La probabilità. f n. evidentemente è 0 ( E)
|
|
- Aureliana Landi
- 7 anni fa
- Visualizzazioni
Transcript
1 La robabilità Definizione - Eserimento aleatorio Ogni fenomeno del mondo reale al quale associare una situazione di incertezza. Es: Lancio di un dado, estrazioni numeri della tombola, ecc. Definizione Sazio camionario Insieme dei ossibili risultati di un eserimento aleatorio. Simbolo Ω. Es: Nel lancio di un dado, Ω {,,,4,,} Definizione - Evento aleatorio Ogni roosizione, relativa ad un eserimento aleatorio, di cui non si conosce il valore di verità. Esso definisce un sottoinsieme dello sazio camionario Ω. Es: Nel lancio di un dado, un evento aleatorio è la roosizione «esce», oure «esce un numero ari», ecc. Definizione - Evento elementare Evento aleatorio che coincide con un elemento dello sazio camionario Ω. Es: Nel lancio di un dado, un evento elementare è la roosizione «esce», oure «esce», mentre non sono eventi elementari le roosizioni «esce un numero ari», «esce un numero ari», ecc. Definizione - Evento certo Evento certo è l evento aleatorio che definisce l intero sazio camionario Ω. Es: Nel lancio di un dado, l evento certo è la roosizione «esce un numero minore di 7» Definizione - Evento imossibile Evento imossibile è l evento aleatorio che definisce l insieme vuoto Φ. Es: Nel lancio di un dado, l evento imossibile è la roosizione «esce 7». Definizione - Evento contrario Dato un evento A, l evento contrario, A, si verifica quando A non si è verificato, e viceversa. Es: Nel lancio di un dado, se A è l evento «esce», l evento contrario A è «non esce»,. Definizione - Probabilità MODELLO CLASSICO: la robabilità di un evento è il raorto tra il numero dei casi favorevoli f e il numero dei casi ossibili (totalità dello sazio camionario) n: evidentemente è ( E) ( E) f n ; inoltre ( E ) ( E)
2 MODELLO STATISTICO o FREQUENTISTA: relativamente ad un eserimento aleatorio A, che uò essere rietuto molte volte, la robabilità di un evento E è il valore a cui tende il raorto tra il numero di rove che hanno avuto esito favorevole e il numero totale di rove fatte. Nel lancio di una moneta, rietuto volte, otrebbe essersi verificato: 48 volte testa, volte croce. Pertanto, volendo valutare la robabilità (secondo il modello statistico) dell evento «esce croce», il raorto tra il numero di rove con esito favorevole e il numero totale di rove è uguale a,. Rietendo l eserimento volte, si verificherà, ad esemio 4 volte testa, volte croce: il raorto diventa,. Rietendo l eserimento un numero di volte semre maggiore, il raorto in questione tenderà ad assumere il valore,. Constatazione: Legge emirica del caso: in un grande numero di rove, rietute alle stesse condizioni, la robabilità frequentista tende ad essere uguale alla sua robabilità teorica. Probabilità totale e comosta Definizione - Eventi incomatibili Due eventi si dicono incomatibili se il verificarsi dell uno esclude il verificarsi dell altro; cioè se è imossibile che si verifichino entrambi. Definizione - Eventi indiendenti Due eventi si dicono indiendenti quando il verificarsi del rimo non modifica la robabilità di verificarsi del secondo; cioè quando la robabilità di verificarsi del secondo evento è la stessa sia che il rimo evento si sia verificato sia che non si sia verificato. Definizione Evento totale Dati due o iù eventi (arziali), si dice evento totale l evento che consiste nel verificarsi dell uno o dell altro degli eventi arziali. Es: Nel lancio di un dado, siano A «esce» e B «esce». L evento C «esce un numero maggior di 4» è verificato quando si verifica A oure B. C è, quindi, l evento totale degli eventi arziali A e B. In simboli C A B. Definizione Evento comosto Dati due o iù eventi (comonenti), si dice evento comosto l evento che consiste nel verificarsi di tutti gli eventi arziali. Es: Dati due mazzi di carte, si estrae una carta da ciascun mazzo. L evento C «la rima carta è un asso e la seconda è una figura» è verificato quando sono verificati entrambi gli eventi A «esce un asso» e B «esce una figura». C è, quindi, l evento comosto degli eventi comonenti A e B. In simboli C A B. Princiio della robabilità totale (sintesi): Se A e B sono incomatibili ( A B) ( + ( B) Princiio della robabilità comosta (sintesi): Se A e B sono indiendenti ( A B) ( ( B) Se A e B non sono indiendenti ( A B) ( ( B / (*) (*) ( B \ è la robabilità che si verifichi B, essendosi verificato A. Princiio della robabilità totale generalizzato (sintesi): Se A e B non sono incomatibili ( A B) ( + ( B) ( A B)
