H B ).Lospaziodeicasielementariè: {H B H A HC c,h B HA c H C,HB c H A H C }esupponiamocheessiabbianorispettivamenteprobabilità p 1, p 2, p 3 con p i 0 (i = 1,2,3)e p 1 +p 2 +p 3 = 1.Siha: P(H A H B ) = P(H A H B H c C ) = p 1 [perché H A H B H C èimpossibile] P(H B ) = P(H A H B )+P(H c A H B ) = p 1 +P(H c A H B H C ) = p 1 +p 2 equindi,se p 1 +p 2 > 0 (p 3 1)otteniamo [=1/2se p 1 = p 2 ;2/3se p 1 = 2p 2,ecc.]. P(H A H B ) = p 1 p 1 +p 2 A questo punto del discorso, la situazione dovrebbe apparire paradossale solo a coloro che, mischiando un po i ragionamenti, che(come si doveva) abbiamo tenuti distinti, non sanno farsi una ragione del fatto che siano ammissibili valutazioni diverse. La risposta èunivoca,nellaprimaimpostazione,sesifissa αe,nellaseconda,sesifissano p 1 e p 2.Corrispondendoastatidiinformazionediversi,nonsipuòescludere(anzi,sarebbe naturaleattendersi)undivariofra αep 1 o 1 αep 2.

14 48CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA Concludiamo con una osservazione sulla valutazione di probabilità in spazi finiti, con casi elementari ugualmente probabili(simmetria), in relazione all ipotesi di indipendenza stocastica. Ritorniamo al Paragrafo 1.4(Estrazioni da un urna) considerando la famigliadieventi {E 1,...,E m },dove E i èl eventocheèveroseesolosenella i-esima estrazionesiosservapallinabianca (i = 1,...,m). Cisisoffermasulcasoincuile estrazioni sono con restituzione. Se gli eventi hanno probabilità costante= r/n[perché l urnacontienerpallebiancheen r = spallenere]esonoconsideraticomeindipendenti[perché la composizione dell urna è nota in corrispondenza a ogni estrazione], allora possiamoapplicarelaformuladiω k,nelsottoparagrafo3.3.1,perottenerelaprobabilità che si verifichino h di detti eventi[in altre parole: si estraggono h palle bianche]: ( ) m (r ) h ( 1 r ) m h h n n la stessa espressione trovata nel Capitolo I, sulla base di considerazioni di simmetria e a prescindere da considerazioni di indipendenza stocastica. Lo studente mediti sul guadagno, sul piano concettuale e dal punto di vista delle applicazioni, conseguito con l introduzione del concetto di indipendenza stocastica.

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

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

Dettagli

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

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

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

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

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

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

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

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

Dettagli

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite.

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite. Formule di gioco La successione di mani necessarie per l eliminazione del penultimo giocatore o per la determinazione dei giocatori che accedono ad un turno successivo costituisce una partita. In base

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

Esercizi di calcolo combinatorio

Esercizi di calcolo combinatorio CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi di calcolo combinatorio Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability di Sheldon Ross, quinta

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

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

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

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 variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE - Matematica - Griglie di valutazione Materia: Matematica Obiettivi disciplinari Gli obiettivi indicati si riferiscono all intero percorso della classe quarta

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

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

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Archimede ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. Sia ABCD un quadrato di

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

1 Alcuni criteri di convergenza per serie a termini non negativi

1 Alcuni criteri di convergenza per serie a termini non negativi Alcuni criteri di convergenza per serie a termini non negativi (Criterio del rapporto.) Consideriamo la serie a (.) a termini positivi (ossia a > 0, =, 2,...). Supponiamo che esista il seguente ite a +

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Percorsi di matematica per il ripasso e il recupero

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

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Che cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009

Che cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009 Che cosa e come valutano le prove di matematica e con quali risultati nell A.S. 2008 2009 Presentazione a cura di Roberta Michelini Casalpusterlengo, 8 gennaio 2010 http://www.invalsi.it/esamidistato0809/

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

B9. Equazioni di grado superiore al secondo

B9. Equazioni di grado superiore al secondo B9. Equazioni di grado superiore al secondo Le equazioni di terzo grado hanno una, due o tre soluzioni, risolvibili algebricamente con formule molto più complesse di quelle dell equazione di secondo grado.

