Modelli probabilistici nelle scienze cognitive (2)
|
|
- Felice Masini
- 5 anni fa
- Visualizzazioni
Transcript
1 Modelli probabilistici nelle scienze cognitive (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano Probabilità e scienze cognitive //tre problemi per i modelli cognitivi Percezione e azione hanno a che fare con eventi incerti: rumore, incertezza ignoranza sulle condizioni al contorno stesso oggetto immagini diverse
2 Probabilità e scienze cognitive //tre problemi per i modelli cognitivi Percezione e azione hanno a che fare con eventi incerti: rumore, incertezza ignoranza sulle condizioni al contorno oggetti diversi immagini identiche Probabilità e scienze cognitive //tre problemi per i modelli cognitivi Percezione e azione hanno a che fare con eventi incerti: rumore, incertezza ignoranza sulle condizioni al contorno! incertezze! conoscenza }?! modularità Module design Module integration
3 La logica dell incerto Come già osservava Locke ( ), anche gli agenti più razionali prendono le loro decisioni non nella chiara luce della certezza nel crepuscolo delle probabilità. Merita forse anche il titolo di conoscenza l'opinione fondata sulla plausibilità; [ ] Per questo credo che la ricerca sui gradi di probabilità sia estremamente importante; [ ] Così, quando non si potesse decidere con assoluta certezza una questione, si potrebbe almeno determinare il grado di probabilità alla luce dell'evidenza. (G.W. Leibniz, Nuovi Saggi sull Intelletto Umano). Probabilità e scienze cognitive //percezione come inferenza inconscia Come già osservava Locke ( ), anche gli agenti più razionali prendono le loro decisioni non nella chiara luce della certezza nel crepuscolo delle probabilità.! incertezze T e o r i a d e l l a probabilità! conoscenza! modularità Module design }? Module integration
4 Quale probabilità //Tre concetti di probabilità: la definizione classica La probabilità di un evento è il rapporto tra il numero dei casi favorevoli e il numero dei casi possibili, purché questi ultimi siano ugualmente possibili. Quindi se i casi possibili sono n e i casi favorevoli sono na, per la teoria classica la probabilità che accada l'evento A sarà: Tre concetti di probabilità: la definizione frequentista La probabilità di un evento è il limite della frequenza (relativa) dei successi, cioè del verificarsi dell'evento, quando il numero delle prove tende all'infinito.
5 Tre concetti di probabilità: la definizione soggettivista La probabilità di un evento è il prezzo che un individuo razionale ritiene equo pagare per ricevere 1 se l'evento si verifica (e 0 altrimenti). Alessio è disposto a scommettere 1 contro 20 sul fatto che nel pomeriggio arrivi finalmente l'idraulico a riparare il rubinetto che perde da una settimana: attribuisce cioè a tale evento una probabilità! 1/21 (meno del 5%). È come se ci trovassimo ad effettuare un sorteggio da un'urna con 1 pallina rossa (evento positivo = arrivo dell'idraulico) e 20 palline nere (eventi negativi = assenza dell'idraulico). Come si valuta la probabilità? Immaginiamo che ci sia una partita di calcio. Lo spazio degli eventi comprende (1) la vittoria della squadra di casa, (2) la vittoria della squadra ospite e (3) il pareggio. Secondo la teoria classica esiste 1 probabilità su 3 che abbia luogo il primo evento secondo la teoria frequentista ci si può dotare di un almanacco e controllare tutte le partite precedenti e calcolare la frequenza dell evento vittoria della squadra di casa. Secondo la teoria soggettivista, ci si può documentare sullo stato di forma dei calciatori, sul terreno di gioco e così via fino ad emettere una probabilità soggettiva.