3 Probabilità comosta e diagrammi ad albero Esemio di alicazione Si hanno tre urne: U contiene alline rosse e bianche; U contiene 8 alline rosse e bianche; U contiene alline rosse e bianche. Inoltre, si lancia un dado e se esce un numero n ari a o a, si estrae una allina dalla rima urna, se esce un numero n sueriore a, si estrae una allina dalla seconda urna, se esce, si estrae una allina dalla terza urna. Domanda: Qual è la robabilità che la allina sia rossa? Schematizziamo il tutto introducendo i seguenti simboli: A «estrazione allina rossa» H «nel lancio del dado esce n ari a o a» H «nel lancio del dado esce n sueriore a» H «nel lancio del dado esce» Si uò realizzare il seguente diagramma: ( A \ H ) R ( H 4 ( H ) ( H ) U U ( A \ H ) 8 B R B 8 ( H ( H ) ( A \ H ) R ( H U Sui tre rami di sinistra sono indicate la robabilità di accedere alle varie urne. Su tre dei sei rami centrali sono indicate le robabilità di estrarre una allina rossa da ciascuna urna. A destra le robabilità di estrarre la allina rossa da ciascuna urna subordinata all uscita favorevole, er quell urna, nel lancio del dado. Cerchiamo di dare la risosta: Il diagramma ad albero ha consentito di individuare gli eventi favorevoli all estrazione della allina rossa, individuandone anche le robabilità. Ora occorre chiedersi, come combinare insieme le tre robabilità B
4 8 ( H ( H ( H 4 Basterà ensare che l estrazione della allina rossa come l evento totale di A ( H ( H ( H, ora, essendo H A, H e ( H incomatibili tra loro, si ha (vedi robabilità comosta) ( H + ( H + ( H ), ossia, ( A ( Il teorema di Bayes (o teorema delle cause) Il rinciio della robabilità comosta abbiamo ( A H ) ( ( H \, e anche ( H ( H ) ( A \ H ) inoltre la rorietà commutativa dell intersezione ( A H H A ) consente di scrivere ( ( H \ ( H ) ( A \ H ). Da questa formula ricaviamo ( H ) ( A \ H ) ( H \ (*) ( Questa formula è un caso articolare del iù generale teorema di Bayes; Vediamone il significato con riferimento all esemio affrontato con il diagramma ad albero: se A è l estrazione della allina rossa e H l esito del lancio del dado, la formula (*) consente, saendo che è stata estratta una allina rossa, di valutare la robabilità che essa rovenga da una certa urna. In termini iù generali Bayes consente la valutazione della robabilità del verificarsi delle cause che hanno determinato un certo evento. Pertanto, ora ossiamo risondere sia alla domanda qual è la robabilità di estrarre una allina rossa? (robabilità dell evento finale), sia alla domanda qual è la robabilità che la allina rossa estratta rovenga da una certa urna?. Secificamente, con riferimento all esemio affrontato con il diagramma ad albero, si uò risondere alla domanda qual è la robabilità che la allina rossa estratta rovenga dalla rima ( H) ( A \ H) urna?. Essendo ( H \, basterà rirendere i valori riortati nel ( diagramma: ( H ), ( A \ H ), ( 4 (quest ultimo valore è la robabilità che venga estratta una allina rossa, affrontata con il recedente diagramma ad albero), quindi si ha che la robabilità che la allina rossa estratta rovenga dalla rima urna è: ( H) ( A \ H) ( H \. ( 7 4 Esercizio: Una certa roduzione industriale è legata a tre macchine, che chiameremo M, M, e M. Di ognuna di esse è stata valutata una certa robabilità di rodurre rezzi difettosi. In articolare ( D \ M ),, ( D \ M ),, ( D \ M ), 7. Per rodurre un certo lotto di ezzi si sono utilizzate tutte e tre le macchine; in articolare, M ha rodotto ezzi, M ne ha rodotti, M gli altri.
