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.

TEORIA DELLA PROBABILITÀ I

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

Dettagli

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

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

Dettagli

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

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Calcolo delle probabilità

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Appunti: elementi di Probabilità

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

Dettagli

Calcolo delle probabilità

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

Dettagli

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

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Introduzione al calcolo delle probabilità: concetti e risultati preliminari

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Elementi di calcolo delle probabilità

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

Dettagli

Dispense di Probabilità e Statistica. Francesco Caravenna Paolo Dai Pra

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

Dettagli

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

MODULI DI LINEAMENTI DI MATEMATICA

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

Dettagli

INTRODUZIONE ALLA PROBABILITA

INTRODUZIONE ALLA PROBABILITA INTRODUZIONE ALLA PROBABILITA Legacy Edition Copyright 25 ottobre 2012 Luca La Rocca luca.larocca@unimore.it UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Indice 2 Prologo Eventi Probabilità Epilogo

Dettagli

Politecnico di Milano Appunti di calcolo delle probabilità per il corso di Fondamenti di Statistica e Segnali Biomedici [Mod 1] 1

Politecnico di Milano Appunti di calcolo delle probabilità per il corso di Fondamenti di Statistica e Segnali Biomedici [Mod 1] 1 Politecnico di Milano Appunti di calcolo delle probabilità per il corso di Fondamenti di Statistica e Segnali Biomedici [Mod 1] 1 Ilenia Epifani 1 Il contenuto di queste dispense è protetto dalle leggi

Dettagli

Probabilità discreta

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

Dettagli

La probabilità nella vita quotidiana

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

Dettagli

TEORIA DELLE DECISIONI. DOCENTE: JULIA MORTERA mortera@uniroma3.it

TEORIA DELLE DECISIONI. DOCENTE: JULIA MORTERA mortera@uniroma3.it TEORIA DELLE DECISIONI DOCENTE: JULIA MORTERA mortera@uniroma3.it 1 Decisioni in Condizioni di Incertezza Sia singoli individui che gruppi di individui (società, governi, aziende, sindacati ecc. si trovano

Dettagli

PARTE PRIMA PROBABILITA

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

Dettagli

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

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

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

Dettagli

Corso di Laurea Triennale in Matematica

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

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Riepilogo: Postulati del calcolo della probabilità (Kolmogorov): Dato un evento A Ω, dove è lo spazio degli

Dettagli

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

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

Dettagli

ESERCITAZIONE DI PROBABILITÀ 1

ESERCITAZIONE DI PROBABILITÀ 1 ESERCITAZIONE DI PROBABILITÀ 2/03/205 Primo foglio di esercizi Esercizio 0.. Una classe di studenti è costituita da 6 ragazzi e 4 ragazze. I risultati dell esame vengono esposti in una graduatoria in ordine

Dettagli

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

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

Dettagli

IL CALCOLO DELLE PROBABILITA

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

Dettagli

Test sul calcolo della probabilità

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

Dettagli

Laboratorio di dinamiche socio-economiche

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

Dettagli

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }. ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore

Dettagli

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

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

Dettagli

Calcolo delle probabilità

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

Dettagli

PROBABILITA CONDIZIONALE

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

Dettagli

Esercizi di Probabilità e statistica. Francesco Caravenna Paolo Dai Pra

Esercizi di Probabilità e statistica. Francesco Caravenna Paolo Dai Pra Esercizi di Probabilità e statistica Francesco Caravenna Paolo Dai Pra Capitolo 1 Spazi di probabilità discreti 1.1 Proprietà fondamentali Esercizio 1 Esprimere ciascuno dei seguenti eventi in termini

Dettagli

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI

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

Dettagli

Il prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri.

Il prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri. Scrivi i primi termini delle seguenti successioni: =1; =; = + Individua la legge che genera ognuna delle seguenti successioni: -1,, -, 4, -5, In una progressione aritmetica la somma del primo, quarto,

Dettagli

1. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di 40, fra di esse vi sia un solo asso, di qualunque seme.

1. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di 40, fra di esse vi sia un solo asso, di qualunque seme. Esercizi difficili sul calcolo delle probabilità. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di, fra di esse vi sia un solo asso, di qualunque seme. Le parole a caso

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità à 1. Introduzione Calcolo delle Probabilità Il Calcolo delle Probabilità nasce dagli studi matematici sui giochi d azzardo. Il Calcolo delle Probabilità è lo strumento che permette all uomo di assumere

Dettagli

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

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

Dettagli

Esercizi sul calcolo delle probabilità

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

Dettagli

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

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

1 Breve introduzione alla probabilità elementare: approccio intuitivo

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

Dettagli

(concetto classico di probabilità)

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

Dettagli

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

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

Dettagli

Esercizi di Calcolo delle Probabilità (calcolo combinatorio)

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

Dettagli

Esercizi di probabilità discreta

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca

Dettagli

Traccia della soluzione degli esercizi del Capitolo 1

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

Dettagli

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

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

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità Luca Mari, versione 2.3.15 Contenuti La generazione combinatoria di campioni...1 L algebra dei campioni...4 Il calcolo delle frequenze relative dei campioni...5 Indipendenza