6 Probabilità e scienze cognitive //percezione come inferenza inconscia Probabilità soggettiva: mette in relazione le asserzioni fatte sul mondo con lo stato di conoscenza dell agente! incertezze T e o r i a d e l l a probabilità! conoscenza! modularità Module design }? Module integration Probabilità e scienze cognitive //percezione come inferenza inconscia...(helmholtz, 1925) I called the connections of ideas which take place in these processes unconscious inferences. These inferences are unconscious insofar as their major premise is not necessarily expressed in the form of a proposition; it is formed from a series of experiences whose individual members have entered consciousness only in the form of sense impressions which have long since disappeared from memory. Some fresh sense impression forms the minor premise, to which the rule impressed upon us by previous observations is applied
7 Probabilità e scienze cognitive //percezione come inferenza inconscia...(helmholtz, 1925) (T. Bayes, ) unconscious inferences fresh sense impression forms the minor premise rule impressed upon us by previous observations P( osservazioni P (observation knowledge)p conoscenza) x P( (knowledge) conoscenza) P (knowledge observation) = = P (observation) P( conoscenza osservazioni) P( osservazioni ) Probabilità e scienze cognitive //percezione come inferenza inconscia Probabilità soggettiva: mette in relazione le asserzioni fatte sul mondo con lo stato di conoscenza dell agente = grado di credenza! incertezze! conoscenza! modularità Module design Teoria Bayesiana della probabilità Module integration
8 Probabilità //sintassi Proposizioni elementari C = IN, la curvatura è di tipo IN Proposizioni complesse L=sopra! C = IN C Curvatura C={IN, OUT} C, L, I le possiamo considerare variabili aleatorie che assumono un valore (discreto/continuo) rispetto agli eventi che accadono nel mondo. Il risultato numerico di un esperimento L I Posizione sorgente di luce L={sopra, sotto} Immagine I ={, } Probabilità //assiomi P(A)! 0 P (A! A) = 0 P ( A) = 1 - P(A) P(A " B) = P(A) + P(B) - P(A! B)
9 Probabilità //modellare la percezione del mondo Probabilità //modellare la percezione del mondo C L La scelta delle variabili aleatorie di interesse discrete continue I C={IN, OUT} L={sopra, sotto} Immagine I ={, }
10 Probabilità //la probabilità del tutto: congiunta P(I! C! L)=P(I, C, L) P(I, C, L) I C L C L IN IN sopra sopra OUT sopra I OUT IN sopra sotto C={IN, OUT} IN sotto L={sopra, sotto} Immagine I ={, } OUT OUT sotto sotto Probabilità //la probabilità condizionata Probabilità condizionata di A dato B (posto che conosco il valore di B) P(A B) = P(A! B) / P(B) = P(A, B) / P(B) Ci consente di strutturare la conoscenza sul mondo B Regola del prodotto A P(A, B) = P(A B) P(B) = P(B A) P(A) poichè P(A! B) = P(B! A) P(A, B, C) = P(A B, C) P(B C) P(C) (chain rule) semplifica una query difficile in query più semplici
11 Probabilità //la probabilità condizionata Da un punto di vista strettamente Bayesiano esistono solo probabilità condizionate P(A ) -> P(A H ) H è l insieme di ipotesi che ci consentono di esplicitare la conoscenza sul mondo L Posizionamento luci possibile Alcune delle ipotesi in H Posizionamento luci inammissibile P(L H) L 0,9 sopra 0,1 sotto P(L H) L 0,9 sopra 0,1 sotto
12 P(L H) L 0,9 sopra 0,1 sotto Probabilità //la probabilità condizionata Da un punto di vista strettamente Bayesiano esistono solo probabilità condizionate P(A ) -> P(A H ) H è l insieme di ipotesi che ci consentono di esplicitare la conoscenza sul mondo C Oggetti che esistono nel mondo osservato Alcune delle ipotesi in H Oggetti che non esistono nel mondo osservato P(C H) C 0,5 IN 0,5 OUT