5 Calcolare la robabilità che, scegliendo un ezzo a caso fra i e vedendo che è difettoso, questo sia stato rodotto (a) dalla macchina M, (b) dalla macchina M, (c) dalla macchina M. Calcolare la robabilità che, scegliendo un ezzo a caso fra i e vedendo che è un ezzo buono, questo sia stato rodotto (d) dalla macchina M, (e) dalla macchina M, (f) dalla macchina M. Soluzione del caso (a) (è un caso dove si chiede di valutare la robabilità della causa che ha determinato l evento, quindi, bisogna imiegare il diagramma ad albero e, successivamente, Bayes): E evidente l analogia al roblema del dado e delle urne risolto con il diagramma ad albero. Occorre valutare innanzitutto qual è la robabilità che il ezzo (buono o difettoso che sia) rovenga dalla macchina M, dalla macchina M o dalla macchina M. ( M ) /; M ) /, M ) ( ( / (nel diagramma, rami a sinistra). Poi, occorrerà recisare la robabilità che M (nonché M e M ) roduca un ezzo difettoso rodotto. Tali dati sono forniti nella traccia. D ezzo difettoso ( D \ M ), ; ( D \ M ), ; ( D \ M ), 7 (nel diagramma, rami centrali). Quindi, occorrerà calcolare la robabilità che scegliendo un ezzo tra quelli rodotti, esso sia difettoso (D) e sia stato rodotto da M (nonché da M e M ). Si tratta di eventi comosti: ( D M ) ( M ) ( D \ M ),,7 ( D M ) ( M ) ( D \ M ),,4 (nel diagramma, rami di destra) ( D M ) ( M ) ( D \ M ),7, Quindi, ora, si uò calcolare la robabilità che il ezzo sia difettoso (a rescindere dalla macchina) ( D),7 +,4 +,, 7 Ora, sfruttando il teorema di Bayes, si uò stabilire che la robabilità che il ezzo difettoso rovenga dalla macchina M è:, ( M ) ( D \ M ) ( M \ ) D,477 ( D),7
6 Il gioco equo Un giocatore A unta una somma S (es: euro) ed ha la robabilità di vincere contro un giocatore B che unta una somma S ' ed ha la robabilità ' di vincere. Il gioco di dice equo se S ', ossia, se le somme untate dai giocatori sono direttamente roorzionali alle loro S' ' robabilità di vincere. Le variabili casuali Si chiama variabile casuale una funzione che associa ad ogni evento elementare E uno e un solo numero reale. Una variabile casuale si dice discreta quando uò assumere solo articolari valori di un intervallo. Esemio: nel lancio di tre monete, la variabile X, numero di volte che si ottiene croce, uò assumere i valori,,,. Una variabile casuale si dice continua quando uò variare con continuità in un intervallo. Esemio: misurando l altezza di un gruo di ersone, la variabile X, altezza della ersona, è una variabile di tio continuo. Quando ad ogni valore della variabile casuale X si attribuisce la robabilità di verificarsi, si ottiene la distribuzione di robabilità. Esemio: distribuzione di robabilità della variabile unteggio nel lancio di due dadi. Valori di X Probabilità / / / 4/ / / / 4/ / / / (decimale),78,,8,,8,7,8,,8,,78 Gli eventi ossibili sono. Per esemio, il valore X 4 uò verificarsi con le uscite: (,), (,), (,), ertanto la sua robabilità è /. Funzione di robabilità: essa descrive la distribuzione di robabilità ed è definita come ( x) P( X x) con ( x) e ( x) x Più intuitivamente si tratta di associare ad ogni valore di ascissa ( al valore della variabile discreta X) un valore di robabilità. Si veda il grafico seguente
7 ,,8,7,,4,,,8,8,,,8,,4,78,,8,8,,78, Per una variabile di tio continuo non ha senso chiedersi qual è la robabilità che essa assuma un determinato valore. Ha, invece, senso chiedersi qual è la robabilità che il suo valore cada in un certo intervallo. Le distribuzioni: binomiale e di Poisson Consideriamo una serie di n rove, rietute nelle medesime condizioni, considerando un evento A o il suo contrario B (ad esemio il lancio di due dadi, considerando l evento A «realizzare unti» e l evento contrario B «non realizzare unti»). In una singola rova A ha una robabilità di verificarsi e q - di non verificarsi. Doo n rove, A uò essersi verificato un numero di volte x,,,, n volte, e, in corrisondenza B uò essersi verificato n,,,, volte. La variabile x è detta variabile casuale binomiale e i suoi ossibili valori vanno da a n. Ci si uò chiedere qual è la robabilità che x assuma un certo valore k volte, con k n. Ad esemio, qual è la robabilità che lanciando due dadi volte (n ) si ottenga il unteggio (x ) er volte (k )?. Il calcolo di tale robabilità si effettua con la formula seguente k n k n ( n )... ( n k + ) k Cn. k q k! n! k n k n k n k q q. k!( n k)! k k q n k
8 Esemio: qual è la robabilità, gettando una moneta volte, di fare testa zero volte, una volta,.dieci volte? n, robabilità di fare testa in un lancio, /, q robabilità di non fare testa in un lancio, ½. Fare testa volte: k Fare testa volta: k Fare testa volte: k 8 4 Fare testa volte: k Fare testa 4 volte: k Fare testa volte: k Fare testa volte: k Fare testa 7 volte: k Fare testa 8 volte: k Fare testa volte: k Fare testa volte: k
9 ,,,,78,47,78,,787,787,,,7,7,44,44,7, La distribuzione binomiale è simmetrica; questo accade ogni volta che /. Si uò dimostrare che il valore medio di una variabile casuale è dato dalla formula x n. Per comrendere il significato di x, si recueri la disensa di statistica da Tuttavia, qui è riortato un esemio. Si osservi la seguente tabella, nella quale sono riortati quanti oggetti difettosi rodotti da una ditta sono stati trovati esaminando camioni (confezioni) ciascuno costituito di articoli, con relative frequenze: Numero di articoli difettosi in ciascun camione di art. x Frequenza dei camioni con x art. difettosi Frequenza relativa ,,8,,,8,,,,,, Totale, Dalla tabella si deduce che x Ossia, gli articoli difettosi sono mediamente su.
