Statistica. Esercitazione 9. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
|
|
- Donato Serra
- 6 anni fa
- Visualizzazioni
Transcript
1 Esercitazione 9 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 56
2 Outline () 2 / 56
3 Teoria della La teoria della è, al fondo, semplice buon senso tradotto in calcolo; ci fa valutare con esattezza ci che una mente ragionevole sente per una sorta di istinto...molte delle più importanti questioni della vita sono dei problemi di. (Pierre Simon De Laplace) () 3 / 56
4 Teoria della La ha una duplice natura: un concetto primitivo: ogni essere umano ha la capacità di considerare piú o meno possibile il verificarsi di un determinato evento una misura: possibile infatti associare al concetto primitivo una quantificazione numerica () 4 / 56
5 Teoria della La ha una duplice natura: un concetto primitivo: ogni essere umano ha la capacità di considerare piú o meno possibile il verificarsi di un determinato evento una misura: possibile infatti associare al concetto primitivo una quantificazione numerica concetto ma non misura Anche il più sprovveduto dei giocatori di poker sa perfettamente che ricevere dal banco un poker servito è meno probabile di ricevere una coppia. Non è così scontato che sappia assegnare una misura alla sua sensazione (...del resto, se un giocatore di poker sprovveduto...). () 4 / 56
6 Caratteristiche di un esperimento probabilistico La necessità di trovare una misura delle associate a diverse situazioni reali induce ad effettuare degli esperimenti probabilistici: indipendentemente dal fenomeno oggetto di studio, tali esperimenti hanno degli elementi comuni: 1 incertezza del risultato 2 ripetibilità dell esperimento 3 equi dei risultati () 5 / 56
7 Caratteristiche di un esperimento probabilistico La necessità di trovare una misura delle associate a diverse situazioni reali induce ad effettuare degli esperimenti probabilistici: indipendentemente dal fenomeno oggetto di studio, tali esperimenti hanno degli elementi comuni: 1 incertezza del risultato 2 ripetibilità dell esperimento 3 equi dei risultati Tali aspetti non caratterizzano la tà degli esperimenti probabilistci: tutti gli esperimenti sono caratterizzati da incertezza nei risultati molti esperimenti sono ripetibili alcuni esperimenti conducono a esiti equiprobabili () 5 / 56
8 Definizione classica di Dato un esperimento i cui esiti siano tutti ugualmente probabili, la del verificarsi di un certo evento A è data dal rapporto tra m, numero di esiti possibili che determinano il verificarsi di A, ed n numero di possibili esiti dell esperimento. () 6 / 56
9 Definizione classica di Dato un esperimento i cui esiti siano tutti ugualmente probabili, la del verificarsi di un certo evento A è data dal rapporto tra m, numero di esiti possibili che determinano il verificarsi di A, ed n numero di possibili esiti dell esperimento. P (A) = m n () 6 / 56
10 Definizione classica di Dato un esperimento i cui esiti siano tutti ugualmente probabili, la del verificarsi di un certo evento A è data dal rapporto tra m, numero di esiti possibili che determinano il verificarsi di A, ed n numero di possibili esiti dell esperimento. P (A) = m n Tale tipo di definizione presuppone che l esperimento probabilistico risponda ai requisiti di incertezza, ripetibilità ed equi dei risultati. () 6 / 56
11 Definizione frequentista di Ripetendo n volte un esperimento nelle medesime condizioni, la di un evento A è il limite cui tende la frequenza relativa dell evento al crescere del numero di prove. In particolare, se n è il numero di ripetizioni dell esperimento () 7 / 56
12 Definizione frequentista di Ripetendo n volte un esperimento nelle medesime condizioni, la di un evento A è il limite cui tende la frequenza relativa dell evento al crescere del numero di prove. In particolare, se n è il numero di ripetizioni dell esperimento P (A) = lim n + freq(a) n () 7 / 56
13 Definizione frequentista di Ripetendo n volte un esperimento nelle medesime condizioni, la di un evento A è il limite cui tende la frequenza relativa dell evento al crescere del numero di prove. In particolare, se n è il numero di ripetizioni dell esperimento P (A) = lim n + freq(a) n Tale tipo di definizione presuppone che l esperimento probabilistico risponda ai requisiti di incertezza, ripetibilità ma non richiede l equi dei risultati. () 7 / 56
14 Definizione soggettivista di In alcuni casi ci si domanda quale sia la associata ad eventi che risultano da esperimenti che non sono equiprobabili o ripetibili. Se è lecito domandarsi se quale sia la che in un altro sistema solare si siano sviluppate forme di vita analoghe alla nostra, è altrettanto vero che tale esperimento non presenta requisiti di equi o di ripetibilità. () 8 / 56
15 Definizione soggettivista di In alcuni casi ci si domanda quale sia la associata ad eventi che risultano da esperimenti che non sono equiprobabili o ripetibili. Se è lecito domandarsi se quale sia la che in un altro sistema solare si siano sviluppate forme di vita analoghe alla nostra, è altrettanto vero che tale esperimento non presenta requisiti di equi o di ripetibilità. Definizione soggettivista di : la di un evento A possibile risultato di un esperimento dato dalla somma che un individuo (coerente) sarebbe disposto a puntare sul verificarsi di A in cambio di una vincita unitaria (assumendo che si tratti di un gioco equo). () 8 / 56
16 Definizione soggettivista di In alcuni casi ci si domanda quale sia la associata ad eventi che risultano da esperimenti che non sono equiprobabili o ripetibili. Se è lecito domandarsi se quale sia la che in un altro sistema solare si siano sviluppate forme di vita analoghe alla nostra, è altrettanto vero che tale esperimento non presenta requisiti di equi o di ripetibilità. Definizione soggettivista di : la di un evento A possibile risultato di un esperimento dato dalla somma che un individuo (coerente) sarebbe disposto a puntare sul verificarsi di A in cambio di una vincita unitaria (assumendo che si tratti di un gioco equo). Tale tipo di definizione presuppone la sola incertezza dei risultati dell esperimento. () 8 / 56
17 prova: un esperimento soggetto ad incertezza evento: uno dei possibili risultati della prova : un valore numerico associato ad un evento () 9 / 56
18 prova: un esperimento soggetto ad incertezza evento: uno dei possibili risultati della prova : un valore numerico associato ad un evento la prova genera l evento con una certa () 9 / 56
19 Algebra degli eventi spazio campione Ω: l insieme di tutti i possibili esiti di una prova () 10 / 56
20 Algebra degli eventi Data una prova, l insieme dei possibili esiti, ad esempio, Ω = {A, B, C, D} Le operazioni possibili sugli eventi sono unione: F = (A B). L evento F si verifica pertanto quando l esito della prova A o B. intersezione: G = (C B). L evento G associato al verificarsi contemporaneo degli eventi C e B negazione: H = (A). H si verifica per qualunque esito della prova che non sia A () 11 / 56
21 Algebra degli eventi () 12 / 56
22 Algebra degli eventi () 12 / 56
23 Algebra degli eventi () 12 / 56
24 Algebra degli eventi () 12 / 56
25 Algebra degli eventi () 12 / 56
26 Algebra degli eventi () 12 / 56
27 Algebra degli eventi () 12 / 56
28 Algebra degli eventi Si consideri la prova lancio di un dado. Lo spazio campione Si considerino i seguenti eventi Ω = {E 1, E 2, E 3, E 4, E 5, E 6 } () 13 / 56
29 Algebra degli eventi Si consideri la prova lancio di un dado. Lo spazio campione Ω = {E 1, E 2, E 3, E 4, E 5, E 6 } Si considerino i seguenti eventi A = {E 1, E 2 }, B = {E 3, E 4, E 5 }, C = {E 1, E 4, E 6 } () 13 / 56
30 Algebra degli eventi Si consideri la prova lancio di un dado. Lo spazio campione Ω = {E 1, E 2, E 3, E 4, E 5, E 6 } Si considerino i seguenti eventi A = {E 1, E 2 }, B = {E 3, E 4, E 5 }, C = {E 1, E 4, E 6 } A B = {E 1, E 2, E 3, E 4, E 5 } A C = {E 1, E 2, E 4, E 6 } A C = {E 1 } B C = {E 4 } A = {E 3, E 4, E 5, E 6 } () 13 / 56
31 Algebra degli eventi: esempi Si consideri un urna contenente tre palline: una rossa (R) una verde (V) ed una blue (B). L esperimento consiste nell estrarre una pallina, reinserirla nell urna, dunque estrarre nuovamente una pallina Si indichi: Soluzione lo spazio campione Ω dell esperimento l evento composto la prima pallina estratta è verde l evento composto si estrae due volte la stessa pallina Lo spazio campione è Ω = {(R, R), (R, V ), (R, B), (V, R), (V, V ), (V, B), (B, R), (B, V ), (B, B)} l evento composto la prima pallina estratta è verde è {(V, R), (V, V ), (V, B)} l evento composto si estrae due volte la stessa pallina è {(R, R), (V, V ), (B, B)} () 14 / 56
32 Algebra degli eventi: esempi Un impiegato ospedaliero classifica i pazienti sulla di due criteri: condizioni di salute e presenza di copertura assicurativa. In particolare, le condizioni di salute vengono valutate buone (B), stabili (S), gravi (G) o critiche (C); la presenza di copertura assicurativa viene contrassegnata da 1, altrimenti 0. Si indichi: lo spazio campione Ω dell esperimento l evento composto paziente in condizioni gravi o critiche non coperto da assicurazione l evento composto paziente in condizioni buone o stabili l evento composto paziente coperto da assicurazione Soluzione Lo spazio campione è Ω = {(B, 1), (S, 1), (G, 1), (C, 1), (B, 0), (S, 0), (G, 0), (C, 0)} l evento composto paziente in condizioni gravi o critiche non coperto da assicurazione è {(G, 0), (C, 0)} l evento composto paziente in condizioni buone o stabili è {(B, 1), (S, 1), (B, 0), (S, 0)} l evento composto paziente coperto da assicurazione è {(B, 1), (S, 1), (G, 1), (C, 1)} () 15 / 56
33 del calcolo delle Di seguito sono riportati i postulati del calcolo delle di Kolmogorov. Siano E i, i = 1, 2,... eventi di uno spazio campione Ω. La di un evento E si indica con P (E) ed assume valori reali che soddisfa i seguenti postulati () 16 / 56
34 del calcolo delle Di seguito sono riportati i postulati del calcolo delle di Kolmogorov. Siano E i, i = 1, 2,... eventi di uno spazio campione Ω. La di un evento E si indica con P (E) ed assume valori reali che soddisfa i seguenti postulati Postulato 1: P (E i ) 0, E i Ω () 16 / 56
35 del calcolo delle Di seguito sono riportati i postulati del calcolo delle di Kolmogorov. Siano E i, i = 1, 2,... eventi di uno spazio campione Ω. La di un evento E si indica con P (E) ed assume valori reali che soddisfa i seguenti postulati Postulato 1: P (E i ) 0, E i Ω Postulato 2: P (Ω) = 1 () 16 / 56
36 del calcolo delle Di seguito sono riportati i postulati del calcolo delle di Kolmogorov. Siano E i, i = 1, 2,... eventi di uno spazio campione Ω. La di un evento E si indica con P (E) ed assume valori reali che soddisfa i seguenti postulati Postulato 1: P (E i ) 0, E i Ω Postulato 2: P (Ω) = 1 Postulato 3: P (E i E j ) = P (E i ) + P (E j ) se E i E j = () 16 / 56
37 condizionate La che si verifichi un evento B posto che si sia verificato l evento A si definisce P (B A) = P (A B) P (A) () 17 / 56
38 condizionate La che si verifichi un evento B posto che si sia verificato l evento A si definisce P (B A) = P (A B) P (A) A partire dalla definizione di condizionata, possibile definire la dell intersezione per eventi compatibili P (B A) = P (A)P (B A) () 17 / 56
39 ed eventi A e B incompatibili P (A B) = P (A) + P (B) P (B A) = 0 () 18 / 56
40 ed eventi A e B incompatibili P (A B) = P (A) + P (B) P (B A) = 0 A e B compatibili P (A B) = P (A) + P (B) P (A B) () 18 / 56
41 ed eventi A e B incompatibili P (A B) = P (A) + P (B) P (B A) = 0 A e B compatibili P (A B) = P (A) + P (B) P (A B) P (B A)= () 18 / 56
42 ed eventi A e B incompatibili P (A B) = P (A) + P (B) P (B A) = 0 A e B compatibili P (A B) = P (A) + P (B) P (A B) P (B A)= se A e B indipendenti: P (A) P (B) () 18 / 56
43 ed eventi A e B incompatibili P (A B) = P (A) + P (B) P (B A) = 0 A e B compatibili P (A B) = P (A) + P (B) P (A B) P (B A)= se A e B indipendenti: P (A) P (B) se A e B dipendenti: P (B A) P (A) oppure P (A B) P (B) () 18 / 56
44 Sommare le di eventi compatibili Un negozio accetta due tipi di carte di credito: AMERICAN EXPRESS (A) e VISA (V). Il 22% dei clienti del negozio usa AMERICAN EXPRESS, mentre il 58% utilizza VISA. Il 14% dei clienti possiede entrambe le carte. Soluzione Quanti clienti possiede almeno una delle carte di credito? In termini probabilistici le informazioni sono esprimibili in questo modo P (A) = 0.22 P (V ) = 0.58 P (A V ) = 0.14 La cercata è P (A B), formalmente P (A V ) = P (A) + P (V ) P (A V ) = = 0.66 () 19 / 56
45 condizionate: un esempio Un esperimento consiste nel lancio di due dati (D 1 e D 2): Sapendo che il risultato del primo lancio è D 1 = 4 quale è la che D 1 + D 2 = 10? Soluzione In termini probabilistici, poichè i possibili esiti per ciascun lancio sono 6 e i lanci in totale sono 2 lo spazio campione consiste di Ω = 6 2 = 36 eventi. sia A l evento lancio di due dati, con il primo lancio che risulta pari a 4. I risultati per i quali si verifica A sono {(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)}, da cui risulta che P (A) = 6 36 sia B l evento lancio di due dati, la somma dei risultati è pari a 10. I risultati per i quali si verifica B sono {(6, 4), (4, 6), (5, 5), (5, 5)}. Tuttavia l evento (A B) si verifica solo per {(4, 6)}, dunque P (B A) = P (A B) P (A) = 1/36 6/36 = 1 6 () 20 / 56
46 Esercizio elementari Due giocatori professionisti di scacchi A e B nella loro carriera hanno giocato contro 12 volte. Il giocatore A ha avuto la meglio in 6 occasioni, mentre B ha vinto quattro volte. In due occasioni la partita è stata patta. Si sfidano in un torneo su tre partite. Qual è la che A vinca tutte le partite del torneo? Qual è la che due delle partite risultino patte? Qual è la che le tre partite siano vinte in modo alternato dai giocatori? Qual è la che B vinca almeno una partita? () 21 / 56
47 Esercizio elementari: svolgimento...prima di Sulla degli scontri precedenti: P (A) = 6 12 = 1 è la che A vinca una partita 2 P (B) = 4 12 = 1 è la che B vinca una partita 3 P (T ) = 2 12 = 1 è la che una partita finisca patta 6 Qual è la che A vinca tutte le partite del torneo? P (A 1 A 2 A 3 ) = P (A 1 ) P (A 2 ) P (A 3 ) = = 1 8 Qual è la che due delle partite risultino patte? P ((T 1 T 2 T 3 ) (T 1 T 2 T 3 ) ( T 1 T 2 T 3 )) = = P (T 1 ) P (T 2 ) P ( T 3 ) + P (T 1 ) P ( T 2 ) P (T 3 )+ + P ( T 1 ) P (T 2 ) P (T 3 ) = = = = 5 72 () 22 / 56
48 Esercizio elementari: svolgimento...prima di Sulla degli scontri precedenti: P (A) = 6 12 = 1 è la che A vinca una partita 2 P (B) = 4 12 = 1 è la che B vinca una partita 3 P (T ) = 2 12 = 1 è la che una partita finisca patta 6 Qual è la che le tre partite siano vinte in modo alternato dai giocatori? P ((A 1 B 2 A 3 ) P (B 1 A 2 B 3 )) = = P (A 1 ) P (B 2 ) P (A 3 ) + P (B 1 ) P (A 2 ) P (B 3 ) = = = 5 36 Qual è la che B vinca almeno una partita? Questo evento è il complemento ad 1 di B non vince nessuna partita 1 P ( B 1 B 2 B 3 ) = 1 P ( B 1 ) P ( B 2 ) P ( B 3 ) = = () 23 / 56
49 Teorema delle Dato uno spazio campione Ω composto di E 1, E 2,... eventi, allora per ogni evento A Ω si ha che P (A) = + i=1 P (A E i )P (E i ) Vale a dire che la dell evento A data dalla media ponderata delle condizionate P (A E i ) con pesi dati da P (E i ). () 24 / 56
50 () 25 / 56
51 () 26 / 56
52 () 27 / 56
53 () 28 / 56
54 () 29 / 56
55 () 30 / 56
56 Partizione equiprobabile Dato un insieme di eventi E 1, E 2,..., E n, essi si definiscono partizione equiprobabile di Ω se: () 31 / 56
57 Partizione equiprobabile Dato un insieme di eventi E 1, E 2,..., E n, essi si definiscono partizione equiprobabile di Ω se: sono eventi necessari ovvero E 1 E 2... E n = Ω sono eventi incompatibili ovvero E i E j =, i j con i, j = 1,..., n sono eventi equiprobabili ovvero P (E 1 ) = P (E 2 ) =... = P (E n ) In questo caso la misura della di ciascun evento E i P (E i ) = 1 n in maniera coerente rispetto ai postulati di Kolmogorov. () 31 / 56
58 Partizione equiprobabile Dato un insieme di eventi E 1, E 2,..., E n, essi si definiscono partizione equiprobabile di Ω se: sono eventi necessari ovvero E 1 E 2... E n = Ω sono eventi incompatibili ovvero E i E j =, i j con i, j = 1,..., n sono eventi equiprobabili ovvero P (E 1 ) = P (E 2 ) =... = P (E n ) In questo caso la misura della di ciascun evento E i P (E i ) = 1 n in maniera coerente rispetto ai postulati di Kolmogorov. evento composto Analogamente, dato un evento A Ω che risulta essere A = E 1 E 2... E m, la di A data da P (A) = P (E 1 E 2... E m ) = P (E 1 ) + P (E 2 ) P (E m ) = m n () 31 / 56
59 Partizione equiprobabile () 32 / 56
60 Partizione equiprobabile Gli esiti delle prove lancio di un dado numero uscito alla roulette estrazione di una pallina da un urna sono esempi di partizione equiprobabile. () 32 / 56
61 Partizione equiprobabile e misura della A partire dalla misura della degli eventi elementari di partizioni equiprobabili possibile calcolare la di eventi generati da prove i cui eventi elementari siano equiprobabili. () 33 / 56
62 Partizione equiprobabile e misura della A partire dalla misura della degli eventi elementari di partizioni equiprobabili possibile calcolare la di eventi generati da prove i cui eventi elementari siano equiprobabili. Esempio 1 Si consideri la prova lancio di due monete, l insieme dei possibili risultati, vale a dire lo spazio campione Ω dato dagli eventi elementari E 1 = (T, T ), E 2 = (C, T ), E 3 = (T, C), E 4 = (C, C). L evento almeno una dei risultati testa avr data da P (E 1 E 2 E 3 ) = = 3 4 () 33 / 56
63 Partizione equiprobabile e misura della Esempio 2 Si consideri la prova estrazione di una pallina da un urna. Se nell urna ci sono cinque palline, tre nere e due bianche, l insieme dei possibili risultati, vale a dire lo spazio campione Ω dato dagli eventi elementari E 1 = N 1, E 2 = N 2, E 3 = N 3, E 4 = B 1, E 5 = B 2. L evento estrazione di una pallina bianca avr data da P (E 4 E 5 ) = = 2 5 () 34 / 56
64 Partizione equiprobabile e misura della Esempio 3 Si consideri la prova estrazione di due palline da un urna (CON REIMMISSIONE). Se nell urna ci sono cinque palline, tre nere e due bianche, si vuole la associata all evento le palline estratte sono entrambe bianche E = (B 1, B 2 ) avr data da P (B 1 B 2 ) = P (B 1 ) P (B 2 ) = = 4 25 () 35 / 56
65 Partizione equiprobabile e misura della Esempio 4 Si consideri la prova estrazione di due palline da un urna (SENZA REIMMISSIONE). Se nell urna ci sono cinque palline, tre nere e due bianche, si vuole la associata all evento le palline estratte sono entrambe bianche E = (B 1, B 2 ) avr data da P (B 1 B 2 ) = P (B 1 ) P (B 2 B 1 ) = = 1 10 () 36 / 56
66 si considerino gli eventi E 1, E 2,..., E k come cause che determinano l evento A. si consideri ad esempio l evento A come il manifestarsi di un sintomo ed i vari eventi E i le diverse malattie che possono aver causato il sintomo () 37 / 56
67 Si consideri che si verificato l evento A, si interessati (come spesso accade nelle applicazioni reali) a calcolare le che le cause E i abbiano determinato il verificarsi dell evento A, ovvero si vuole P (E i A) P (E i A) = P (E i A) P (A) () 38 / 56
68 Si consideri che si verificato l evento A, si interessati (come spesso accade nelle applicazioni reali) a calcolare le che le cause E i abbiano determinato il verificarsi dell evento A, ovvero si vuole P (E i A) P (E i A) = P (E i A) P (A) Inoltre, per il teorema delle k P (A) = P (A E i )P (E i ) i () 38 / 56
69 Si consideri che si verificato l evento A, si interessati (come spesso accade nelle applicazioni reali) a calcolare le che le cause E i abbiano determinato il verificarsi dell evento A, ovvero si vuole P (E i A) P (E i A) = P (E i A) P (A) Inoltre, per il teorema delle k P (A) = P (A E i )P (E i ) i Sapendo che la dell intersezione per eventi non indipendenti P (E i A) = P (A E i )P (E i ) () 38 / 56
70 Si ricava, sostituendo opportunamente la formula del teorema di P (E i A) = P (E i A) P (A) = P (A E i)p (E i ) k i P (A E i)p (E i ) () 39 / 56
71 : esempio Un esame del sangue identifica la presenza di una malattia nel 99% dei casi. Tuttavia nel 2% dei casi esso conduce a falsi positivi: pazienti sani risultano malati. Sapendo che tale malattia afflige il 0.5% delle persone, qual è la che l esito positivo del test identifichi una persona effettivamente malata? Formalizzando D: l individuo ha la malattia E: l esito del test è positivo P (E D) = 0.99: test positivo posto che il soggetto è malato P (E D) = 0.02: test positivo posto che il soggetto è sano P (D) = 0.005: il soggetto è malato P ( D) = 0.995: il soggetto è sano Applicando la regola di si calcola la che il soggetto sia malato posto che il test sia positivo: P (D E) = = P (E D) P (D) P (E D) P (D) + P (E D) P ( D) = = () 40 / 56
72 : esempio In una fabbrica di componenti informatici vengono prodotti 1000 microprocessori al giorno. Si dispone di tre macchinari (H 1, H 2, H 3 ) per la produzione dei pezzi: ciascun macchinario produce le seguenti percentuali di pezzi difettosi:il 1%, il secondo 1.3% e 1.4. Il primo macchinario produce il 50% dei pezzi, il secondo macchinario il 30% e il terzo macchinario il 20%. Formalizzando, sappiamo che P (H 1 ) = 0.5 P (H 2 ) = 0.3 P (H 3 ) = 0.2 P (A H 1 ) = 0.01 P (A H 2 ) = P (A H 3 ) = E si vuole calcolare la che, avendo trovato un pezzo difettoso, questo provenga da uno dei tre macchinari. P (H 1 A) =? P (H 2 A) =? P (H 3 A) =? () 41 / 56
73 : esempio P (H 1 A) = P (A H 1 )P (H 1 ) = P (A H 1 )P (H 1 ) + P (A H 2 )P (H 2 ) + P (A H 3 )P (H 3 ) = = = 0.43 () 42 / 56
74 : esempio P (H 2 A) = P (A H 2 )P (H 2 ) = P (A H 1 )P (H 1 ) + P (A H 2 )P (H 2 ) + P (A H 3 )P (H 3 ) = = = 0.33 () 43 / 56
75 : esempio P (H 3 A) = P (A H 3 )P (H 3 ) = P (A H 1 )P (H 1 ) + P (A H 2 )P (H 2 ) + P (A H 3 )P (H 3 ) = = = 0.24 () 44 / 56
76 Le regole di Il teorema fondamentale del Contare, operazione solitamente semplice, può diventare complicata se lo scopo è specificare le associate agli eventi di uno spazio campione finito. Per semplificare le operazioni di più articolate, si ricorre al teorema fondamentale del in al quale se si eseguono un esperimento è composto da r esperimenti semplici, ciascuno dei quali ammette rispettivamente n 1, n 2,..., n r, allora l esperimento complessivo avrà n 1 n 2... n r esiti possibili. Aspetti del problema da considerare La scelta della modalità con cui si effettuare il dipende da due caratteristiche del problema: Il verificarsi di un evento è indipendente o meno dal verificarsi degli altri (es.lo schema di estrazione: senza reimmissione, con reimmissione); l ordine con cui si verificano gli eventi risulta essere influente o meno. Combinazioni e permutazioni Si considerino due gruppi, ad esempio {a, b, c} e {c, a, b}: se l ordine degli elementi conta, i due gruppi rappresentano due risultati diversi le due triplette sono permutazioni; viceversa le due triplette rappresentano lo stesso risultato e si definiscono combinazioni. () 45 / 56
77 Le regole di Schema di A seconda delle caratteristiche del problema di affrontato, vale il seguente schema: ordinati non ordinati senza reimmissione n! (n r)! n: numero di prove considerato con reimmissione n r ( n r) ( n+r 1 r r: numero di volte che si verifica l evento oggetto di ordine: se l ordine conta, allora due sequenze di risultati aventi ordine diverso saranno considerati eventi differenti. ) () 46 / 56
78 Esercizio 1 Si supponga di avere un urna con 30 numeri e di estrarne 5. Contare i possibili risultati se 1 l estrazione avviene senza reintroduzione, la sequenza delle estrazioni caratterizza il risultato; 2 l estrazione avviene senza reintroduzione, la sequenza delle estrazioni non caratterizza il risultato; 3 l estrazione avviene con reintroduzione, la sequenza delle estrazioni caratterizza il risultato; 4 l estrazione avviene con reintroduzione, la sequenza delle estrazioni non caratterizza il risultato; () 47 / 56
79 Esercizio 1 Si decompone il problema di estrazione di cinque numeri nelle singole estrazioni. l estrazione avviene senza reintroduzione, la sequenza delle estrazioni caratterizza il risultato; senza reimmissione con reimmissione ordinati n! n r (n r)! ( ) ( ) non ordinati n n+r 1 r r In prima estrazione ci sono 30 possibili risultati (il numero estratto [1, 30]); poichè l estrazione è senza reintroduzione, la seconda estrazione avrà 29 possibili risultati,..., la quinta sarà infine caratterizzata da 26 possibili risultati. Pertanto, il numero complessivo di possibili estrazioni di cinque numeri è dato da che corrisponde a n! (n r)! = 30! (30 5)! = 30! 25! = () 48 / 56
80 Esercizio 1 Si decompone il problema di estrazione di cinque numeri nelle singole estrazioni. l estrazione avviene senza reintroduzione, la sequenza delle estrazioni non caratterizza il risultato; senza reimmissione con reimmissione ordinati n! n r (n r)! ( ) ( ) non ordinati n n+r 1 r r Nel caso in cui l estrazione avviene senza ripetizione e si tiene conto dell ordine di estrazione, i possibili esiti (sequenze di estrazioni) sono ( n! (n r)! = 30! ); Nel presente caso due sequenze di elementi uguali, ma con 25! ordinamento diverso, sono considerate lo stesso risultato: dal totale delle sequenze possibili di 5 numeri vanno eliminate le ridondanze. Sapendo che il numero di possibili ordinamenti di una sequenza di r numeri è dato da r!, nel caso in esempio 5! = , allora, il è dato da vale a dire meglio conosciuto come coefficiente binomiale = ! 5!(30 5)! = n! r!(n r)! = 30! (30 5)! 5! ( ) n () 49 / 56 r
81 Esercizio 1 l estrazione avviene con reintroduzione, la sequenza delle estrazioni caratterizza il risultato; senza reimmissione con reimmissione ordinati n! n r (n r)! ( ) ( ) non ordinati n n+r 1 r r Si tratta del caso più semplice: ciascuna estrazione è indipendente dalle altre, ognuna di esse con 30 possibili risultati n r = 30 5 = = () 50 / 56
82 Esercizio 1 l estrazione avviene con reintroduzione, la sequenza delle estrazioni caratterizza il risultato; senza reimmissione con reimmissione ordinati n! n r (n r)! ( ) ( ) non ordinati n n+r 1 r r Poichè l estrazione avviene con reimmissione, tale può essere effettuato ipotizzando di collocare 5 oggetti in 30 scatole (in una scatola può essere assegnato anche più di un oggetto). Poste una di fianco all altra, le scatole sono separate da un bordo comune: su 30 scatole, ci saranno 31 bordi a delimitarle. Il primo e l ultimo bordo non possono essere spostati e non vengono considerati nel conto delle possibili disposizioni dei markers. Quindi quello che di fatto si va a contare sono i bordi (29) e gli oggetti (5). Quindi il numero di possibili sequenze di 34 oggetti è 34!, tuttavia bisogna eliminare le sequenze ridondanti (stessi elementi ma ordinamenti diversi). Per fare questo, bisogna dividere tanto per 5! che per 29!. Espresso in termini di coefficiente binomiale si ha 34! 5!(34 5)! = n + r 1! r!(n + r 1 r)! = ( ) n + r 1 r (1) () 51 / 56
83 Esercizio Si consideri il gioco del poker: ciascun giocatore ha in mano 5 carte servite da un mazzo di 52 carte francesi. Si indichi Calcolare il numero di mani distinte che un giocatore può ricevere. Calcolare la di avere un poker d assi servito. Calcolare la di avere un poker servito. Calcolare la di avere esattamente una coppia. () 52 / 56
84 Esercizio Calcolare il numero di mani distinte che un giocatore può ricevere. Per calcolare tale numero di mani si fa ricorso alla regola di : ciascuna carta non viene reintrodotta nel mazzo, inoltre, l ordine con il quale il giocatore riceve le carte non influenza il punteggio della mano. Dunque per calcolare le possibili mani si ricorre al coefficiente binomiale ( n r) con n = 52 e r = 5. ( n ( 52 ) = = r) 5 () 53 / 56
85 Esercizio Calcolare la di avere un poker d assi servito. Per calcolare tale è necessario specificare il numero di mani che presentino 4 assi. Se 4 carte su 5 sono assi, le possibili mani si differenzierano solo per la quinta carta. Le possibili quinte carte sono 52 4 = 48, ovvero le 52 carte meno i 4 assi. Dunque P (pokerd assi) = () 54 / 56
86 Esercizio Calcolare la di avere un poker servito. Ricorrendo al teorema fondamentale del si scompone il calcolo nei due sottoproblemi: ci sono 13 possibili carte (dall asso al Re) che compongono il generico poker. Una volta stabilita la carta, il problema diventa lo stesso del punto precedente: ci saranno dunque 48 possibili mani aventi quattro carte uguali. Le possibili mani per un poker sono dunque: = 624. Pertanto P (poker) = = () 55 / 56
87 Esercizio Calcolare la di avere esattamente una coppia. Ricorrendo al teorema fondamentale del si scompone il calcolo nei seguenti sottoproblemi: le carte che formano la coppia possono essere specificate in 13 modi diversi definito di che carta si tratta (dall asso al Re), ci sono ( 4 2) possibili coppie le altre possibili combinazioni di 3 carte che completano la mano sono ( 12) 3 (n.b. 12=13-1, perchè si tiene conto della carta che compone la coppia) definite le possibili 3 carte, se ne stabilisce il seme, ovvero 4 3 Dunque le possibili mani che contengono una coppia sono 13 ( 4) ( 2 12 ) = P (coppia) = = () 56 / 56
Esercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza May 23, 2007 1 Esercizio Si consideri un mazzo di carte francesi di 2 carte e si supponga di stare giocando a poker.
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
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.
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;
DettagliCALCOLO 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
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
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
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
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
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:
DettagliProbabilità delle cause:
Probabilità delle cause: Probabilità condizionata 2 Teorema delle probabilità composte A B) A) B/A) 3 Teorema delle probabilità totali B )! 4 Teorema delle probabilità delle cause n i A! B ) A / B ) B
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
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
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
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
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
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,
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
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
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
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica.
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Probabilità Ines Campa Probabilità e Statistica - Esercitazioni -
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
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
DettagliIL CALCOLO DELLA PROBABILITÀ
IL LOLO LL PROILITÀ 1 Una scatola contiene quattro dischetti rossi numerati da 1 a 4, sei dischetti verdi numerati da 1 a e cinque dischetti bianchi numerati da 1 a 5. Si estrae un dischetto. Scrivi gli
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
DettagliLezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi
Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi
DettagliP (F E) = P (E) P (F E) = = 25
Regola del prodotto Conoscete la definizione di probabilità condizionata. Definizione 1. Siano E e F due eventi di uno spazio campionario S. Supponiamo P (F ) > 0. La probabilità condizionata dell evento
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
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
DettagliProbabilità. Decisioni in condizioni di incertezza:
Probabilità Decisioni in condizioni di incertezza: Casi quotidiani e no Probabile / certo. Incertezza e futuro / incertezza e quantità-qualità delle informazioni. Probabilità come misura del grado di fiducia
DettagliDOMANDA 1: mettere una croce sulla affermazione esatta (90 89)
PROVA D ESAME - 0 marzo 00 nome: cognome: SSIS-INDIRIZZO MATEMATICA E MATEMATICA APPLICATA (primo anno MATEMATICA APPLICATA B: CALCOLO DELLE PROBABILITÀ Per le domande a risposta aperta il punteggio varia
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
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliEsercitazione 1 del corso di Statistica 2
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Dott.ssa Paola Costantini Esercizio n. 1 Estraendo due carte da un mazzo di carte napoletane con la reimmissione della carta nel mazzo
DettagliCorso di Statistica. Introduzione alla Probabilità. Prof.ssa T. Laureti a.a
Corso di Statistica Introduzione alla Probabilità Prof.ssa T. Laureti a.a. 2012-2013 1 Introduzione al concetto di probabilità nelle strategie aziendali L azienda che vende articoli di abbigliamento per
DettagliIntroduzione al Calcolo delle Probabilità
Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto
DettagliNelle ipotesi del precedente esercizio, in quanti modi potrebbe essere formata la classifica finale di tutti i 20 concorrenti? [2,4.
CALCOLO COMBINATORIO Ad una gara partecipano 20 concorrenti; quanti terne di primi tre classificati si possono formare? (nell'ipotesi che non vi siano degli ex aequo) [6.840] Nelle ipotesi del precedente
DettagliUniversità di Cassino Corso di Statistica 1 Esercitazione del 03/12/2007 Dott. Alfonso Piscitelli. Esercizio 1
Università di Cassino Corso di Statistica Esercitazione del 0/2/2007 Dott. Alfonso iscitelli Esercizio L urna A contiene palline rosse e nere, l urna B contiene 4 palline rosse e 6 nere. Calcolare: a)
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
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
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
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
DettagliP (A) = P (B) = P (A ^ B) = P (A _ B) = P (A _ A c B)= P ([A _ B] ^ [A c _ B c ]) =
Esercizio 7 2 Un esperimento consiste nel lanciare una moneta e nell estrarre una pallina da un urna contenente 4 palline numerate da 1 a 4. Consideriamo gli eventi: A = Esce Testa, B = Si estrae la pallina
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof.ssa L.Morato) Esercizi Parte I: probabilità classica e probabilità combinatoria,
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliCalcolo Combinatorio e Probabilità
Calcolo Combinatorio e Probabilità Andrea Galasso 1 Calcolo Combinatorio Definizione 1 Fissati n, k N, con k n, indicheremo con D n,k := n! (n k)! le disposizioni di n oggetti in k posti e con DR n,k :=
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,
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
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!(
DettagliAbbiamo visto come si possa determinare il numero di possibili anagrammi di una parola, con lettere tutte distinte o con alcune lettere ripetute.
MODELLI (Approfondimenti) Approfondiamo i 3 modelli più frequentemente utilizzati nell'analisi Combinatoria e nel Calcolo delle Probabilità, precisamente il modello ANAGRAMMA, il modello ESTRAZIONE e il
DettagliSoluzioni degli esercizi proposti
Soluzioni degli esercizi proposti.9 a La cardinalità dell insieme dei numeri,..., 0 n che sono multipli di 5 è 0n 5. Dunque, poiché siamo in una condizione di equiprobabilità, la probabilità richiesta
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
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
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliTest di Matematica di base
Test di Matematica di base Calcolo combinatorio e delle probabilitá Quanti oggetti possiamo differenziare con delle targhe di due simboli di cui il primo é una lettera dell alfabeto italiano e il secondo
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
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
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
Dettagli3+2 =0.6) e B vincente a 1 contro 4 ( 1
Esempio 23 (Sul teorema delle probabilità totali) 6 Consideriamo una gara in cui ci sono tra i vari concorrenti due italiani e precisamente i concorrenti A e B e indichiamo i seguenti eventi E A = vince
DettagliRISOLUZIONE ESERCIZI SUL CALCOLO COMBINATORIO C = =10
RISOLUZIONE ESERCIZI SUL CALCOLO COMBINATORIO A) SVILUARE E CALCOLARE LE SEGUENTI ESRESSIONI : numero esercizio risoluzione 1) D 3, 2 3 2 6 2) 4 3) 6 3 4! 4 3 24 6! 6 5 4 3 120 3! 3 4) 3,3 6 6! 6 5 4 3
DettagliOPERAZIONI CON GLI EVENTI
LA PROBABILITA GLI EVENTI Definiamo come evento il verificarsi di un avvenimento, situazione o fenomeno; in quest ottica potremmo intuitivamente definire la probabilità come l indice di verosimiglianza
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata
Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Stefano Patti 1 19 ottobre 2005 Definizione 1 Sia (Ω, F) uno spazio probabilizzabile.
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
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliEsperimento casuale (o probabilistico, o aleatorio) previsione in condizioni di incertezza.
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
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
DettagliRAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5
RAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5 Finalità: Realizzare grafici che facilitano l organizzazione dei concetti probabilistici utilizzando l insiemistica. Metodo: Compilazione delle schede.
DettagliESERCIZI SUL CALCOLO COMBINATORIO
ESERCIZI SUL CALCOLO COMBINATORIO A) SVILUPPARE E CALCOLARE LE SEGUENTI ESPRESSIONI : numero esercizio risoluzione 1) D 3, ) P 4 3) P 6 3 4) 3,3 P 6 5) D ' 3, 6) C 4, 7) C n, n 8) D + D' C 4, 3, 3 3, 9)
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
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
DettagliDomande di teoria. Esercizi
1 Domande di teoria 1. Vedi pp. 131-132 2. Vedi pp. 132-134 3. Vedi p. 134 4. Vedi p. 135 5. Vedi pp. 136-142 6. Vedi pp. 138-139 7. Vedi pp. 141-142 8. Vedi pp. 143-146 9. Vedi pp. 146-148 Esercizi Esercizio
DettagliStatistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 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
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
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,
DettagliFRAME 0.3. E possibile partecipare a tre appelli su 5 (esclusi i compitini). Farà fede l iscrizione alle liste elettroniche.
FRAME 0.1. S.M. Ross, Calcolo delle Probabilità, Apogeo 2004. C. Mariconda, A. Tonolo, Matematica Discreta, a.a. 2005-2006, Libreria Progetto, 2005 (costo 6 euro. Compitini FRAME 0.2. 13 maggio, ore 9.30
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
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
DettagliEsercizi di Probabilità - Matematica Applicata a. a Doriano Benedetti
Esercizi di Probabilità - Matematica Applicata a. a. 01-014 Doriano Benedetti 6 marzo 014 1 Esercizio 1 In quanti modi diversi si può vestire una persona che possiede 10 abiti, paia di scarpe e cappelli?
DettagliFondamenti di Statistica. Prof. V. Simoncini. Orario di Lezione: Mar Gio
Fondamenti di Statistica Prof. V. Simoncini Orario di Lezione: Mar 14-16 Gio 9.00-11.00 Orario di ricevimento: per appuntamento valeria@dm.unibo.it Siti del corso: www.dm.unibo.it/ simoncin/fondamenti.html
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità A. A. /5 prova scritta (//5(docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento dei punti non facoltativi
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
Dettagli9 = Soluzione. Soluzione
Esercizio 1 Un'urna contiene 6 palline rosse, 4 nere, 8 bianche. Si estrae una pallina; calcolare la probabilità di avere a) una pallina bianca; b) una pallina nera; e) una pallina non bianca; d) una pallina
DettagliESERCIZI DI CALCOLO COMBINATORIO
ESERCIZI DI CALCOLO COMBINATORIO (G.T.Bagni) Sintesi delle nozioni teoriche da utilizzare a) Dati n elementi e k n, si dicono disposizioni semplici di n elementi di classe k tutti i raggruppamenti ottenuti
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
DettagliESERCIZI SULLA PROBABILITA
PROBABILITA CLASSICA ESERCIZI SULLA PROBABILITA 1) Si estrae una carta da un mazzo di 40 carte ; calcolare la probabilità che la carta sia: a. una figura; b. una carta di danari; c. un asso. 2) Un urna
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliESERCIZI SCHEDA N. 1: EVENTI E VARIABILI ALEATORIE
ESERCIZI SCHEDA N. 1: EVENTI E VARIABILI ALEATORIE 1) Dato lo spazio campionario Ω = {(1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); (2,2); (2,3); ; (6,6)} riferito al lancio di due dadi non truccati,
DettagliProblemi indeterminati
Problemi indeterminati Un problema indeterminato è una domanda D alla quale, sulla base delle nostre informazioni, non siamo in grado di dare una risposta determinata, ma solo un insieme di risposte possibili.
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
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
Dettagli