Esperimento casuale (o probabilistico, o aleatorio) previsione in condizioni di incertezza.
|
|
- Cristoforo Marrone
- 6 anni fa
- Visualizzazioni
Transcript
1 TEORI DELL PROBBILIT nche se del concetto di probabilità si parla sin dagli albori della storia, la sua formalizzazione scientifica come teoria avviene con l assiomatizzazione introdotta da Kolmogorov nel 1933 e successivamente ripresa ed ampliata da altri scienziati. lla base della attuale formalizzazione vi è la distinzione tra concetto e misura della probabilità 1 La probabilità è un concetto primitivo, ossia originario per l essere umano perché innato e sempre presente nelle sue regole di comportamento. In quanto tale, esso è regolato da criteri logici coerenti traducibili in un insieme di assiomi dai quali si possono, con deduzioni rigorose, dimostrare i teoremi. 2 La probabilità è una misura in quanto associa al concetto primitivo una valutazione numerica 1
2 La probabilità di un evento Nel Calcolo delle Probabilità si elaborano modelli matematici per la valutazione rigorosa del concetto di probabilità che un esperimento casuale si concretizzi in un Esperimento casuale (o probabilistico, o aleatorio) È una generica operazione la cui singola esecuzione, detta prova, è suscettibile di fornire un risultato compreso in un insieme di risultati necessari ed incompatibili che non può essere previsto con certezza. Esempio: Lancio di un dado determinato evento. necessarietà: si presenta almeno uno dei possibili risultati incompatibilità: si presenterà solo uno dei possibili risultati. L esperimento casuale è uno schema di riferimento per tutti i casi in cui bisogna effettuare una previsione in condizioni di incertezza. Nel formulare tale previsione, si esprime il grado di incertezza relativo al presentarsi di un certo risultato con una valutazione numerica che prende il nome di probabilità.
3 Caratteristiche degli esperimenti casuali Incertezza del risultato: Per le situazioni esaminate sono possibili più esiti, che possono essere elencabili (es. le 6 facce del dado) o non elencabili perché assimilabili a tutti i numeri compresi in un intervallo reale (es. il tasso di inflazione nell anno x) Ripetibilità dell esperimento: L esito si verificherà nuovamente nelle medesime circostanze? In senso stretto, un esperimento reale è sempre irripetibile; tuttavia, si accetta di considerare circostanze simili, mantenendo fisse le condizioni relative agli elementi ritenuti essenziali ai fini del risultato. Equiprobabilità dei risultati (Condizione non necessariamente verificata): Esprime l indifferenza rispetto al verificarsi di uno dei possibili esiti, ossia che non esistono motivi per ritenere un risultato più possibile di un altro. 3
4 Teoria e calcolo della probabilità 1. Impostazione assiomatica: a) Concetti primitivi La prova genera l evento con una certa probabilità i. Prova: esperimento il cui risultato non è prevedibile con certezza ii. Evento: possibile risultato di una prova iii. Probabilita: numero associato al presentarsi di un evento b) ssiomi: regole formali a cui deve sottostare una valutazione di probabilità. 2. Impostazione classica: la probabilità del verificarsi di un certo risultato è data dal rapporto tra numero di casi favorevoli al verificarsi di quel risultato ed il numero totale di casi possibili, ammesso che questi possano essere considerati tutti ugualmente possibili. Critica: Non applicabile agli esperimenti in cui: - i risultati non possono ritenersi tutti ugualmente possibili - il numero di casi possibili non è finito 4
5 Concezioni alternative della probabilità L impostazione assiomatica permette di costruire tutta la teoria della probabilità, a partire dagli assiomi (o postulati). Nei casi più semplici la probabilità si calcola mediante l impostazione classica. Quando questo non è possibile si ricorre a uno dei seguenti approcci: 3. Impostazione soggettiva: la probabilità è l espressione del grado di fiducia che un individuo ripone nel verificarsi di un certo evento. Critica: Le valutazioni della probabilità possono variare da individuo ad individuo 4. Impostazione frequentista: all aumentare del numero delle prove (per n ) la probabilità del verificarsi di un evento coincide con la frequenza relativa di tale risultato. n P ( ) lim n n a condizione che le prove si svolgano tutte nelle medesime condizioni. Critica: Non sempre tutte le prove si svolgono nelle stesse condizioni. 5
6 Eventi e teoria degli insiemi Le relazioni tra eventi possono essere espresse attraverso relazioni ed operazioni tra insiemi e rappresentate attraverso Diagrammi di Venn lcune definizioni importanti: Dati due eventi, B Ω, si dice che implica B se è B. I due eventi sono incompatibili se non esiste alcun risultato E che realizzi sia che B, ovvero se è B =, dove è l'insieme vuoto. l contrario, se e B non sono incompatibili, l'insieme non vuoto ( B) è costituito da tutti i risultati E che realizzano sia che B. L'insieme B indica invece la realizzazione dell'evento, oppure dell'evento B, oppure di entrambi. Se non si realizza un evento, allora si realizza il suo complementare in in Ω, negazione dell'evento. Ne segue subito che Ω è l'evento certo e (negazione di Ω) è l'evento impossibile.