Dettagli

STATISTICA Lezioni ed esercizi

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

Dettagli

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Alessandro Sicco sicco@dm.unito.it Lezione 1. Calcolo combinatorio, formula delle probabilitá totali, formula di Bayes Esercizio 1.1. 7 bambini

Dettagli

Il calcolo delle probabilità

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

Dettagli

Appunti di Probabilità

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

Dettagli

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

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

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

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

UNA STORIA PROBABILE di Francesca D Iapico

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

Dettagli

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

Capitolo IV : Calcolo delle Probabilità

Capitolo IV : Calcolo delle Probabilità Liceo Lugano, 0-0 3N (Luca Rovelli) Capitolo IV : Calcolo delle Probabilità Introduzione Il calcolo delle probabilità è una branca relativamente giovane della matematica, le cui motivazioni originarie

Dettagli

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

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

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA

UNIVERSITÀ DEGLI STUDI DI FERRARA UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso

Dettagli

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

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

Dettagli

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

Geometria analitica di base (prima parte)

Geometria analitica di base (prima parte) SAPERE Al termine di questo capitolo, avrai appreso: come fissare un sistema di riferimento cartesiano ortogonale il significato di equazione di una retta il significato di coefficiente angolare di una

Dettagli

metodi matematici per l ingegneria prove scritte d esame 1 Indice

metodi matematici per l ingegneria prove scritte d esame 1 Indice metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola

Dettagli

SCHEDA DIDATTICA N 1

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

Probabilità e Maturità

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

Dettagli

Dispense di Matematica Applicata

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

Dettagli

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

La probabilità frequentista e la legge dei grandi numeri

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

Dettagli

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

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

Dettagli

LINEAMENTI DI MATEMATICA

LINEAMENTI DI MATEMATICA P. BARONCINI - E. FABBRI - C. GRASSI IGEA Triennio LINEAMENTI DI MATEMATICA per il triennio degli istituti tecnici commerciali IGEA Probabilità e statistica Analisi numerica MODULO d P. Baroncini - E.

Dettagli

DIPARTIMENTO SCIENTIFICO

DIPARTIMENTO SCIENTIFICO DIPARTIMENTO SCIENTIFICO PROGRAMMAZIONE PER COMPETENZE DI MATEMATICA CLASSI QUINTE Anno scolastico 2015/2016 Ore di lezione previste nell anno: 165 (n. 5 ore sett. x 33 settimane) 1. FINALITÀ DELL INSEGNAMENTO

Dettagli

Statistica e Modelli Stocastici

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

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità in 4 lezioni Fabio Fagnani Dipartimento di Matematica Politecnico di Torino fabio.fagnani@polito.it 1 La nascita della probabilità La maggior parte delle teorie scientifiche

Dettagli

1. Cosa si intende dicendo che A e B sono eventi indipendenti.;

1. Cosa si intende dicendo che A e B sono eventi indipendenti.; Laurea in Chimica e Tecnologia Farmaceutiche Corso di Matematica e Statistica esercizi di calcolo delle probabilità BASI. Esercizio 1 Siamo alle battute conclusive di una partita al Gioco dell Oca; al

Dettagli

Mauro Piccioni PROBABILITÀ DI BASE

Mauro Piccioni PROBABILITÀ DI BASE Mauro Piccioni PROBABILITÀ DI BASE Copyright MMX ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133/A B 00173 Roma (06) 93781065 ISBN 978 88 548 3064 6 I diritti

Dettagli

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

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

Dettagli

Calcolo Combinatorio

Calcolo Combinatorio Capitolo S-09 Calcolo Combinatorio Autore: Mirto Moressa Contatto: mirtomo@tiscali.it Sito: www.mirtomoressa.altervista.org Data inizio: 16/10/2010 Data fine: 21/10/2010 Ultima modifica: 21/10/2010 Versione:

Dettagli

Evento. Nella nota precedente si è parlato di probabilità del verificarsi di un evento casuale senza chiarire il significato dei termini introdotti.

Evento. Nella nota precedente si è parlato di probabilità del verificarsi di un evento casuale senza chiarire il significato dei termini introdotti. A Note storiche A Il calcolo delle probabilità nacque applicato ai giochi d azzardo, in epoca rinascimentale per studiare gli eventi causali, vale a dire gli eventi che, come i giochi d azzardo, hanno

Dettagli

Esercizi di Teoria dei Giochi

Esercizi di Teoria dei Giochi Esercizi di Teoria dei Giochi ultimo aggiornamento: 11 maggio 2010 1. Si consideri il gioco fra 2 giocatori rappresentato (con le notazioni standard) dalla seguente matrice: (3, 1) (5, 0) (1, 0) (2, 6)

Dettagli

LA PROVA STATISTICA NEL PROCESSO PENALE

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

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

Applicazioni di Matematiche e Statistica

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

Dettagli

LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA LICEO SCIENTIFICO MATEMATICA

LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA LICEO SCIENTIFICO MATEMATICA LICEO SCIENTIFICO MATEMATICA PROFILO GENERALE E COMPETENZE Al termine del percorso liceale lo studente dovrà padroneggiare i principali concetti e metodi di base della matematica, sia aventi valore intrinseco

Dettagli

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

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

Dettagli