10 Quando il numero di rove n è molto grande, i calcoli sono molto laboriosi con la distribuzione binomiale. In questo caso diventa utile la formula di Poisson, k λ λ k e k! essa consente di stabilire la robabilità che, su un numero enorme di rove, l evento A si manifesti k volte. Occorre erò conoscere λ, che raresenta il valore medio della variabile casuale binomiale ossia x. Per esemio se in un centralino ervengono in media telefonate al minuto, le robabilità che in un minuto ervengano telefonate è e,%,! mentre la robabilità che ne ervengano è e!,% La distribuzione normale o gaussiana Questa distribuzione è molto utilizzata in statistica, erché molti fenomeni fisici e biologici, ma non solo, hanno una andamento che si uò raresentare, con buona arossimazione, mediante una curva di Gauss. La funzione è esressa dalla formula y σ ( x x ) σ e π con < x < +, x il valore medio della variabile casuale, σ lo scarto quadratico medio, definito ( x x) i come σ n. n
11 ( x x ) σ. Il fattore e, variabile al variare di x, determina la forma della gaussiana;. Il valore massimo assunto dalla funzione è assunto in corrisondenza del valore σ π medio x ;. ha come asintoto orizzontale l asse x; 4. l area sottesa dalla curva e delimitata dall asse x vale. La sua forma è detta a camana. Sono interessanti i seguenti dati: la robabilità che x assuma un valore comreso tra la robabilità che x assuma un valore comreso tra la robabilità che x assuma un valore comreso tra x σ e x + σ è del 8% circa. x σ e x + σ è del % circa. x σ e x + σ è quasi del %.
TEORIA DELLA PROBABILITÁ
TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi
DettagliCALCOLO DELLE PROBABILITÀ. 1. La probabilità che una candela accesa si spenga è p = 1, perché è assolutamente certo che si esaurirà.
CALCOLO DELLE PROBABILITÀ -Definizione di robabilità -Legge additiva (eventi disgiunti) -Probabilità totale -Eventi comosti -Eventi indiendenti -Legge moltilicativa -Probabilità comoste - -Definizione
DettagliNote sulla Definizione Assiomatica della Probabilita
Note sulla Definizione Assiomatica della Probabilita 1 I diagrammi di Wenn forniscono un metodo grafico er visualizzare i concetti fondamentali del calcolo delle robabilità. In questa raresentazione una
DettagliCP110 Probabilità: Esonero 1
Diartimento di Matematica, Roma Tre Pietro Cauto 2010-11, II semestre 12 arile, 2011 CP110 Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si uo usare durante l esame è una
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliRICHIAMI di CALCOLO delle PROBABILITA
Facoltà di Ingegneria - Università di Bologna Anno Accademico: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marino Lui RICHIAMI di CALCOLO delle PROBABILITA PROBABILITA Ci sono fenomeni che non si osso
DettagliMATHESIS. Sezioni di Napoli e C.mare di Stabia. Scuola Estiva di Formazione - Secondo Ciclo di Istruzione La Matematica dell incerto
MATHESIS Sezioni di Naoli e C.mare di Stabia Scuola Estiva di Formazione - Secondo Ciclo di Istruzione La Matematica dell incerto Ferdinando Casolaro ferdinando.casolaro@unina.it Insegnamento della Probabilità
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliCP110 Probabilità: Esame 2 settembre 2013 Testo e soluzione
Diartimento di Matematica, Roma Tre Pietro Cauto 212-13, II semestre 2 settembre, 213 CP11 Probabilità: Esame 2 settembre 213 Testo e soluzione 1. (6 ts) Abbiamo due mazzi di carte francesi, il mazzo A
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
DettagliNote sulla Definizione Assiomatica della Probabilita
ote sulla efinizione ssiomatica della Probabilita La totalità delle varie modalità con cui si uò resentare un fenomeno casuale sono raresentate dai unti di uno sazio. Un sottoinsieme qualunque dello sazio
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliEvento Aleatorio. Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado)
ELEMENTI DI CALCOLO DELLE PROBABILITA Evento Aleatorio Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado) Esempi di eventi aleatori 1. Ottenere un certo numero nel
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliProbabilità e Statistica
Corso PON Competenze per lo sviluppo Liceo Scientifico "Bonaventura Rescigno Baronissi Ing. Ivano Coccorullo Prof.ssa Angela D Ambrosio Teoria delle probabilità Si è soliti far risalire la nascita della
DettagliCONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari;
ARITMETICA ELEMENTIDICALCOLO DELLE PROBABILITAÁ PREREQUISITI l l l conoscere e costruire tabelle a doppia entrata conoscere il significato di frequenza statistica calcolare rapporti e percentuali CONOSCENZE.