13
14
15 Probabilità //specificare un modello del mondo: struttura P(I! C! L)=P(I, C, L) = P(I C, L) P(C L) P(L) C L Indipendenza di C da L P(C L) = P(C) P(I, C, L) = P(I C, L) P(C ) P(L) I questo è il mio modello del mondo C={IN, OUT} L={sopra, sotto} Immagine I ={, } Probabilità //specificare un modello del mondo Il modello del mondo mi semplifica la probabilità del tutto (2 3-1 stati) P(I, C, L) I C L IN sopra IN sopra OUT sopra OUT sopra IN sotto IN sotto OUT sotto OUT sotto
16 Probabilità //specificare un modello del mondo P(I, C, L) = P(I C, L) P(C ) P(L) P(C ) C P(L ) L 0,5 IN 0,5 OUT C L 0,9 sopra 0,1 sotto I P(I C, L) I C L 0 IN sopra 1 IN sopra 1 OUT sopra 0 OUT sopra 1 IN sotto 0 IN sotto 0 OUT sotto 1 OUT sotto Probabilità //specificare un modello del mondo P(I, C, L) = P(I C, L) P(C ) P(L) P(C ) C P(L ) L 0,5 IN 0,5 OUT C L 0,9 sopra 0,1 sotto I Probabilità a priori= la mia conoscenza del mondo
17 Probabilità //specificare un modello del mondo P(I, C, L) = P(I C, L) P(C ) P(L) C L Verosimiglianza= la mia osservazione del mondo I P(I C, L) I C L 0 IN sopra 1 IN sopra 1 OUT sopra 0 OUT sopra 1 IN sotto 0 IN sotto 0 OUT sotto 1 OUT sotto Probabilità //fare inferenze: la regola di Bayes Dalla Regola del prodotto: P(A, B) = P(A B) P(B) = P(B A) P(A) poichè P(A! B) = P(B! A) P(A B) P(B) / P(A) = P(B A) B B A A Probabilità inversa
18 Probabilità //Indipendenza (marginale) C L Indipendenza di C da L P(C L) = P(C) P(C, L) = P(C L) P(L) = P(C) P(L) C={IN, OUT} L={sopra, sotto} Immagine I ={, } Probabilità //Indipendenza (marginale) Eventi mutualmente esclusivi P(A, B) =P(A! B) =0 P (, ) = 0 Si semplifica la regola della somma: P(A " B) = P(A) + P(B) - P(A! B) = P(A) + P(B) P ( " ) = P ( ) + P ( ) Generalizzata: P(A1 " A2 "... " AN ) = " i=1;..;n P(Ai )
19 Probabilità //Marginalizzazione Dalla probabilità congiunta possiamo ottenere la probabilità (marginale) di una variabile sommando su tutti i possibili valori delle altre variabili P(X) =! Y P(X, Y) P(X) =! Y P(X, Y) =! Y P(X Y) P(Y) Probabilità //Marginalizzazione La marginalizzazione ci consente inferenze: Se osservo I=, qual è la probabilità di P( C = OUT I = ) P( C = OUT I = ) = P( I =, C = OUT ) P( I = ) C L #! L={sopra, sotto} P( I =, C = OUT, L ) =! L={sopra, sotto} P( I = C = OUT, L ) P(C ) P(L) 0,5{ 0,9{ = P(C = 0UT ) [ P( I = C = OUT, L = sopra ) P(L =sopra) + P( I = C = OUT, L = sotto ) P(L = sotto) ] { 0
20 Probabilità //Problema per l inferenza Bayesiana La marginalizzazione ci consente inferenze: Se osservo I=, qual è la probabilità di P( C = OUT I = ) P( I = ) P( I =, C = OUT ) P( C = OUT I = ) = P( I = ) =! C={IN, OUT}! L={sopra, sotto} P( I =, C, L ) Hic sunt leones! = [ P( I = C = OUT, L = sopra ) P(L =sopra) P( C = OUT) + P( I = C = OUT, L = sotto ) P(L = sotto) P( C = OUT) + P( I = C = IN, L = sopra ) P(L =sopra) P( C = IN) + P( I = C = IN, L = sotto ) P(L = sotto) P( C = IN)] Probabilità e scienze cognitive //percezione come inferenza Bayesiana Modello generativo X oggetti (hidden) Y immagine insieme di parametri (visible)
21 Probabilità e scienze cognitive //percezione come inferenza Bayesiana X P (X Y,Θ, M) = Inferire variabili nascoste Likelihood Prior P (Y X, Θ, M)P (X Θ, M) P (Y Θ, M) Occorrono i parametri! Y Θ Probabilità e scienze cognitive //percezione come inferenza Bayesiana P (X Y,Θ, M) = P (Y X, Θ, M)P (X Θ, M) P (Y Θ, M) X Y Θ P (Θ Y,M) = Inferire parametri = Parameter Learning P (Y Θ, M)P (Θ M) P (Y M) Occorrono i modelli!