7 Diagrammi di Venn Relazioni tra eventi Operazioni tra eventi
8 SPZIO CMPIONRIO (o campione) Ω Insieme dei possibili risultati E i ottenibili da una prova. Esempi: 1. Lancio di una moneta: Ω = { T,C} 2. Lancio di un dado: Ω = { 1,2,3,4,5,6 } 3. Numero di minuti in cui una lampadina resta accesa prima di bruciarsi: Ω = { x : x > 0} N.B. Nei primi due esempi Ω ha cardinalità finita, nel terzo esempio Ω ha cardinalità infinita. 8
9 Eventi Un evento è un qualunque sottoinsieme dello spazio campionario Ω. Ω Si verifica = Si realizza il risultato della prova appartenente ad. Tipi di Eventi (es: lancio di un dado): Eventi Elementari { 1 }, { 2 }, { 3 }, { 4 }, { 5 }, { 6} Eventi Composti { 1,3 },{ 1,2,6 },,{ 1,2,3,4,5,6 } Evento Certo Evento Impossibile Ω 9
10 Eventi elementari e composti Eventi Elementari { 1 }, { 2 }, { 3 }, { 4 }, { 5 }, { 6} Non possono essere scritti come l unione di altri eventi elementari. Tutti i possibili risultati di una prova sono eventi elementari Eventi Composti { 1,3 },{ 1,2,6 },,{ 1,2,3,4,5,6 } Unione di più eventi elementari E si è verificato si è verificato almeno un evento di cui E costituisce l unione Condizione: l fine di attribuire a ciascun evento una misura di probabilità, si richiede a tali eventi di soddisfare il seguente requisito fondamentale: qualunque operazione su di essi deve essere a sua volta un evento definito in Ω. Questa proprietaà si formalizza dicendo che gli eventi devono costituire un campo C (o σ-algebra), ovvero una classe additiva di insiemi i 10
11 Spazio campionario della misura di una grandezza Il valore teorico di una generica grandezza fisica è espresso da un numero reale e può essere visto come il risultato dell esperimento casuale misura della grandezza : alla misura sperimentale associamo uno spazio campione costituito dall'asse reale (o da un suo intervallo, se siamo in grado di precisarlo). Per definire una classe di eventi che sia compatibile con l'esperimento della misurazione, suddividiamo l'asse reale in intervalli di ampiezza assegnata in modo che qualsiasi risultato della misurazione possa appartenere ad uno di tali intervalli: Esempio: esperimento misura della durata di una lampadina ( Ω = { x : x > 0} ) { x : x > }; { x : x };... Tali intervalli rappresentano altrettanti eventi elementari nello spazio campionario Ω (di cardinalità infinita e numerabile)
12 ssiomi (o postulati) del calcolo delle probabilità Siano E i, i = 1, 2, eventi di Ω. La probabilità di un evento E i è una funzione degli elementi di un insieme (dominio) che assume valori reali (codominio). La probabilità è indicata con P(E i ) e soddisfa i seguenti assiomi: ( i ) ( Ω ) = i) 0 P E 1 ii) P 1 ( ) ( ) ( ) P( ) = funzione di probabilità iii) i j P E E = P E + P E se E E = i j i j i j Le impostazioni classica e frequentista soddisfano gli assiomi. Solitamente, nel misurare la probabilità si fa riferimento alla definizione classica. L assioma iii) permette di definire una misura della probabilità per tutti gli eventi (elementari e composti, unione di eventi elementari). 12
13 Esperimento casuale: estrazione di 1 pallina da un urna contenente 10 palline numerate da 1 a 10 Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} { } { } { } E = 1,E = 2,,E = Ω Impostazione classica numero totale di elementi di Ω 10 P ( Ω ) = = = 1 numero totale di elementi di Ω 10 i = 1,,10: 1 1 P ( Ei ) = = = 0.1 numero totale di elementi di Ω 10
14 = estrazione di numero pari B = estrazione di numero > 7 = {2} {4} {6} {8} {10} B = {8} {9} {10} B Impostazione classica (III assioma) numero di elementi pari 5 P ( ) = = = 0,5 numero totale di elementi di Ω 10 numero di elementi > 7 3 P ( B) = = = 0,3 numero totale di elementi di Ω 10 14
15 Operazioni sugli eventi a) Unione (o Somma Logica) fra due eventi e B è l'evento C che si verifica quando si verifica oppure B oppure e B contemporaneamente: Esempio: Ω B C = B B 4 B P ( B) = = 0, teorema del calcolo delle probabilità 15
16 b) Intersezione (o Prodotto Logico) fra due eventi e B è l'evento D che si verifica quando si verificano sia che B contemporaneamente: Esempio: Ω B D = B B P ( B) = = 0,2 10 Probabilità composte e condizionate 16
17 c) Negazione (o Complementazione) di un evento è l'evento E che si verifica allorquando non si verifica: Esempio: Ω Ω B B ( ) numero di elementi 7 7 P B = = = 0,7 numero totale di elementi di Ω 10 2 teorema del calcolo delle probabilità 17
18 Proprietà delle operazioni tra eventi Sono mutuate dalla teoria degli insiemi Proprietà Unione Intersezione Idempotenza = = Elemento neutro = Ω = Commutativa B = B B = B ssociativa ( B ) C = (B C) ( B ) C = (B C) Distributiva (B C) = ( B ) ( C) (B C) = ( B ) ( C) 18
19 Leggi di De Morgan Definiscono un legame tra le 3 operazioni 1. La negazione dell intersezione è uguale all unione delle negazioni: Ω B B = B B B 2. La negazione dell unione è uguale all intersezione delle negazioni: Ω B B B B = B 19
20 Relazioni tra eventi Eventi incompatibili Non contengono elementi comuni e quindi la loro intersezione da luogo all evento impossibile. Ω B B = = { } { } B = 3,5 ; B= 1,2, 4 ; incompatibili { } { } 3,5 ; B= 1,3, 6 ; compatibili In pratica, il verificarsi dell uno implica il non verificarsi dell altro in una prova. Partizione dello spazio campionario Suddivisione di Ω in un insieme di eventi E i necessari ed incompatibili Ω ( ) ( ) E 1 E 2 E 3 E 4 E 5 i i P Ω = P E = 1 20
21 Relazioni tra eventi Inclusione: B ( implica B) Un evento è incluso nell evento B se tutte le volte che si verifica certamente si verifica B B Esempio: : {x partorisce} B: {x è di sesso femminile} Ω Differenza tra relazioni ed operazioni tra eventi: Un operazione è una funzione che assegna ad 1, 2,, n eventi un altro evento. Il risultato di un operazione è un evento. Una relazione è un affermazione che crea un collegamento e/o un ordinamento tra eventi. Una relazione può essere vera o falsa. 21
22 Principali teoremi del calcolo delle probabilità 1) 2) P(O) / = 0 P() = 1-P() 3) P( B) = P() + P(B)-P( B) Ω B B Ω Generalizzazione al caso di 3 eventi P( B C)= = P() + P(B) + P(C)-P( B) P( C) P(B C) + P( B C) C B B C B C Il teorema è generalizzabile al caso di n eventi 22
23 Eventi subordinati Tra 2 eventi e B può sussistere una relazione per la quale, sapendo che una prova ha generato un risultato che appartiene a B, si è indotti a modificare la valutazione del verificarsi di. Esempi: probabilità che una certa squadra vinca una partita dopo che alla fine del primo tempo è in vantaggio di 3 reti a 0; probabilità di estrarre un numero maggiore di 7 (B) sapendo che è pari (E 2 ) Ω E 1 E B P(B) = 3/10 = 0,3 P(B E 2 ) = 2/5 = 0,4 23
24 Probabilità condizionata B Ω B si è verificato B è il nuovo spazio campionario qualsiasi evento deve essere incluso in B; la sua probabilità è misurata non più rispetto all area di Ω ma rispetto all area di B) la probabilità di subordinata a B è data dall area dell intersezione rispetto all area di B La probabilità dell'evento, dato che si è verificato l'evento B, è il rapporto fra la probabilità del contemporaneo verificarsi di e B e la probabilità di B, se questa è diversa da zero: ( ) ( ) ( B) P ( B) ( ) P ( ) P P B = ; P B > 0 ( ) P B P B = ; P > 0 ( ) 24
25 Probabilità composte Dati 2 eventi e B per i quali P()>0 e P(B)>0, risulta: P( B) = P( B) P(B) = P() P(B ) Indipendenza stocastica Se risulta: ( ) = ( ) ( ) = ( ) P B P ; P B P B. allora e B sono stocasticamente indipendenti. In questo caso: P ( B ) = P ( ) P ( B ) Esempi: Probabilità che nasca una femmina dato che il primo figlio è maschio Probabilità di estrarre una carta di cuori dopo averne estratta una di cuori ed averla reimmessa nel mazzo di carte. 25
26 Incompatibilità e indipendenza Incompatibilità: relazione tra eventi Conseguenza: la probabilità dell unione di più eventi incompatibili è la somma delle singole probabilità Indipendenza: relazione tra probabilità (non rappresentabile sui diagrammi di Venn) Conseguenza: la probabilità dell intersezione di più eventi indipendenti è il prodotto delle singole probabilità Legame tra indipendenza ed incompatibilità: se due eventi sono incompatibili non possono essere indipendenti 26
27 Teorema 1 Se e B sono indipendenti lo sono anche e B, e B e B Dimostrazione per e B: = ( B) ( B) Quindi: ( ) = ( ) ( ) ( ) = ( ) + ( ) ( ) = ( ) ( ) + ( ) ( ) ( ) ( ) = ( ) ( ) ( ) = ( ) P ( ) P ( B) = P ( B) P P B B ; P P B B P P P B P B ; P P P B P B P 1 P B P B 27
28 Teorema 2 Se e B sono eventi indipendenti, allora: Dimostrazione: P ( B) = 1 P ( B) P ( B) = 1 P ( ) P ( B) Poiché per la Legge di De Morgan: B = B ( ) ( ) ( ) P B = 1 P B = 1 P B = ( ) ( ) = 1 P P B 28
29 Teorema delle Probabilità Totali Ω E 1 E 2 E 3 E E = i j i j ( ) ( i ) P Ω = P E = 1 i E 4 E 5 Ω ( E i ) Data una partizione di Ω in n eventi E i (necessari ed incompatibili) e dato un evento Ω, la probabilità di può essere calcolata come: ( ) ( ) ( ) ( ) ( ) ( ) ( ) P = P E p E + P E p E + + P E p E = n i= 1 Interpretazione: E i = cause = effetto n n ( i ) p ( Ei ) = P E La probabilità dell effetto è pari alla somma delle probabilità di condizionate a ciascuna delle cause E i 29
30 Teorema di Bayes È un applicazione del teorema delle probabilità totali, dotata di un interpretazione di notevole importanza, tale da generare un intera branca della statistica, detta statistica Bayesiana, che si contrappone alla cosiddetta statistica classica. Il teorema è attribuito al rev. Thomas Bayes ed è stato utilizzato soprattutto da Laplace nella sua impostazione della probabilità delle cause. Su di esso si basa tutta la odierna teoria delle decisioni statistiche Indipendentemente dall impostazione cui si aderisce, il teorema costituisce una pietra miliare nella teoria della conoscenza su basi statistiche, in quanto esplicita il ruolo delle differenti probabilità nella scelta tra decisioni alternative 30
31 Teorema di Bayes Ω E 1 E 2 E 3 E E = i j i j ( ) ( i ) P Ω = P E = 1 i E 4 E 5 Ω ( E i ) Teorema delle probabilità totali: k ( ) = ( i ) ( i ) = ( 1 ) + ( 2 ) + + ( k ) P P E P E P E P E P E i= 1 E i = cause = effetto P(E i ) e P( E i ) note. Qual è P(E i )? In molti casi, posto che l evento si sia verificato, ci si può chiedere quale sia la probabilità che, tra tutte le sue possibili cause, sia stato l evento E i a determinarlo. Poiché: ( ) P E i = ( i ) P ( ) P E Teorema di Bayes: ( i ) = ( i ) ( i ) P E P E P E ( ) P E i = k i= 1 ( i ) ( i ) P E P E ( ) ( ) P E P E i Esempi: i E 1, E 2,, E k Malattie Sintomi Docenti Esito esame Macchine Pezzi difettosi : : 31
32 Teorema di Bayes Ω E 1 E 2 E 3 E 4 E 5 ( ) P E i = k i= 1 ( ) ( ) P E P E i ( ) ( ) P E P E i i i P(E i ) = Probabilità a priori Sono le probabilità delle singole cause e non dipendono dal verificarsi o meno dall effetto. P( E i ) = Verosimiglianze Sono le probabilità con cui le singole cause E i determinano l effetto. Sono note o determinabili. P(E i ) = Probabilità a posteriori Sapendo che l effetto si è verificato, è la probabilità con cui sia stato la causa E i a determinarlo. Il teorema di Bayes consente di correggere le informazioni a priori, P(E i ), sulla base delle evidenze sperimentali, o verosimiglianze, P( E i ), fornendo le probabilità a 32 posteriori, P(E i ). Quanto più la probabilità a posteriori P(E i ) è diversa dalla probabilità a priori P(E i ), tanto più si può dire che la verosimiglianza ha modificato le informazioni a priori sulle cause E i.
33 Esempio M 1 30% della produzione 1% di pezzi difettosi Ω M 2 25% della produzione 1,2% di pezzi difettosi M 3 45% della produzione 2% di pezzi difettosi M 1 M 2 M 3 Problema: In una giornata si producono pezzi. Si sceglie un pezzo a caso, e questo risulta difettoso. Qual è la probabilità che il pezzo sia stato prodotto da M 1, M 2 o M 3? Sappiamo: = pezzo difettoso M 1, M 2, M 3 = macchine produttrici Probabilità a priori: Verosimiglianze: M 1 M 2 M 3 P(M 1 )=0,30 P(M 2 )=0,25 P(M 3 )=0,45 P( M 1 )=0,01 P( M 2 )=0,012 P( M 3 )=0,02 Cerchiamo: Probabilità a posteriori: P(M 1 ) P(M 2 ) P(M 3 ) Sapendo che: ( ) P M i = ( i ) P ( ) P M = ( i ) P ( Mi ) P ( ) P M = P ( Mi ) P ( Mi ) P ( Mi ) P ( Mi ) i 33
34 Soluzione: ( ) P M i = ( i ) P ( ) P M ( 1 ) = ( 1) ( 1) ( 2 ) = ( 2 ) ( 2 ) ( ) = ( ) ( ) P M P M P M = 0,010 0,30 = 0,003 P M P M P M = 0,012 0,25 = 0,003 P M P M P M = 0,020 0,45 = 0, Quindi: ( 1 ) ( ) ( 2 ) ( ) ( 3 ) ( ) P M 0,003 P ( M 1 ) = = = 0,20 P 0,015 P M 0,003 P ( M 2 ) = = = 0,20 P 0,015 P M 0,009 P ( M 3 ) = = = 0,60 P 0,015 ( ) = ( ) + ( ) + ( ) P P M P M P M = 0, , ,009 = 0,015
35 Esempio V = VIRUS: V 0 V 1 99,9 % della popolazione (sani) 0,1 % della popolazione (malati) Tasso di penetrazione del virus V (1/1000 casi) Ω T 1 T = TEST CLINICO: 98% dei casi diagnostica correttamente la presenza del virus 1% dei casi diagnostica il Virus a soggetti sani (c.d. falso positivo ) V 0 V 1 Problema: Una persona si sottopone al test e risulta positivo. Qual è la probabilità che abbia il virus? Sappiamo: T 0 Test diagnostica NO VIRUS V 0 Il soggetto NON H il Virus T 1 Test diagnostica VIRUS V 1 Il soggetto H il Virus Probabilità a priori: V 1 V 0 P(V 1 )=0,001 P(V 0 )=0,999 Verosimiglianze: Cerchiamo: Probabilità a posteriori: = P ( V1 ) P ( T 1 V1 ) ( ) ( ) + ( ) ( ) P V P T V P V P T V P(T 1 V 1 )=0,98 P(T 1 V 0 )=0,01 Soluzione: P(V 1 T 1 ) P(V 0 T 1 ) P ( V 1 T1 ) = 0, 001 0,98 + 0,001 0,98 0,999 0,01 = 0,089 ( 1 T1 ) P ( T ) P V = = 1 35
36 Probabilità composte e indipendenza stocastica su tabelle doppie di frequenza (approccio frequentista) Esperimento casuale: estrazione di 1 unità da un urna contenente n unità Y X X1 X2 X3 X4 Totale Y1 n 11 n 12 n 13 N 14 n 1. Y2 n 21 n 22 N 23 N 24 n 2. Totale n.1 n.2 n.3 n.4 N Y X X1 X2 X3 X4 Totale Y1 f 11 f 12 f 13 f 14 f 1. Y2 f 21 f 22 f 23 f 24 f 2. Totale f.1 f.2 f.3 f.4 1 In caso di indipendenza tra X ed Y: ˆn ij n n = i j n ossia ˆf f f P ( Yi Xj ) = P ( Yi ) P ( Xj ) = ij i j N.B.: Se X ed Y non sono stocasticamente indipendenti bisogna passare per le probabilità condizionate (probabilità composta)
37 Esempio La produzione di pneumatici in una fabbrica avviene in tre turni: il 50% di giorno il 30% di sera il 20% di notte. Il controllo della conformità dei pneumatici prodotti si basa su un campione di 200 pezzi, ripartiti secondo le proporzioni dei 3 turni di produzione, che ha rivelato ciò che segue: TURNO DI PRODUZIONE ESITO Giorno Sera Notte totale Conformità Non conformità totale ) Calcolare la probabilità che un pneumatico scelto a caso: a) sia difettoso; b) sia difettoso e prodotto: b1) di giorno; b2) di sera; b3) di notte; c) sia difettoso, sapendo che è stato prodotto: c1) di giorno; c2) di sera; c3) di notte; d) sapendo che è difettoso, sia stato prodotto: d1) di giorno; d2) di sera; d3) di notte. 2) È lecito sostenere che la qualità del prodotto è influenzata dal turno di produzione? 37
38 Le probabilità cercate possono essere ottenute dalla tabella delle frequenze relative: TURNO DI PRODUZIONE ESITO Giorno (G) Sera (S) Notte (N) totale Conformità (C) 0,485 0,27 0,165 0,92 Non conformità (D) 0,015 0,03 0,035 0,08 totale 0,5 0,3 0,2 1 a) P(D) = 0,08 (difettoso) b) c) b.1 P(D G) = 0,015 (difettoso e prodotto di giorno) b.2 P(D S) = 0,03 (difettoso e prodotto di sera) b.3 P(D N) = 0,035 (difettoso e prodotto di notte) P(D G) 0, 015 = = 0, 03 c.1 P(D G) = P(G) 0, 5 (che sia difettoso, sapendo che è stato prodotto di giorno) c.2 P(D S) = c.3 P(D N) = P(D S) 0, 03 = = 01, P(S) 0, 3 P(D N) 0, 035 = = 0, 175 P(N) 0, 2 (che sia difettoso, sapendo che è stato prodotto di sera) (che sia difettoso, sapendo che è stato prodotto di notte) 38
39 d) d.1 P(G D) = d.2 P(S D) = P(D G) 0, 015 = = 0, 1875 P(D) 0, 08 P(D S) 0, 03 = = 0, 375 P(D) 0, 08 (sapendo che è difettoso, sia prodotto di giorno) (sapendo che è difettoso, sia prodotto di sera) P(D N) 0, 035 d.3 P(N D) = = = 0, 4375 P(D) 0, 08 (sapendo che è difettoso, sia prodotto di notte) N.B.: Ipotizzando un legame di causa-effetto tra turno di produzione (causa) ed esito del controllo (effetto), il quesito d può essere interpretato in termini di teorema di Bayes. 2) Se la qualità del prodotto non fosse influenzata dal turno di produzione, si dovrebbe avere: ma evidentemente così non è. P(D G) = P(D S) = P(D N) = P(D) 39
40 Nell esempio del virus: La seguente tabella mostra la distribuzione doppia da cui provengono le probabilità a priori e le verosimiglianze utilizzate nell esempio precedente. VIRUS TEST Positivo (V 1 ) Negativo (V 0 ) totale Positivo (T 1 ) Negativo (T 0 ) totale V 1 V 0 Probabilità a priori: 100 P ( V 1 ) = = 0, P ( V 0 ) = = 0, Verosimiglianze: 98 P T V = = 0,98 ( 1 1 ) ( 1 0 ) P T V = = 0, Probabilità a posteriori: 98 P ( V 1 T1 ) = = 0,
CALCOLO DELLE PROBABILITA' risultato non può essere previsto con certezza ogni risultato possibile di un esperimento
CALCOLO DELLE PROBABILITA' Esperimento o prova Evento Spazio Campionario (Ω) una qualsiasi operazione il cui risultato non può essere previsto con certezza ogni risultato possibile di un esperimento insieme
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
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.
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
DettagliElementi di probabilità
Elementi di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 2011/2012 1 Obiettivo dell unità didattica Introdurre gli
DettagliSi consideri un mazzo di carte da gioco francesi ed i seguenti eventi elementari:
ESERCIZIO 1.1 * Si consideri un mazzo di carte da gioco francesi ed i seguenti eventi elementari: A = {figura} B = {carta nera} C = {carta di fiori} D = {carta di cuori} Si determini la probabilità che,
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
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità pr - 1 Che collegamento c è tra gli strumenti statistici per lo studio dei fenomeni reali e il calcolo delle probabilità? Vedremo che non sempre la conoscenza delle caratteristiche
DettagliCALCOLO DELLE PROBABILITA
CALCOLO DELLE PROBABILITA Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma Nella ricerca scientifica, così come nella vita, trionfa l incertezza Chi guiderà il prossimo governo? Quanto
DettagliPROBABILITA E STATISTICA
PROBABILITA E STATISTICA La nozione di probabilità è stata concepita in modi diversi; GROSSOLANAMENTE le principali sono: Concezione classica: concetto di probabilità come uguale possibilità concezione
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
Dettagli1 Ingredienti base del CDP. 2 Denizioni classica e frequentista. 3 Denizione assiomatica. 4 La σ-algebra F. 5 Esiti equiprobabili
1 Ingredienti base del CDP 2 Denizioni classica e frequentista 3 Denizione assiomatica 4 La σ-algebra F 5 Esiti equiprobabili 6 Esperimento casuale 7 Probabilità condizionata Ingredienti base del CDP eventi
DettagliProgetto Lauree Scientifiche Liceo Classico L.Ariosto, Ferrara Dipartimento di Matematica Università di Ferrara 24 Gennaio 2012
Progetto Lauree Scientifiche Liceo Classico L.Ariosto, Ferrara Dipartimento di Matematica Università di Ferrara 24 Gennaio 2012 Concetti importanti da (ri)vedere funzione vettore matrice cenni di calcolo
DettagliTeoria della probabilità
Introduzione alla teoria della probabilità Teoria della probabilità Primi sviluppi nel XVII secolo (Pascal( Pascal, Fermat, Bernoulli); Nasce nell ambito dei giochi d azzardo; d La prima formalizzazione
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliIL CALCOLO 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,
DettagliLezione 1: Università Mediterranea di Reggio Calabria Decisions Lab. Insiemi. La Probabilità Probabilità e Teoria degli Insiemi
Lezione 1: Probabilità e Teoria degli Università Mediterranea di Reggio Calabria Decisions Lab Gli insiemi Gli Un insieme S è una collezione di oggetti chiamati elementi dell insieme. - Se x è un elemento
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
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
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
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ ALCUNE DEFINIZIONI
NOZIONI DI CALCOLO DELLE PROBABILITÀ ALCUNE DEFINIZIONI ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
DettagliProbabilità. 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
DettagliNote introduttive alla probabilitá e alla statistica
Note introduttive alla probabilitá e alla statistica 1 marzo 2017 Presentiamo sinteticamente alcuni concetti introduttivi alla probabilitá e statistica 1 Probabilità e statistica Probabilità: Un modello
DettagliCENNI DI CALCOLO DELLE PROBABILITÀ (Vittorio Colagrande)
CENNI DI CALCOLO DELLE PROBABILITÀ (Vittorio Colagrande) Il Calcolo delle Probabilità trova molte applicazioni in Medicina, Biologia e nelle Scienze sociali. Si possono formulare in modo più appropriato
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
DettagliLa probabilità: introduzione
P a g. 1 La probabilità: introduzione Nei giochi e nella "realtà" spesso si devono fare scelte di cui non si sanno prevedere esattamente le conseguenze (quale carta conviene scartare? in quale orario conviene
DettagliProbabilità I Calcolo delle probabilità
Probabilità I Calcolo delle probabilità Nozioni di eventi. Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Concetto di probabilità Cos'è una probabilità? Idea di massima:
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
DettagliIl Calcolo delle Probabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici.
INTRODUZIONE L CLCOLO DELLE ROILIT Il Calcolo delle robabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici. Un fenomeno aleatorio o stocastico è un fenomeno i cui esiti
DettagliDefinizione frequentistica di probabilita :
Esperimenti aleatori un esperimento e l osservazione del verificarsi di qualche accadimento ( A ) che, a partire da determinate condizioni iniziali, porti ad un particolare stato delle cose finali se si
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Come opera la matematica: dagli ai teoremi. Che cosa è una funzione, il suo dominio e il suo codominio. Che cosa significa n j=1 A j dove A j sono insiemi. Che cosa significa
DettagliPROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)
L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello
Dettagli( ) ( ) Ω={1,2,3,4,5,6} B B A Siano A e B due eventi di Ω: si definisce evento condizionato B A. Consideriamo il lancio di un dado:
Eventi condizionati Quando si ha motivo di credere che il verificarsi di uno o più eventi sia subordinato al verificarsi di altri eventi, si è soliti distinguere tra eventi dipendenti(o condizionati )
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!(
DettagliLezione 1. La Statistica Inferenziale
Lezione 1 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
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliPROBABILITA Quando si utilizza un campione piuttosto che l
PROBABILITA Quando si utilizza un campione piuttosto che l intera popolazione, è necessario introdurre un modello probabilistico che sia in grado di descrivere adeguatamente la variabilità di campionamento.
DettagliStatistica. Motivazioni
Statistica Docente: Massimiliano Grosso Dipartimento di Ingegneria Chimica e Materiali Università degli Studi di Cagliari E-mail: grosso@dicm.unica.it Telefono: 070 675 5075 Web: http://people.unica.it/massimilianogrosso
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliEsempio (Azzalini, pp. 6-15)
Inferenza statistica procedimento per indurre le caratteristiche non note di un aggregato a partire dalle informazioni disponibili su una parte di esso. Obiettivo del corso presentare la teoria ed i metodi
DettagliCenni di probabilità
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Cenni di probabilità Ing. Antonino Cancelliere Dipartimento
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
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)
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliCalcolo della probabilità: quadro riassuntivo.
Logicamente Calcolo della probabilità: quadro riassuntivo. Che cosa dobbiamo fare? Per risolvere gli esercizi relativi al calcolo delle probabilità, devi: 1. Sapere calcolare la probabilità di un evento
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
DettagliTutorato 1 (20/12/2012) - Soluzioni
Tutorato 1 (20/12/2012) - Soluzioni Esercizio 1 (v.c. fantasia) Si trovi il valore del parametro θ per cui la tabella seguente definisce la funzione di probabilità di una v.c. unidimensionale X. X 0 1
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
Dettagli- Teoria della probabilità
- Teoria della probabilità ELEMENTI DI TEORIA DELLA PROBABILITA La TEORIA DELLA PROBABILITA ci permette di studiare e descrivere i fenomeni aleatori. DEFINIZIONE: un fenomeno è aleatorio quando di esso
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliRiprendiamo le probabilità. 1.Probabilità a priori oggettiva 2.Probabilità a posteriori frequentista
Riprendiamo le probabilità 1.Probabilità a priori oggettiva 2.Probabilità a posteriori frequentista 1 2.Probabilità a posteriori frequentista Tabelle di sopravvivenza.! Volendo calcolare la probabilità
DettagliSTATISTICA e PROBABILITA'
STATISTICA e PROBABILITA' Il problema della misura si pone in termini probabilistici, determinando un intervallo di valori aventi una certa probabilità di essere osservati. E' necessario quindi introdurre
DettagliCenni di calcolo delle probabilità
Cenni di calcolo delle probabilità Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/19 Quando si compie un esperimento o una serie di prove i possibili risultati
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.
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
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
Dettagli( A) ( ) 3. Concezioni e valutazioni di probabilità
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezione di statistica del maggio 03 - di Massimo Cristallo - 3. Concezioni e valutazioni di probabilità
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
DettagliQLaprobabilità dell'evento intersezione
QLaprobabilità dell'evento intersezione Dati due eventi A e B consideriamo l'evento intersezione C'-A H B C. Prima di illustrare come si calcola la probabilità dell'evento intersezione, vediamo insieme
Dettaglip. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50
p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50 p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30
DettagliStoria della Probabilità
Storia della Probabilità Il calcolo delle probabilità nasce nel Seicento (1654) per risolvere alcuni problemi sui giochi d azzardo (dadi) posti da un giocatore, il cavaliere de Méré, al matematico e filosofo
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
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
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
DettagliAlfredo Rizzi. Già professore ordinario di teoria dell inferenza statistica
Alfredo Rizzi Già professore ordinario di teoria dell inferenza statistica INDUZIONE E DEDUZIONE INDUZIONE : PROCEDIMENTO LOGICO CHE CONSISTE NELL INFERIRE DA OSSERVAZIONI ED ESPERIENZE PARTICOLARI I PRINCIPI
DettagliSia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è
Cenni di probabilità di Carlo Elce Definizioni Lo spazio campionario per un esperimento è l'insieme di tutti i suoi possibili esiti. Per esempio, se l'esperimento è il lancio di due di dadi e si rappresentano
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.
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
DettagliErrori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio. M. Besozzi - IRCCS Istituto Auxologico Italiano
Errori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio M. Besozzi - IRCCS Istituto Auxologico Italiano L argomento... Errori cognitivi Il problema gnoseologico Dati, informazione
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Elementi di calcolo delle probabilità CdL Infermieristica Pediatrica ed
DettagliFigura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15
Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile 2012- pag. 15 Casi Possibili B= La lancetta indica il Blu V= La lancetta indica il Verde
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizioni di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Principio della somma Principio del prodotto Eventi certi : è certo
DettagliCapitolo IV. Probabilità condizionata
Capitolo IV Probabilità condizionata IV.1 Stato di informazione In generale due o più individui possono giudicare diversamente, cioè attribuire un diverso grado di fiducia allo stesso evento. Tuttavia
DettagliLa Teoria (epistemica) della conferma bayesiana
La Teoria (epistemica) della conferma bayesiana La teoria della probabilità fornisce alcuni strumenti potenti anche in senso epistemico, per valutare argomentazioni e decisioni in cui sono usati dei metodi
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliALGEBRA DEGLI EVENTI
ALGEBRA DEGLI EVENTI Appunti introduttivi al Calcolo Combinatorio e al Calcolo delle Probabilità Classe Terza a cura di Franca Gressini Novembre 2008 1 Conosciamo tante algebre. quella letterale (gli oggetti
DettagliAnalisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. 0461/ Probabilità (prima parte) Perchè la
a.a. 0/0 giuseppe.espa@economia.unitn.it 046/857 robabilità (prima parte) erchè la Statistica resentare e descrivere i dati Inferire su una sulla base di dati da C Migliorare i processi revedere variabili
Dettagli2. I numeri reali e le funzioni di variabile reale
. I numeri reali e le funzioni di variabile reale Introduzione Il metodo comunemente usato in Matematica consiste nel precisare senza ambiguità i presupposti, da non cambiare durante l elaborazione dei
DettagliALGEBRA DEGLI INSIEMI
ALGEBRA DEGLI INSIEMI INSIEME: concetto primitivo (indicato con una lettera maiuscola dell alfabeto latino: A, B, ) alcuni esempi: oggetti contenuti in una scatola tutti i numeri multipli di 3 [fig. 2.I.1]
DettagliEsercizi/domande su spazio campionario, eventi ed insiemistica. Daniela Bertacchi
Esercizi/domande su spazio campionario, eventi ed insiemistica Daniela Bertacchi Lo spazio campionario Se Ω è uno spazio campionario, allora Ω è anche: A) l evento certo; B) un evento elementare; C) una
DettagliTRACCIA DI STUDIO. Insiemistica. Operazioni tra insiemi
TRACCIA DI STUDIO Raramente un evento si verifica con certezza o è impossibile: in genere, esiste un incertezza sul risultato in quanto legato anche all effetto del caso. Lo strumento idoneo allo studio
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
DettagliIntroduzione generale. Cenni storici. 1 Problema di de Mèrè e soluzione. martedì 27 febbraio 2007
Corso di Calcolo delle probabilità - SIGAD -A.A. 2007/2008 Registro provvisorio delle Lezioni tenute da: Giuseppe Sanfilippo Settimana Giorno Lezione Lez N. Argomento Effettuata =SI Introduzione generale.
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
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA «Nella misura in cui le leggi della matematica si riferiscono alla realtà, esse non sono certe; e nella misura in cui sono certe, esse non si riferiscono alla realtà.» ALBERT
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
DettagliCalcolo delle Probabilità 2013/14 Foglio di esercizi 3
Calcolo delle Probabilità 203/4 Foglio di esercizi 3 Probabilità condizionale e indipendenza. Esercizio. Per rilevare la presenza di una certa malattia, si effettua un test. Se la persona sottoposta al
DettagliLezione 8. La Statistica Inferenziale
Lezione 8 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
DettagliProbabilità. Alcune definizioni. Spazio campionario. Esperimento aleatorio. Esperimento aleatorio un processo che porta ad un risultato incerto
Alcune definizioni Esperimento aleatorio un processo che porta ad un risultato incerto Probabilità Cicchitelli Cap. 12 Evento elementare un possibile risultato di un esperimento aleatorio Spazio campionario
Dettagli