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità venti certi, impossibili, aleatori Supponiamo di lanciare un dado e consideriamo i seguenti eventi : ={ esce un numero compreso tra e 6 (estremi inclusi) } 2 ={
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 5. Introduzione alla probabilità: Definizioni di probabilità. Evento, prova, esperimento. Eventi indipendenti e incompatibili. Probabilità condizionata. Teorema di Bayes CONCETTI
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
Dettagli6.2 La probabilità e gli assiomi della probabilità
6.2 La probabilità e gli assiomi della probabilità L introduzione alla teoria della probabilità può essere vista come un applicazione della teoria degli insiemi. Essa si occupa degli esperimenti il cui
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
DettagliDIPARTIMENTO SCIENZE POLITICHE E SOCIALI ABILITÀ LOGICO-MATEMATICHE A.A. 2018/2019 PROBABILITÀ
1 PROBABILITÀ DI UN EVENTO PROBABILITÀ Si parla di eventi probabili o improbabili quando non si è sicuri se essi si verificheranno. Quando lanciamo in aria una moneta, da cosa dipende se dopo la caduta
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
DettagliProbabilità delle cause:
Probabilità delle cause: Probabilità condizionata 2 Teorema delle probabilità composte A B) A) B/A) 3 Teorema delle probabilità totali B )! 4 Teorema delle probabilità delle cause n i A! B ) A / B ) B
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
DettagliDISTRIBUZIONE 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 ;..;
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliSOLUZIONI DEL 2 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA Esercizio 0.1 Una moneta non truccata viene lanciata 10 volte. Calcolare la probabilità che non esca mai testa. Quale risulta la probabilità
DettagliEsercizi - Fascicolo III
Esercizi - Fascicolo III Esercizio 1 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo, indipendentemente
DettagliStatistica Sociale e Criminale (12 CFU) A.A. 2015/2016
Statistica Sociale e Criminale (12 CFU) A.A. 2015/2016 CdL Sociologia e Criminologia Simone Di Zio Dove siamo MODULO 3. L Inferenza statistica 3.1 Probabilità e variabili casuali 3.2 Le tecniche di campionamento
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliProbabilità e tempi medi di assorbimento
Probabilità e temi medi di assorbimento 6.1 Probabilità di assorbimento Consideriamo una catena con un numero finito di stati che indichiamo con S = {1, 2,... r}. Sia C una classe chiusa di S. Se la catena
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
Da u mazzo di carte (3 carte er quattro semi di cui due eri e due rossi, co 3 figure er ogi seme si estragga ua carta. Calcolare la robabilità che a si estragga u re ero b si estragga ua figura rossa,
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliAppunti di Calcolo delle Probabilità per il corso di Modelli Matematici per le Scienze Sociali
1 Calcolo combinatorio Appunti di Calcolo delle Probabilità per il corso di Modelli Matematici per le Scienze Sociali Si dice disposizione semplice di n oggetti di classe K (con k n) ogni allineamento
DettagliProbabilità. 2) Vengono estratte 5 carte; quale è la probabilità che ci siano esattamente 2 denari? ª 0,278. k fattori. n - k +1 ) k!
Definizione classica = P A Probabilità numero esiti favorevoli numero esiti possibili Esempi 1) Da un mazzo di 40 carte (bastoni, coppe, denari, spade) ne viene estratta una; quale è la probabilità che
DettagliProbabilità. Introduzione. Esperimento casuale (o aleatorio): Può venir riproposto infinite volte.