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi Funzioni tra insiemi niti Numeri di Stirling e Bell Davide Penazzi 2 Funzioni tra insiemi niti: i numeri di Stirling e Bell 1 Contare il numero delle funzioni tra insiemi 1.1 Denizioni e concetti preliminari

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

Probabilità e statistica. Veronica Gavagna

Probabilità e statistica. Veronica Gavagna Probabilità e statistica Veronica Gavagna Testa o croce? Immaginiamo di lanciare una moneta facendola cadere su un piano liscio chiunque dirà che la probabilità dell evento testa sarà del 50%, al pari

Dettagli

Rilevazione degli apprendimenti. Anno Scolastico 2006 2007 PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Terza Tipo A. Codici. Scuola:...

Rilevazione degli apprendimenti. Anno Scolastico 2006 2007 PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Terza Tipo A. Codici. Scuola:... Ministero della Pubblica Istruzione Rilevazione degli apprendimenti Anno Scolastico 2006 2007 PROVA DI MATEMATICA Scuola Secondaria di II grado Classe Terza Tipo A Codici Scuola:..... Classe:.. Studente:.

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

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

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04 I numeri reali Note per il corso di Analisi Matematica 1 G. Mauceri a.a. 2003-04 2 I numeri reali Contents 1 Introduzione 3 2 Gli assiomi di campo 3 3 Gli assiomi dell ordine 4 4 Valore assoluto 5 5 I

Dettagli

Lezioni di Matematica 1 - I modulo

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

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un

Dettagli

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

Appunti di Analisi Matematica 1. Docente:Fabio Camilli. SAPIENZA, Università di Roma A.A. 2014/15. http://www.dmmm.uniroma1.it/~fabio.

Appunti di Analisi Matematica 1. Docente:Fabio Camilli. SAPIENZA, Università di Roma A.A. 2014/15. http://www.dmmm.uniroma1.it/~fabio. Appunti di Analisi Matematica Docente:Fabio Camilli SAPIENZA, Università di Roma A.A. 4/5 http://www.dmmm.uniroma.it/~fabio.camilli/ (Versione del 9 luglio 5) Note scritte in collaborazione con il prof.

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

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

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

TIMSS 2007 Quadro di riferimento di matematica. dal volume: "TIMSS 2007 Assessment Frameworks"

TIMSS 2007 Quadro di riferimento di matematica. dal volume: TIMSS 2007 Assessment Frameworks Capitolo Uno TIMSS 2007 Quadro di riferimento di matematica dal volume: "TIMSS 2007 Assessment Frameworks" a cura di Anna Maria Caputo, Cristiano Zicchi Copyright 2005 IEA International Association for

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

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

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

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

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

I numeri relativi. Il calcolo letterale

I numeri relativi. Il calcolo letterale Indice Il numero unità I numeri relativi VIII Indice L insieme R Gli insiemi Z e Q Confronto di numeri relativi Le operazioni fondamentali in Z e Q 0 L addizione 0 La sottrazione La somma algebrica La

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

Limiti e forme indeterminate

Limiti e forme indeterminate Limiti e forme indeterminate Edizioni H ALPHA LORENZO ROI c Edizioni H ALPHA. Ottobre 04. H L immagine frattale di copertina rappresenta un particolare dell insieme di Mandelbrot centrato nel punto.5378303507,

Dettagli

PROGETTO EM.MA PRESIDIO

PROGETTO EM.MA PRESIDIO PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i

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

Calcolo combinatorio

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

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

Cenni sul calcolo combinatorio

Cenni sul calcolo combinatorio Cenni sul calcolo combinatorio Disposizioni semplici Le disposizioni semplici di n elementi distinti di classe k con kn sono tutti i gruppi di k elementi scelti fra gli n, che differiscono per almeno un