22 Probabilità e scienze cognitive //percezione come inferenza Bayesiana X P (X Y,Θ, M) = P (Θ Y,M) = P (Y X, Θ, M)P (X Θ, M) P (Y Θ, M) P (Y Θ, M)P (Θ M) P (Y M) Y Θ P (M Y )= P (Y M)P (M) P (Y ) Inferire modelli = Model selection Probabilità e scienze cognitive //percezione come inferenza Bayesiana P (X Y,Θ, M) = P (Y X, Θ, M)P (X Θ, M) P (Y Θ, M) X Hic sunt leones! P (Θ Y,M) = P (Y Θ, M)P (Θ M) P (Y M) Y Θ P (M Y )= P (Y M)P (M) P (Y )
23 Probabilità e scienze cognitive //percezione come inferenza Bayesiana Dove non è possibile inferenza esatta 1.Metodi Monte Carlo 2.Tecniche variazionali: Variational Bayes P (X Y,Θ, M) = P (Θ Y,M) = P (Y X, Θ, M)P (X Θ, M) P (Y Θ, M) P (Y Θ, M)P (Θ M) P (Y M) Loopy Belief propagation Expectation propagation P (M Y )= P (Y M)P (M) P (Y ) Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Teoria computazionale Livelli di spiegazione secondo Marr Rappresentazione e algoritmo Implementazione hardware
24 Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Qual è il goal della computazione? Livelli di spiegazione secondo Marr Quale rappresentazione e quale algoritmo? Come realizzarla fisicamente? Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Teoria Bayesiana Livelli di spiegazione (Kersten e Yuille) Vincoli e ipotesi Implementazione
25 Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Modelli teorici Bayesiani: Modello Grafico + PDF Livelli di spiegazione (Boccignone e Cordeschi) Inferenza su MG SIMULAZIONE Modello implementativo
Richiami di teoria della probabilitá e Modelli Grafici
Modelli di computazione affettiva e comportamentale Data: 23 Aprile 2010 Richiami di teoria della probabilitá e Modelli Grafici Docente: Prof. Giuseppe Boccignone Scriba: Matteo Battistini 1 Richiami di
DettagliErrori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio. M. Besozzi - IRCCS Istituto Auxologico Italiano
Errori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio M. Besozzi - IRCCS Istituto Auxologico Italiano L argomento... Errori cognitivi Il problema gnoseologico Dati, informazione
DettagliCalcolo 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
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliTeoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza
La probabilità Teoria della probabilità: eventi, proprietà additiva e moltiplicativa L incertezza Nella maggior parte delle situazioni la nostra condizione è caratterizzata dallincertezza Incertezza relativa
DettagliComputazione per l interazione naturale: macchine che apprendono
Computazione per l interazione naturale: macchine che apprendono Corso di Interazione Naturale! Prof. Giuseppe Boccignone! Dipartimento di Informatica Università di Milano! boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html
DettagliEsercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica
Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili
DettagliComputazione per l interazione naturale: Modelli dinamici
Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html
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
DettagliAmministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A.
CLASSE quinta INDIRIZZO AFM-SIA-RIM-TUR UdA n. 1 Titolo: LE FUNZIONI DI DUE VARIABILI E L ECONOMIA Utilizzare le strategie del pensiero razionale negli aspetti dialettici e algoritmici per affrontare situazioni
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
DettagliLe aree dell informatica
Fondamenti di Informatica per la Sicurezza a.a. 2006/07 Le aree dell informatica Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
DettagliProbabilità. Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità
Probabilità Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Probabilità: indicazioni quantitative sul verificarsi di certi eventi (linguaggio comune), ad es. P di superare o
DettagliAnalisi dei Dati - Prof. Marozzi Rilevazione dei caratteri "titolo di studio" e "qualifica professionale". Collettivo: addetti di un'azienda.
Rilevazione dei caratteri "titolo di " e "qualifica professionale". Collettivo: addetti di un'azienda. laurea quadro laurea quadro laurea impiegato diploma quadro diploma operaio diploma impiegato diploma
DettagliRagionamento qualitativo
Ragionamento qualitativo In molte applicazioni di Ai è necessario costruire modelli di sistemi reali Esempi: modelli di dispositivi per monitoraggio, diagnosi, modelli di processi per simulazione, gestione
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliPRIMI ASPETTI PRATICI Lezione n. 2
PRIMI ASPETTI PRATICI Lezione n. 2 Finalità: Esaminare situazioni, fatti e fenomeni. Considerare criticamente affermazioni ed informazioni. Metodo: Compilazione delle schede. Materiali didattici: Schede
DettagliProbabilità e bridge. Michele Impedovo
Probabilità e bridge Michele Impedovo Riassunto Nel gioco del bridge è di fondamentale importanza prevedere come sono distribuite le carte di un certo seme tra i due avversari. Questo articolo propone
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.
DettagliUniversità di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015
Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che
Dettagli2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011
2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici
DettagliMetodi statistici in genetica forense terza edizione
GENETISTI FORENSI ITALIANI Metodi statistici in genetica forense terza edizione Carla Bini Federica Alessandrini Thore Egeland Oskar Hansson Bologna, 6-7 Giugno 2016 Bologna, 6-7 Giugno 2016 GENETISTI
DettagliAppunti: elementi di Probabilità
Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliSistemi Intelligenti Introduzione al calcolo delle
Sistemi Intelligenti Introduzione al calcolo delle probabilità - I Alberto Borghese Università degli Studi di Milano Laboratory of Applied Intelligent Systems (AIS-Lab) Dipartimento di Informatica borghese@di.unimi.it
DettagliIstituto tecnico economico
PIANO DI LAVORO ANNUALE Istituto tecnico economico INSEGNANTE: CONSIGLIA MAZZONE MATERIA DI INSEGNAMENTO: MATEMATICA APPLICATA CLASSE V ITE ANNO SCOLASTICO 2014/2015 PARTE 1 LIVELLO COMPETENZE DISCIPLINARI
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
Dettagli1. Calcolo combinatorio, problemi di conteggio.
1 1. Calcolo combinatorio, problemi di conteggio. 1. In quanti modi diversi 4 persone possono occupare 8 posti a sedere numerati? (D 8,4. Un allenatore dispone di 18 giocatori per scegliere la formazione
DettagliLA PROVA STATISTICA NEL PROCESSO PENALE
Benito V. Frosini Università Cattolica del Sacro Cuore LA PROVA STATISTICA NEL PROCESSO PENALE Roma, 26 gennaio 2013 1. Processo civile e processo penale 1.1. Riguardo alla valutazione delle prove statistiche,
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
DettagliProbabilità e statistica
Indice generale.probabilità ed eventi aleatori....come si può definire una probabilità....eventi equiprobabili....eventi indipendenti, eventi dipendenti....eventi incompatibili....eventi compatibili....probabilità
DettagliCorso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete
Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione
DettagliSperimentazioni I Sessione di Laboratorio: 13 Novembre 2014
Sperimentazioni I Sessione di Laboratorio: 13 Novembre 2014 A. Garfagnini, M. Mazzocco Università degli studi di Padova AA 2014/2015 Statistica Secondo Kendall [1], Statistics is the branch of a scientific
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
DettagliRappresentazione della conoscenza. ha poco potere espressivo in quanto ha un ontologia limitata: il mondo consiste di fatti, es.
Scaletta argomenti: Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script Regole di produzione Logica del Primo Ordine - Logica proposizionale ha
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliPROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI
Università degli Studi di Padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA Anno accademico 2005-06 Temi di Statistica ed Epidemiologia PROBABILITÀ E DECISIONI IN MEDICINA:
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
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
DettagliLe macchine di Turing
Le macchine di Turing Alan Turing (1912-1954) 1954) Il problema della decisione i L Entscheidungsproblem [il problema della decisione] è risolto se si conosce una procedura che permette di decidere la
DettagliIl calcolo delle probabilità
Il calcolo delle probabilità Cenni storici Come in molti altri casi, anche l'individuazione di una data precisa per la collocazione della nascita della teoria della probabilità non ha soluzione univoca.
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
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
DettagliLa qualità delle informazioni:
misurazione e controllo in Enterprise Data Warehouse FABIO BALDUZZI ICTEAM Torino / Direttore Tecnico 0 Dati strutturati INFORMAZIONI DMS Dati non strutturati DATI Contesto Esperienza Enterprise Knowledge
DettagliProgetto di Basi di Dati e Multimidia Laboratorio Struttura dell applicazione web
Progetto di Basi di Dati e Multimidia Labtorio Struttura dell applicazione web 1 Introduzione La progettazione è stata sviluppata basandosi sul modello MVC-2 Server Centric. I moduli creati si possono
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE AREA TECNICO ASSISTENZIALI
DettagliMisura e Valutazione del A. Rischio
- 7 Teoria della Finanza Aziendale Prof. Arturo Capasso A.A. 007-008 Misura e Valutazione del A. Rischio - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza
DettagliIncertezza probabilità a priori probabilità a posteriori condizionata preferenze esiti utilità proposizione variabile aleatoria dominio
Incertezza Quando un agente logico possiede tutte le informazioni necessarie sull'ambiente e sugli effetti delle sue azioni sul mondo, riesce a determinare la sequenza di azioni che lo portano al raggiungimento
DettagliConcetti per il calcolo delle probabilità. Gli eventi: una classificazione
Concetti per il calcolo delle probabilità "La prova genera l 'evento con una certa probabilità". Prova, evento, probabilità, sono concetti primitivi, nozioni intuitive. Comunque una loro qualificazione
DettagliLa scelta in condizioni di incertezza
La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliPerché l economia è diversa dalla fisica: un introduzione alla metodologia della ricerca nelle scienze sociali
Perché l economia è diversa dalla fisica: un introduzione alla metodologia della ricerca nelle scienze sociali G. Stefani (MSc, PhD) Università di Firenze Obiettivo: fornire alcune basi teoriche sulla
DettagliTeoria della probabilità Assiomi e teoremi
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
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 -
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
DettagliConcetti di base sulla Teoria delle Probabilità e sulle Reti bayesiane
Concetti di base sulla Teoria delle Probabilità e sulle Reti bayesiane Mariagrazia Semenza IA: Probabilità e Reti bayesiane - 1 Concetti preliminari A cosa si applica la teoria delle probabilità? All incertezza,
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
DettagliLa robotica terrestre
Applicazioni e tecnologie dei sistemi robotici intelligenti - 23 settembre 2004 La robotica terrestre Sergio Taraglio FUS-ROB ENEA - C.R. Casaccia 1 Sommario Cos è un robot Esempi di robot Cosa si trova
Dettagli4.a MODELLI KEYNESIANI AGGREGATI
4.a MODELLI KEYNESIANI AGGREGATI A modelli aggregati: cosa succede quando aumenta la capacità produttiva? Ipotesi: - un solo bene, sia di consumo che di investimento (evita la questione dei prezzi relativi
DettagliBreve viaggio nella psicologia
Modelli di computazione affettiva e comportamentale Data: 05 Marzo 2010 Breve viaggio nella psicologia Docente: Prof. Giuseppe Boccignone Scriba: Lorenzo Genta 1 Inferire stati mentali Sintetizzando fortemente,
DettagliLiceo Scientifico " C. CATTANEO " PIANO DI LAVORO DI INFORMATICA. CLASSE 3 LSA SEZ. B e D
Liceo Scientifico " C. CATTANEO " PIANO DI LAVORO DI INFORMATICA CLASSE 3 LSA SEZ. B e D Sommario PIANO DI LAVORO DI INFORMATICA... 1 INDICAZIONI GENERALI... 2 PREREQUISITI... 2 CONOSCENZE, COMPETENZE
DettagliCalcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo
Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it
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
DettagliAnalisi dei Dati 12/13 Esercizi proposti 3 soluzioni
Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6
DettagliLE REGOLE GENERALI DI CALCOLO DELLE PROBABILITA : COME SI DIMOSTRANO CON I TRE ASSIOMI DELLA PROBABILITA?
INDICE (lezione17.04.07 LE REGOLE GENERALI DI CALCOLO DELLE PROBABILIA : COME SI DIMOSRANO CON I RE ASSIOMI DELLA PROBABILIA?.1 Raccordo con le regole di calcolo delle probabilità già viste nelle lezioni
DettagliCORSO DI LAUREA IN SERVIZI SOCIALI E SOCIOLOGIA a.a. 2012/13
CORSO DI LAUREA IN SERVIZI SOCIALI E SOCIOLOGIA a.a. 2012/13 LAVORO SOCIALE A.Samà 1 Sei fasi per pensare efficacemente e prendere decisioni (Facione, 2007 p23) Identificare il problema Qual è la questione?
DettagliTeoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio
Teoria delle scorte Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio Dipartimento di Matematica Università di Bari Teoria delle scorte p.1/26 definizione del problema
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
DettagliVisione Artificiale. Prof. Marcello Pelillo. (a.a. 2003/04) pelillo@dsi.unive.it http://www.dsi.unive.it/~pelillo
Visione Artificiale (a.a. 2003/04) Prof. Marcello Pelillo pelillo@dsi.unive.it http://www.dsi.unive.it/~pelillo Cosa significa vedere? Ottenere una descrizione del mondo (3-D) da una o piu immagini (2-D)
DettagliA = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.
ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore
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
DettagliIndice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice
Indice 1 Aspetti generali sul campionamento da popolazioni finite.. 1 1.1 Rilevazionicensuarieerilevazionicampionarie... 1 1.2 Lineemetodologichediunarilevazionestatistica... 3 1.3 Popolazioni, etichette,
DettagliLa decisione. Claudia Casadio Logica e Psicologia del Pensiero Laurea Triennale - Indirizzo Gruppi A.A. 2004-05. Contents First Last Prev Next
La decisione Claudia Casadio Logica e Psicologia del Pensiero Laurea Triennale - Indirizzo Gruppi A.A. 2004-05 Contents 1 Dimensioni della decisione................................... 3 2 Modalità della
DettagliInformatica Teorica. Macchine a registri
Informatica Teorica Macchine a registri 1 Macchine a registri RAM (Random Access Machine) astrazione ragionevole di un calcolatore nastro di ingresso nastro di uscita unità centrale in grado di eseguire
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliRegole del Sette e mezzo
Regole del Sette e mezzo Il mazzo di carte Si gioca con un mazzo di 40 carte italiane tradizionali. I giocatori possono selezionare il tipo di carte (napoletane, piacentine etc.). E anche possibile selezionare
DettagliElementi di calcolo delle probabilità
Elementi di calcolo delle probabilità Definizione di probabilità A) Qui davanti a me ho un urna contenente 2 palline bianche e 998 nere. Mi metto una benda sugli occhi, scuoto ripetutamente l urna ed estraggo
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
DettagliRELAZIONE E PROGRAMMA FINALE DI ECONOMIA POLITICA, STATISTICA E SCIENZE DELLE FINANZE
Allegato A Istituzione Scolastica e Formativa Ivo de Carneri Civezzano Indirizzo Istituto Tecnico per il Turismo RELAZIONE E PROGRAMMA FINALE DI ECONOMIA POLITICA, STATISTICA E SCIENZE DELLE FINANZE A.S.
DettagliScala di percezione del mercato del lavoro F. Avallone, A. Grimaldi, S. Pepe
In collaborazione con la Facoltà di Psicologia 2 Università degli Studi di Roma Sapienza F. Avallone, A. Grimaldi, S. Pepe FOTOCOPIABILE Istruzioni Di seguito troverà elencata una serie di aggettivi di
DettagliLa probabilità nella vita quotidiana
La probabilità nella vita quotidiana Introduzione elementare ai modelli probabilistici Bruno Betrò bruno.betro@mi.imati.cnr.it CNR - IMATI San Pellegrino, 6/9/2011 p. 1/31 La probabilità fa parte della
Dettagli1 Valore atteso o media
1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è
DettagliLEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA STATISTICA
LEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA UMBERTO MAGAGNOLI Materiale per il Corso di lezioni di STATISTICA Laurea magistrale in Matematica Facoltà di Scienze Matematiche, Fisiche e Naturali Università
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliMarco Di Marzio. Primi elementi di inferenza statistica
Marco Di Marzio Primi elementi di inferenza statistica Ringraziamenti Un sentito ringraziamento a Fabiola Del Greco e Agnese Panzera per la preziosa collaborazione. Indice Probabilità. Esperimenti casuali...........................................2
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO
DettagliArgomenti trattati nel corso
Scenari applicativi Prof. Paolo Ciaccia http://www-db. db.deis.unibo.it/courses/si-ls/ 01_Scenarios Scenarios.pdf Sistemi Informativi LS Argomenti trattati nel corso Inizieremo parlando di QUERY CON PREFERENZE
DettagliESERCIZI EVENTI E VARIABILI ALEATORIE
ESERCIZI EVENTI E VARIABILI ALEATORIE 1) Considera la tabella seguente, che descrive la situazione occupazionale di 63 persone in relazione al titolo di studio. Occupazione SI NO Titolo Licenza media 5%
Dettaglidifferiticerti.notebook November 25, 2010 nov 6 17.29 nov 6 17.36 nov 6 18.55 Problemi con effetti differiti
Problemi con effetti differiti sono quelli per i quali tra il momento di sostentamento dei costi ed il momento di realizzo dei ricavi intercorre un certo lasso di tempo. Nei casi in cui il vantaggio è
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliPiano di lavoro di Matematica
ISTITUTO DI ISTRUZIONE SUPERIORE Liceo Scientifico ALDO MORO Istituto to Tecnico Via Gallo Pecca n. 4/6-10086 Rivarolo Canavese Tel 0124 454511 - Fax 0124 454545 - Cod. Fiscale 85502120018 E-mail: segreteria@istitutomoro.it
DettagliMACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it
MACHINE LEARNING e DATA MINING Introduzione a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it Apprendimento Automatico(i) Branca dell AI che si occupa di realizzare dispositivi artificiali capaci di
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
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.
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliUniversità degli Studi di Udine Facoltà di Ingegneria Dipartimento di Ingegneria Elettrica Gestionale Meccanica INTRODUZIONE ALLA TEORIA DEGLI AGENTI
Università degli Studi di Udine Facoltà di Ingegneria Dipartimento di Ingegneria Elettrica Gestionale Meccanica INTRODUZIONE ALLA TEORIA DEGLI AGENTI Erika Bernardi 27 febbraio 2007 Struttura della lezione
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
Dettagli