Matematica Capitolo 4 Ivan Zivko Introduzione Esperimento casuale (o aleatorio): uò venir riproposto infinite volte. Il risultato (o esito) varia all interno di un certo numero (anche infinito) di casi
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliProbabilità. Spazi di probabilità
Probabilità Paolo Montanari Appunti di Matematica Probabilità 1 Spazi di probabilità Un esperimento si dice casuale quando esso può essere ripetuto quante volte si vuole, ed il risultato di ogni esecuzione
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliLeggi di distribuzione
Leggi di distribuzione 1 Esercizio 0.1 Una sorgente binaria genera le cifre 0 e 1 in modo casuale, con probabilità 0.4 e 0.6, rispettivamente. Calcolare la probabilità che, in una sequenza a 5 cifre, si
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliMATHESIS. Società Italiana di Scienze Matematiche e Fisiche Sezione Romana. Ferdinando Casolaro La Matematica dell incerto
MATHESIS Società Italiana di Scienze Matematiche e Fisiche Sezione Romana Ferdinando Casolaro fcasolar@unisannio.it La Matematica dell incerto Probabilità e Statistica er le Decisioni Aula Magna ITT Colombo
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliPsicometria II: Laura Picconi.
Psicometria II: Laura Picconi http://www.psicometria.unich.it/ http://www.psicometria.unich.it/ Sezione avvisi E necessario leggere con attenzioni gli avvisi e le comunicazioni che sono pubblicati sul
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
Dettagliin forma matriciale: X = A X + B, cioè Se il det A = ad - bc è diverso da zero, la trasformazione è invertibile e quindi biunivoca; in tal caso la
TRASFORMAZIONI LINEARI SUL PIANO Sono trasformazioni lineari tutte le trasformazioni del tio: a b c d q in forma matriciale: X A X B, cioè a c b d q Dove a A c b d è la matrice della trasformazione. Se
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
Dettagliprima urna seconda urna
Un po di fortuna Considera il seguente gioco: ci sono due urne contenenti delle palline perfettamente uguali tra loro, ma colorate diversamente, alcune bianche, altre nere. Nella prima urna ci sono una
DettagliFoglio di Esercizi 10 con Risoluzione 18 dicembre 2017
Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
Dettagliincompatibili compatibili complementari eventi composti probabilità composta
Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliLo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6
EVENTI ALEATORI E LORO RAPPRESENTAZIONE Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U... U.. La definizione classica di probabilità dice che, se gli eventi che si considerano
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliCalcolo combinatorio
Calcolo combinatorio Fattoriale: n! = n( n 1)( n 2)...1 1 1 n n = 0 Fattoriale discendente: n( n 1)...( n k + 1) n! (n) k = = ( n k)! 1 1 k n k = 0 Coefficiente binomiale (k n) : n (n) = k n! = k k! k!(
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliL Offerta dell impresa e dell industria
L Offerta dell imresa e dell industria Studiamo l offerta dell imresa nel mercato di concorrenza erfetta Un mercato caratterizzato da concorrenza erfetta se: 1-I I rezzi sono fissi: l imresa non è in grado
DettagliCorsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001
Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre 2000-28 Gennaio 2001 1 Nona settimana 76. Lun. 4 Dic. Generalita. Spazi
DettagliLA PROBABILITAÁ ALGEBRA IL CALCOLO DELLE PROBABILITAÁ. richiami della teoria
ALGEBRA IL CALCOLO DELLE PROBABILITAÁ richiami della teoria n un evento E si dice casuale o aleatorio, quando il suo verificarsi dipende unicamente dal caso; n un evento si dice certo quando eá possibile
Dettagli5 di tutti i possibili risultati relativi a un determinato esperimento si chiama spazio probabilistico
Gli eventi Torniamo ora a occuparci degli eventi. Qualunque sia la concezione utilizzata per determinare la probabilità di un evento, si lavora all'interno di un insieme determinato di casi possibili.
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliElementi di Calcolo delle probabilità
Elementi di Calcolo delle probabilità Docente: Francesca Benanti 13 Dicembre 2007 1 Definizioni di Probabilità La teoria della probabilità è quella parte della matematica che, sulla base delle informazioni
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2006-07 Alberto Perotti Esperimento casuale Esperimento suscettibile di più risultati
Dettagli