Dettagli

Test d ingresso per i curricula in lingua inglese Coloro che intendono iscriversi ai curricula in lingua inglese Economics of Financial and Insurance

Test d ingresso per i curricula in lingua inglese Coloro che intendono iscriversi ai curricula in lingua inglese Economics of Financial and Insurance Note e istruzioni per i test di ingresso ai Corsi di Studio del Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche (DEAMS) a.a. 2013/2014 Gli insegnamenti relativi ai Corsi di Laurea

Dettagli

Analisi della comunicazione del gioco nella sua evoluzione

Analisi della comunicazione del gioco nella sua evoluzione Nel nostro Paese il gioco ha sempre avuto radici profonde - Caratteristiche degli italiani in genere - Fattori difficilmente riconducibili a valutazioni precise (dal momento che propensione al guadagno

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. Universitá di Bologna

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. <sacerdot@cs.unibo.it> Universitá di Bologna Linguaggi 18: Semantica della logica del prim ordine Universitá di Bologna 11/04/2011 Outline Semantica della logica del prim ordine 1 Semantica della logica del prim ordine Semantica

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Matematica Discreta PARTE II

Matematica Discreta PARTE II Matematica Discreta PARTE II Giuseppe Lancia Dipartimento di Matematica e Informatica Università di Udine Indice 1 Piccioni e buche 1 1.1 Il principio della piccionaia, forma semplice............................

Dettagli

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it La Bella Addormentata e altre illusioni probabilistiche Aljoša Volčič volcic@unical.it Firenze, 25 novembre 2009 1 Che cosa è la probabilità? La probabilità di un evento A è la misura del grado di fiducia

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

Progettazione di un DB....in breve

Progettazione di un DB....in breve Progettazione di un DB...in breve Cosa significa progettare un DB Definirne struttura,caratteristiche e contenuto. Per farlo è opportuno seguire delle metodologie che permettono di ottenere prodotti di

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Generale Matematica e Complementi Classi: 2 Biennio Quarta I Docenti della Disciplina Salerno, lì 12 settembre 2014 Finalità della Disciplina

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

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

Dettagli

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi ommario Corso di tatistica Facoltà di Economia a.a. 2006-2007 2007 francesco mola L algebra degli eventi Diagrammi di Venn Teoremi fondamentali Probabilità Condizionata ed Indipendenza tocastica Lezione

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

conquista il mondo in pochi minuti!

conquista il mondo in pochi minuti! conquista il mondo in pochi minuti! Il gioco di conquista e sviluppo più veloce che c è! Il gioco si spiega in meno di 1 minuto e dura, per le prime partite, non più di quindici minuti. Mai nessuno ha

Dettagli

ANALISI QUALITATIVA RISULTATI PROVE SNV INVALSI 2011/2012

ANALISI QUALITATIVA RISULTATI PROVE SNV INVALSI 2011/2012 ANALISI QUALITATIVA RISULTATI PROVE SNV INVALSI 2011/2012 Nella restituzione dei dati delle prove INVALSI 2011 12 ci sono state alcune significative novità, tra cui la possibilità per ogni team docenti

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Elementi di teoria degli insiemi

Elementi di teoria degli insiemi Elementi di teoria degli insiemi 1 Insiemi e loro elementi 11 Sottoinsiemi Insieme vuoto Abbiamo già osservato che ogni numero naturale è anche razionale assoluto o, in altre parole, che l insieme dei

Dettagli

Gli indicatori socio-sanitari. sanitari

Gli indicatori socio-sanitari. sanitari Gli indicatori socio-sanitari sanitari 1 1 INDICATORI SOCIO-SANITARI Misurare: EFFICACIA (rispetto degli obiettivi prefissati) EFFICIENZA (rispetto delle azioni e risorse impegnate) del sistema ospedaliero

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli