Epistemologia dell incertezza
|
|
- Gianmaria Berti
- 8 anni fa
- Visualizzazioni
Transcript
1 Epistemologia dell incertezza Cinque coppie di concetti Hykel Hosni Scuola Normale Superiore, Pisa 21/01/13 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 1 / 46
2 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 2 / 46
3 Incertezza dappertutto Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 3 / 46
4 Incertezza dappertutto Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 3 / 46
5 Incertezza dappertutto Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 3 / 46
6 Problemi di impatto socio-economico 1 cambiamento climatico 2 crisi finanziaria 3 meccanismi causali nelle patologie mortali Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 4 / 46
7 Problemi di impatto socio-economico 1 cambiamento climatico 2 crisi finanziaria 3 meccanismi causali nelle patologie mortali Le più importanti sfide del nostro tempo ci richiedono di ragionare e decidere razionalmente su problemi di cui sappiamo poco o niente. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 4 / 46
8 Esempio: Il protocollo di Rio Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 5 / 46
9 Purtroppo non applicato Dalla sentenza di condanna [Le affermazioni della commissione Grandi Rischi sono state] assolutamente approssimative, generiche e inefficaci in relazione ai doveri di previsione e prevenzione. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 6 / 46
10 L incertezza è necessaria! le mutazioni (casuali!) genetiche sono il motore dell evoluzione Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 7 / 46
11 L incertezza è necessaria! le mutazioni (casuali!) genetiche sono il motore dell evoluzione senza incertezza non è concepibile alcuna transazione economica Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 7 / 46
12 L incertezza è necessaria! le mutazioni (casuali!) genetiche sono il motore dell evoluzione senza incertezza non è concepibile alcuna transazione economica nessuno vorrebbe davvero vivere conoscendo esattamente il giorno in cui morirà (Girolamo Cardano, settembre 1576) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 7 / 46
13 La centralità filosofica dell incertezza filosofia scienze naturali (fisica, clima, biologia...) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 8 / 46
14 La centralità filosofica dell incertezza filosofia scienze naturali (fisica, clima, biologia...) filosofia delle scienze sociali (economia, giurisprudenza, politica...) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 8 / 46
15 La centralità filosofica dell incertezza filosofia scienze naturali (fisica, clima, biologia...) filosofia delle scienze sociali (economia, giurisprudenza, politica...) teoria della giustizia (velo di ignoranza, allocazione imparziale,...) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 8 / 46
16 La centralità filosofica dell incertezza filosofia scienze naturali (fisica, clima, biologia...) filosofia delle scienze sociali (economia, giurisprudenza, politica...) teoria della giustizia (velo di ignoranza, allocazione imparziale,...) (bio)etica (diagnosi pre-impianto, fine vita,...) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 8 / 46
17 La centralità filosofica dell incertezza filosofia scienze naturali (fisica, clima, biologia...) filosofia delle scienze sociali (economia, giurisprudenza, politica...) teoria della giustizia (velo di ignoranza, allocazione imparziale,...) (bio)etica (diagnosi pre-impianto, fine vita,...) filosofia della religione (miracoli) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 8 / 46
18 La centralità filosofica dell incertezza filosofia scienze naturali (fisica, clima, biologia...) filosofia delle scienze sociali (economia, giurisprudenza, politica...) teoria della giustizia (velo di ignoranza, allocazione imparziale,...) (bio)etica (diagnosi pre-impianto, fine vita,...) filosofia della religione (miracoli) I metodi formali (logico-matematici) sono imprescindibili per la comprensione dell incertezza e quindi per l analisi filosofica di questi temi. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 8 / 46
19 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 9 / 46
20 Il problema dobbiamo agire, e spesso in condizioni di incertezza sotto l ipotesi che il ragionamento sia guida dell azione, è possibile ragionare logicamente anche in condizioni di incertezza? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 10 / 46
21 Il problema dobbiamo agire, e spesso in condizioni di incertezza sotto l ipotesi che il ragionamento sia guida dell azione, è possibile ragionare logicamente anche in condizioni di incertezza? Tu sai che il meglio che ci si può aspettare è di evitare il peggio (I. Calvino, Se una notte d inverno un viaggiatore, 1979) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 10 / 46
22 Probabilità come prezzo Quanti biglietti da 10 Euro mi dareste in cambio di questo? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 11 / 46
23 Probabilità come prezzo Quanti biglietti da 10 Euro mi dareste in cambio di questo? Costas (un vostro collega di Atene) potrebbe onestamente considerare equo uno scambio con 8 biglietti da 10 Euro. Questo vorrebbe dire che Costas attribuisce all evento che la Grecia esca dall Euro (diciamo entro maggio) il 20% di probabilità, cioè P C (GREXIT ) = 0.8 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 11 / 46
24 Più in generale Sia E un evento ben determinato. Allora P(E) è il prezzo equo p che un individuo è disposto a pagare in cambio del diritto a ricevere la somma incerta { 1 se θ si verifica x = 0 altrimenti Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 12 / 46
25 Il peggio è l ovvia incoerenza Vi offrono di scommettere sulle prossime elezioni e in particolare sui tre eventi E 1,E 2, E 3 a cui assegnate le seguenti probabilità P(E 1 ) =.2 (vincerà Berlusconi) P(E 2 ) =.7 (vincerà Bersani) P(E 3 ) =.8 (vincerà un candidato il cui cognome comincia con Ber ) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 13 / 46
26 Il peggio è l ovvia incoerenza Vi offrono di scommettere sulle prossime elezioni e in particolare sui tre eventi E 1,E 2, E 3 a cui assegnate le seguenti probabilità P(E 1 ) =.2 (vincerà Berlusconi) P(E 2 ) =.7 (vincerà Bersani) P(E 3 ) =.8 (vincerà un candidato il cui cognome comincia con Ber ) In altre parole, siete disposti a ricevere (in qualche unità monetaria):.8 se vincerà Berlusconi e a perderne.2 altrimenti.3 se vincerà Bersani e a perderne.7 altrimenti.2 se vincerà Ber e a perderne.8 altrimenti Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 13 / 46
27 Il peggio è l ovvia incoerenza Vi offrono di scommettere sulle prossime elezioni e in particolare sui tre eventi E 1,E 2, E 3 a cui assegnate le seguenti probabilità P(E 1 ) =.2 (vincerà Berlusconi) P(E 2 ) =.7 (vincerà Bersani) P(E 3 ) =.8 (vincerà un candidato il cui cognome comincia con Ber ) In altre parole, siete disposti a ricevere (in qualche unità monetaria):.8 se vincerà Berlusconi e a perderne.2 altrimenti.3 se vincerà Bersani e a perderne.7 altrimenti.2 se vincerà Ber e a perderne.8 altrimenti Le quote che siete disposti a pagare vi possono far incorrere in perdita sicura di.1 e questo è un comportamento ovviamente incoerente Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 13 / 46
28 L idea fondamentale condizione necessaria per la razionalità = evitare il comportamento ovviamente irrazionale scommettere in modo da perdere a colpo sicuro è una chiara istanza di comportamento ovviamente irrazionale i gradi di convinzione di un individuo razionale dovranno essere tali da scongiurare la perdita sicura in scommesse opportunamente definite Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 14 / 46
29 L idea fondamentale condizione necessaria per la razionalità = evitare il comportamento ovviamente irrazionale scommettere in modo da perdere a colpo sicuro è una chiara istanza di comportamento ovviamente irrazionale i gradi di convinzione di un individuo razionale dovranno essere tali da scongiurare la perdita sicura in scommesse opportunamente definite questo succede se e solo se i gradi di convinzione sono valori di probabilità Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 14 / 46
30 Questa è un ottima notizia! 1 la probabilità è un area molto sviluppata della matematica, di cui sappiamo molte cose Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 15 / 46
31 Questa è un ottima notizia! 1 la probabilità è un area molto sviluppata della matematica, di cui sappiamo molte cose 2 l incertezza così formalizzata permette di importare metodi e conoscenze da molte aree consolidate della scienza e in particolare la definizione di incertezza come entropia di una variabile aleatoria Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 15 / 46
32 Entropia di Boltzmann-Shannon Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 16 / 46
33 Incertezza nella matematica Mathematics is not a deductive science that s a cliche. When you try to prove a theorem, you don t just list the hypotheses, and then start to reason. What you do is trial and error, experimentation, guesswork. (P. Halmos, I want to be a Mathematician, Springer-Verlag 1985) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 17 / 46
34 Certezze non dimostrate Prendiamo in considerazione le relazioni = 10; = 20; = 30 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 18 / 46
35 Certezze non dimostrate Prendiamo in considerazione le relazioni = 10; = 20; = 30 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 18 / 46
36 Certezze non dimostrate Prendiamo in considerazione le relazioni = 10; = 20; = 30 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 18 / 46
37 Certezze non dimostrate Prendiamo in considerazione le relazioni = 10; = 20; = 30 Congettura Per analogia si può tentativamente convincerci del fatto che tutti i numeri pari > 4 sono scrivibili come somme di numeri primi dispari. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 18 / 46
38 Certezze non dimostrate Prendiamo in considerazione le relazioni = 10; = 20; = 30 Congettura Per analogia si può tentativamente convincerci del fatto che tutti i numeri pari > 4 sono scrivibili come somme di numeri primi dispari. E vera? Già al tempo di Euler la congettura di Goldbach era considerato un fatto noto, ma che nessuno è mai riuscito a dimostrare. Tuttavia nessuno crede che sia falsa! Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 18 / 46
39 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 19 / 46
40 Perché siamo incerti? 1 ignoranza (non abbiamo le informazioni necessarie per rispondere) (Pierre-Simon De Laplace ) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 20 / 46
41 Perché siamo incerti? 1 ignoranza (non abbiamo le informazioni necessarie per rispondere) 2 limitazioni computazionali (non siamo in grado di processare in modo ottimale le informazioni che abbiamo) (Pierre-Simon De Laplace ) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 20 / 46
42 Perché siamo incerti? 1 ignoranza (non abbiamo le informazioni necessarie per rispondere) 2 limitazioni computazionali (non siamo in grado di processare in modo ottimale le informazioni che abbiamo) 3 il fenomeno che ci interessa è intrinsecamente aleatorio (Pierre-Simon De Laplace ) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 20 / 46
43 Incertezza strategica Giocatori: {M, B} Strategie: {R, A} Preferenze: (A, R) M (R, R) M, (A, A) M (R, A) (R, A) B (R, R) B, (A, A) B (A, R) M B R A R 3,3 0, 4 A 4, 0 1,1 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 21 / 46
44 Incertezza strategica Le ipotesi di razionalità e conoscenza condivisa che danno luogo ai concetti risolutivi in teoria dei giochi hanno lo scopo di eliminare l incertezza Giocatori: {M, B} Strategie: {R, A} Preferenze: (A, R) M (R, R) M, (A, A) M (R, A) (R, A) B (R, R) B, (A, A) B (A, R) M B R A R 3,3 0, 4 A 4, 0 1,1 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 21 / 46
45 La moneta di Borel Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 22 / 46
46 La moneta di Borel L incertezza dell esito può persistere soggettivamente anche dopo che l evento è diventato determinabile Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 22 / 46
47 L elettrone-onda Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 23 / 46
48 L elettrone-onda Non possiamo determinare in modo categorico la posizione dell elettrone, al più la possiamo caratterizzare probabilisticamente Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 23 / 46
49 Dio e i dadi God does not play dice with the universe Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 24 / 46
50 Dio e i dadi God does not play dice with the universe Not only does God definitely play dice, but He sometimes confuses us by throwing them where they can t be seen Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 24 / 46
51 La sintesi Laplace-de Finetti Assumeremo, con ipotesi (metafisica!), che tutti gli eventi di interesse sono determinabili. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 25 / 46
52 La sintesi Laplace-de Finetti Assumeremo, con ipotesi (metafisica!), che tutti gli eventi di interesse sono determinabili. Ipotesi di determinazione degli eventi Cercheremo di analizzare, definire e misurare l incertezza di eventi che hanno un valore di verità ben definito e completamente accessibile. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 25 / 46
53 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 26 / 46
54 Othello That handkerchief which I so loved and gave thee. Thou gavest to Cassio. La certezza non è infrequentemente ortogonale alla verità Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 27 / 46
55 Paragone schematico composizionali vincoli si riferiscono a misurano GdC GDV Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 28 / 46
56 Paragone schematico GdC GDV composizionali no sì vincoli si riferiscono a misurano Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 28 / 46
57 Paragone schematico GdC GDV composizionali no sì vincoli soggettivi oggettivi si riferiscono a misurano Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 28 / 46
58 Paragone schematico GdC GDV composizionali no sì vincoli soggettivi oggettivi si riferiscono a eventi misurano Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 28 / 46
59 Paragone schematico GdC GDV composizionali no sì vincoli soggettivi oggettivi si riferiscono a eventi fatti misurano incertezza epistemica??? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 28 / 46
60 Le coincidenze su [0, 1] There is no possible doubt, after the beautiful research of Lukasiewicz, Reichenbach, Mazurkiewicz et al., that the calculus of probability can be considered as a many-valued logic (precisely: a continuous scale of values), and that this point of view is the best one for elucidating the fundamental concept and logic of probability de Finetti, B. (1995). The Logic of Probability (1935). Philosophical Studies, 77, Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 29 / 46
61 Le coincidenze su [0, 1] There is no possible doubt, after the beautiful research of Lukasiewicz, Reichenbach, Mazurkiewicz et al., that the calculus of probability can be considered as a many-valued logic (precisely: a continuous scale of values), and that this point of view is the best one for elucidating the fundamental concept and logic of probability. But this end is far from being achieved by the mere conclusion, of a purely formal nature, that the calculus of probabilities is a many-valued logic; such a conclusion is useful only as a point of departure, it does not constitute a way of solving the problem, but only an apt way of expressing it distinctly. 1 1 de Finetti, B. (1995). The Logic of Probability (1935). Philosophical Studies, 77, Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 29 / 46
62 Idea centrale Benché nella pratica quotidiana succeda spesso che le due si sovrappongano, è fondamentale tenere presente la distinzione qualitativa che sussiste tra la convinzione e la verità. (O. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 30 / 46
63 Idea centrale Benché nella pratica quotidiana succeda spesso che le due si sovrappongano, è fondamentale tenere presente la distinzione qualitativa che sussiste tra la convinzione e la verità. Promemoria La convinzione assoluta produce mostri. (O. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 30 / 46
64 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 31 / 46
65 La logica dell incerto Supponete che la sig.ra Fortuna vi offra la possibilità di giocare quante volte volete con lei, alle seguenti condizioni: 1 Fortuna lancia una moneta e vi promette 1 Euro esce testa (e nulla altrimenti). quanto paghereste? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 32 / 46
66 La logica dell incerto Supponete che la sig.ra Fortuna vi offra la possibilità di giocare quante volte volete con lei, alle seguenti condizioni: 1 Fortuna lancia una moneta e vi promette 1 Euro esce testa (e nulla altrimenti). quanto paghereste? 2 Fortuna lancia un dado (con sei facce) e vi promette n Euro se il dado mostra la faccia n (e nulla altrimenti) quanto paghereste? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 32 / 46
67 Non è sempre così facile Monty Hall Suppose you re on a game show, and you re given the choice of three doors: Behind one door is a car; behind the others, goats. You pick a door, say No. 1, and the host, who knows what s behind the doors, opens another door, say No. 3, which has a goat. He then says to you, Do you want to pick door No. 2? Is it to your advantage to switch your choice? vos Savant, M. Ask Marilyn column, Parade Magazine, 2 December 1990 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 33 / 46
68 Inferenza induttiva Il problema di determinare l aggiornamento delle nostre opinioni alla luce di nuove informazioni coinvolge i concetti di probabilità condizionata induzione Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 34 / 46
69 Inferenza induttiva Il problema di determinare l aggiornamento delle nostre opinioni alla luce di nuove informazioni coinvolge i concetti di probabilità condizionata induzione Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 34 / 46
70 Inferenza induttiva Il problema di determinare l aggiornamento delle nostre opinioni alla luce di nuove informazioni coinvolge i concetti di probabilità condizionata induzione Induzione In che misura le informazioni di partenza costituiscono buone ragioni per accettare assegnare un certo grado di convinzione agli eventi di interesse? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 34 / 46
71 Inferenza induttiva Il problema di determinare l aggiornamento delle nostre opinioni alla luce di nuove informazioni coinvolge i concetti di probabilità condizionata induzione Induzione In che misura le informazioni di partenza costituiscono buone ragioni per accettare assegnare un certo grado di convinzione agli eventi di interesse? In che misura l osservazione di un fenomeno ci dà ragione per ritenere che questo si verifichi in futuro? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 34 / 46
72 Inferenza induttiva Il problema di determinare l aggiornamento delle nostre opinioni alla luce di nuove informazioni coinvolge i concetti di probabilità condizionata induzione Induzione In che misura le informazioni di partenza costituiscono buone ragioni per accettare assegnare un certo grado di convinzione agli eventi di interesse? In che misura l osservazione di un fenomeno ci dà ragione per ritenere che questo si verifichi in futuro? Quali sono i vincoli di consistenza per la dinamica delle opinioni? Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 34 / 46
73 Il problema dell induzione That the sun will not rise to-morrow is no less intelligible a proposition, and implies no more contradiction than the affirmation, that it will rise. (Enquiry IV) D. Hume ( ) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 35 / 46
74 Il problema dell induzione The mere fact that something has happened a certain number of times causes animals and men to expect that it will happen again. Thus our instincts certainly cause us to believe the sun will rise to-morrow, but we may be in no better a position than the chicken which unexpectedly has its neck wrung. (On Induction) B. Russell ( ) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 35 / 46
75 A proposito di polli... L indice di contentezza del pollo (Taleb 2007) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 36 / 46
76 A proposito di polli... L indice di contentezza del pollo (Taleb 2007) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 36 / 46
77 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 37 / 46
78 Non tutte le scommesse sono uguali Nel caso della roulette possiamo calcolare il valore previsto della nostra puntata, mentre nel caso dei cavalli lo possiamo al massimo stimare. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 38 / 46
79 Le interpretazioni della probabilità L attenzione a fenomeni di natura distinta ha portato a due atteggiamenti molto diversi riguardo al concetto di incertezza e conseguentemente a quello di probabilità: Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 39 / 46
80 Le interpretazioni della probabilità L attenzione a fenomeni di natura distinta ha portato a due atteggiamenti molto diversi riguardo al concetto di incertezza e conseguentemente a quello di probabilità: oggettiva (la probabilità è una proprietà del mondo) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 39 / 46
81 Le interpretazioni della probabilità L attenzione a fenomeni di natura distinta ha portato a due atteggiamenti molto diversi riguardo al concetto di incertezza e conseguentemente a quello di probabilità: oggettiva (la probabilità è una proprietà del mondo) soggettiva (la probabilità è una proprietà dello stato mentale del soggetto che la valuta) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 39 / 46
82 Le definizioni della probabilità La distinzione soggettivo-oggettivo è fondamentale nelle definizioni del concetto di probabilità: classica (Bernoulli, Laplace) (Basilea, 1713) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 40 / 46
83 Le definizioni della probabilità La distinzione soggettivo-oggettivo è fondamentale nelle definizioni del concetto di probabilità: classica (Bernoulli, Laplace) frequentista (Venn, von Mises) (Basilea, 1713) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 40 / 46
84 Le definizioni della probabilità La distinzione soggettivo-oggettivo è fondamentale nelle definizioni del concetto di probabilità: classica (Bernoulli, Laplace) frequentista (Venn, von Mises) logicista (Keynes, Carnap) (Basilea, 1713) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 40 / 46
85 Le definizioni della probabilità La distinzione soggettivo-oggettivo è fondamentale nelle definizioni del concetto di probabilità: classica (Bernoulli, Laplace) frequentista (Venn, von Mises) logicista (Keynes, Carnap) operativista (de Finetti, Ramsey) (Basilea, 1713) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 40 / 46
86 Le definizioni della probabilità La distinzione soggettivo-oggettivo è fondamentale nelle definizioni del concetto di probabilità: classica (Bernoulli, Laplace) frequentista (Venn, von Mises) logicista (Keynes, Carnap) operativista (de Finetti, Ramsey) assiomatica (Kolmogorov) (Basilea, 1713) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 40 / 46
87 Problemi distinti Focus frequentista Focus soggettivista Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 41 / 46
88 Problemi distinti Focus frequentista fenomeni di massa Focus soggettivista eventi singoli ben determinati Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 41 / 46
89 Problemi distinti Focus frequentista fenomeni di massa la probabilità è indipendente dall osservatore Focus soggettivista eventi singoli ben determinati la probabilità è non esiste senza osservatore Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 41 / 46
90 Problemi distinti Focus frequentista fenomeni di massa la probabilità è indipendente dall osservatore attenzione al lungo termine Focus soggettivista eventi singoli ben determinati la probabilità è non esiste senza osservatore attenzione alla coerenza della valutazione Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 41 / 46
91 Fenomeni di massa 0 1 Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
92 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
93 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
94 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
95 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
96 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
97 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
98 Fenomeni di massa Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
99 Fenomeni di massa imprevedibili nel dettaglio individuale regolari nell aggregato (tutti i blocchi saranno bagnati per n grande!) Sotto certe condizioni danno luogo a una quantificazione estremamente affidabile dell incertezza (cf. casino, assicurazioni...) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 42 / 46
100 Eventi singoli ben determinati il Movimento 5 stelle supererà la soglia di sbarramento alla Camera Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 43 / 46
101 Eventi singoli ben determinati il Movimento 5 stelle supererà la soglia di sbarramento alla Camera almeno quattro di voi scriveranno una tesi sui fondamenti della probabilità Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 43 / 46
102 Eventi singoli ben determinati il Movimento 5 stelle supererà la soglia di sbarramento alla Camera almeno quattro di voi scriveranno una tesi sui fondamenti della probabilità un terremoto di magnitudo Richter 6,9 verrà registrato entro il 20 febbraio sull isola di Montecristo. Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 43 / 46
103 Eventi singoli ben determinati il Movimento 5 stelle supererà la soglia di sbarramento alla Camera almeno quattro di voi scriveranno una tesi sui fondamenti della probabilità un terremoto di magnitudo Richter 6,9 verrà registrato entro il 20 febbraio sull isola di Montecristo. Il disaccordo personale sulle valutazioni di probabilità solleva la questione dell affidabilità della misura dell incertezza Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 43 / 46
104 Il punto di vista soggettivo Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 44 / 46
105 Epistemologia dell incertezza 1 Zeitgeist 2 Conoscenza Incertezza 3 Determismo - Indeterminismo 4 Verità Convinzione 5 Inferenza deduzione 6 Soggettivo Oggettivo 7 Riassunto / programma Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 45 / 46
106 Programma elementi di logica probabilistica il teorema di coerenza de Finetti probabilità condizionata e inferenza induttiva filosofia della probabilità: misurare, definire, interpretare la probabilità la probabilità nelle decisioni (cenni) Hykel Hosni (SNS Pisa) Epistemologia dell incertezza 21/01/13 46 / 46
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
DettagliAspetti probabilistici del gioco d azzardo
Università degli Studi di Genova Scuola di Scienze Sociali Dipartimento di Economia Perché il banco vince sempre? Aspetti probabilistici del gioco d azzardo Enrico di Bella (edibella@economia.unige.it)
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. 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
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliVINCERE AL BLACKJACK
VINCERE AL BLACKJACK Il BlackJack è un gioco di abilità e fortuna in cui il banco non può nulla, deve seguire incondizionatamente le regole del gioco. Il giocatore è invece posto continuamente di fronte
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliTEORIA 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(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
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliViene 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
DettagliIL CONCETTO DI FENOMENO ALEATORIO
IL CONCETTO DI FENOMENO ALEATORIO Osservazione di Fenomeni Naturali (fisici, chimici,...) Sociali (economici, finanziari, psicologici,...) sui quali è difficile fare una previsione a causa di meccanismi
DettagliStatistica 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
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
Dettagli2. Semantica proposizionale classica
20 1. LINGUAGGIO E SEMANTICA 2. Semantica proposizionale classica Ritorniamo un passo indietro all insieme dei connettivi proposizionali che abbiamo utilizzato nella definizione degli enunciati di L. L
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliTest 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
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliStatistica 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
DettagliPolli e conigli. problemi Piano cartesiano. Numeri e algoritmi Sistemi e loro. geometrica. Relazioni e funzioni Linguaggio naturale e
Polli e conigli Livello scolare: primo biennio Abilità Interessate Calcolo di base - sistemi Risolvere per via grafica e algebrica problemi che si formalizzano con equazioni. Analizzare semplici testi
DettagliTeoria dei giochi. 1. Introduzione ed esempi. Slides di Teoria dei Giochi, Vincenzo Cutello 1
Teoria dei giochi 1. Introduzione ed esempi Vincenzo Cutello 1 Cos è la teoria dei giochi? Da Wikipedia: La teoria dei giochi è la scienza matematica che analizza situazioni di conflitto e ne ricerca soluzioni
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliI PROBLEMI ALGEBRICI
I PROBLEMI ALGEBRICI La risoluzione di problemi è una delle attività fondamentali della matematica. Una grande quantità di problemi è risolubile mediante un modello algebrico costituito da equazioni e
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliELEMENTI DI LOGICA PROBABILISTICA 29
ELEMENTI DI LOGICA PROBABILISTICA 29 3.1. Lo schema delle scommesse di de Finetti. La nostra analisi della logica probabilistica si è fino a qui basata su due assunzioni. La prima è che la logica dei gradi
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliLaboratorio 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
DettagliProblemi e formula di Bayes. Daniela Valen), Treccani Scuola
Problemi e formula di Bayes Daniela Valen), Treccani Scuola 1 Problemi antichi 1. Lancio una volta un dado A 1 : Esce 6 P( A 1 ) = 1 6 B 1 : NON esce 6 2. Lancio più volte un dado P( B 1 ) = 5 6 Sapere
DettagliProbabilità 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
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliLa teoria dell utilità attesa
La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliLa 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
DettagliAppunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliEinstein e la meccanica quantistica: Causalità ed azione a distanza
Einstein e la meccanica quantistica: Causalità ed azione a distanza Gennaro Auletta Istituto di Filosofia - URBINO Pontificia Università Gregoriana - ROMA Sommario Breve presentazione dei Principi della
DettagliTeoria dei Giochi non Cooperativi
Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare
DettagliIl progetto nella Scuola Secondaria di primo grado: percorsi in aritmetica e percorsi pluridisciplinari
Il progetto nella Scuola Secondaria di primo grado: percorsi in aritmetica e percorsi pluridisciplinari Francesca Morselli, Monica Testera & Alfonsina Sibilla Dipartimento di Matematica Università di Genova
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 9 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html TEOREMI DI ESISTENZA TEOREMI DI ESISTENZA Teorema
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliMATEMATICA E STATISTICA CORSO B PROF. MARCO ABATE. 23 novembre 2006
MATEMATICA E STATISTICA CORSO B PROF. MARCO ABATE PRIMO COMPITINO FILA B SOLUZIONI 3 novembre 006. Parte I Esercizio.. Al mercato della frutta i prezzi sono scontati rispetto ai prezzi nei supermercati.
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliSchemi delle Lezioni di Matematica Generale. Pierpaolo Montana
Schemi delle Lezioni di Matematica Generale Pierpaolo Montana A volte i fenomeni economici che ci interessano non variano con continuitá oppure non possono essere osservati con continuitá, ma solo a intervalli
DettagliScelte in condizione di incertezza
Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo
DettagliIl calcolo letterale per risolvere problemi e per dimostrare
Il calcolo letterale per risolvere problemi e per dimostrare (si prevedono circa 25 ore di lavoro in classe) Nome e cognome dei componenti del gruppo che svolge le attività di gruppo di questa lezione
DettagliScelte in condizioni di rischio e incertezza
CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliCalcolo 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
DettagliEconomia del Lavoro 2010
Economia del Lavoro 2010 Capitolo 1-3 Offerta di lavoro -Le preferenze del lavoratore 1 Offerta di lavoro Le preferenze del lavoratore Il comportamento dell offerta di lavoro è analizzato dagli economisti
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliVIAGGI E PRENOTAZIONI IN PAESI A RISCHIO: CHE FARE? PRIME RISPOSTE PER IL TURISTA IN DIFFICOLTÀ
VIAGGI E PRENOTAZIONI IN PAESI A RISCHIO: CHE FARE? PRIME RISPOSTE PER IL TURISTA IN DIFFICOLTÀ Oggi assistiamo ad un turismo che vede spostarsi in ogni periodo grandi quantità di persone in ogni parte
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
DettagliTesto alla base del Pitgame redatto dal prof. Yvan Lengwiler, Università di Basilea
Testo alla base del Pitgame redatto dal prof. Yvan Lengwiler, Università di Basilea Funzionamento di un mercato ben organizzato Nel Pitgame i giocatori che hanno poche informazioni private interagiscono
Dettagli1 Probabilità condizionata
1 Probabilità condizionata Accade spesso di voler calcolare delle probabilità quando si è in possesso di informazioni parziali sull esito di un esperimento, o di voler calcolare la probabilità di un evento
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliCosa ci può stimolare nel lavoro?
a Cosa ci può stimolare nel lavoro? Quello dell insegnante è un ruolo complesso, in cui entrano in gioco diverse caratteristiche della persona che lo esercita e della posizione che l insegnante occupa
DettagliLezioni di Matematica 1 - I modulo
Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMemory Fitness TECNICHE DI MEMORIA
Memory Fitness TECNICHE DI MEMORIA IMPARIAMO DAGLI ERRORI Impariamo dagli errori (1/5) Impariamo dagli errori (2/5) Il più delle volte siamo portati a pensare o ci hanno fatto credere di avere poca memoria,
DettagliPROBABILITA 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,
DettagliSarà del tutto identico a come se giocassimo 4 schedine da 2 euro ciascuna così fatte, avremo quindi 4 combinazioni:
SISTEMISTICA. Prefazione. Il mio consiglio è quello di giocare in base al budget di cui si dispone. Se in budget è limitato si può optare di giocare più persone insieme. Sia chiaro che bisogna sempre avere
DettagliLe scelte del consumatore in condizione di incertezza (cap.5)
Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il
DettagliIntesa come accesso ai media e capacità di uso degli strumenti (in particolare la TV);
SKY: progetto Scuole/Sky TG24 Questionario studenti Le aree di indagine: 1. Accessibilità 2. Analisi critica 3. Comunicazione 4. Focus su nuove professionalità ---------------------------------------------------------------------
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliLE COSTANTI E LE LEGGI FISICHE DIPENDONO DAL TEMPO
Pagina 1 di 8 LE COSTANTI E LE LEGGI FISICHE DIPENDONO DAL TEMPO Ing. Pier Franz Roggero, Dott. Michele Nardelli, P.A. Francesco Di Noto Abstract: This paper explains that all physical constants and consequently
DettagliDecisioni in condizioni di rischio. Roberto Cordone
Decisioni in condizioni di rischio Roberto Cordone Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di
DettagliUna risposta ad una domanda difficile
An Answer to a Tough Question Una risposta ad una domanda difficile By Serge Kahili King Traduzione a cura di Josaya http://www.josaya.com/ Un certo numero di persone nel corso degli anni mi hanno chiesto
DettagliOsservazioni sulla continuità per le funzioni reali di variabile reale
Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto
DettagliSei sicuro di quanto costa il tuo prodotto? Il nuovo metodo dell Activity-based costing.
Sei sicuro di quanto costa il tuo prodotto? Il nuovo metodo dell Activity-based costing. Torino, 24 maggio 2006 Indice Premessa...p. 3 Determinazione dei costi di prodotto: confronto fra i diversi metodi...p.
DettagliGIUSTIFICARE LE RISPOSTE. Non scrivere la soluzione di esercizi diversi su uno stesso foglio.
Teoria dei giochi applicata alle scienze sociali Laurea Specialistica in Ingegneria Gestionale, Politecnico di MI, 2006/07 I prova intermedia, 19 dicembre 2006, foglio A Tempo: 2 ore e 1/2; risolvere 3
DettagliPROBABILITA 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,
DettagliCONCETTO DI ANNIDAMENTO
LEZIONE14 SQL ANNIDAMENTI PAG. 1 / 5 PROF. ANDREA ZOCCHEDDU LEZIONE14 SQL ANNIDAMENTI CONCETTO DI ANNIDAMENTO LINGUAGGIO SQL QUERY ANNIDATE Per annidamento si intende la possibilità che, all interno di
Dettagliliste di liste di controllo per il manager liste di controllo per il manager liste di controllo per i
liste di controllo per il manager r il manager liste di controllo per il manager di contr liste di liste di controllo per il manager i controllo trollo per il man liste di il man liste di controllo per
DettagliUlteriori problemi di fisica e matematica
Facoltà di Medicina e Chirurgia Università degli Studi di Firenze Agosto 2010 Ulteriori problemi di fisica e matematica Giovanni Romano Perché un raggio di luce proveniente dal Sole e fatto passare attraverso
DettagliCorso di Matematica. Corso di Laurea in Farmacia, Facoltà di Farmacia. Università degli Studi di Pisa. Maria Luisa Chiofalo.
Corso di Matematica Corso di Laurea in Farmacia, Facoltà di Farmacia Università degli Studi di Pisa Maria Luisa Chiofalo Scheda 18 Esercizi svolti sul calcolo delle probabilità I testi degli esercizi sono
Dettagli