Modelli probabilistici per la percezione
|
|
- Irma Corradini
- 5 anni fa
- Visualizzazioni
Transcript
1 Modelli probabilistici per la percezione orso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it Problemi mal posti Un piccolo test: x + 3 = 8 quanto vale x?
2 Problemi mal posti Un piccolo test: 2x + 2 =10 quanto vale x? Problemi mal posti Un piccolo test: x + y = 9 quanto valgono x e y?
3 Problemi mal posti Un piccolo test: x + y = 9 quanto valgono x e y? Questo è un esempio di problema mal posto Problemi mal posti Un piccolo test: x + y = 9 quanto valgono x e y? Questo è un esempio di problema mal posto: - non ha soluzione unica
4 a riflettanza spettrale // inferenza: un problema mal posto E R E x R = N fotoni emessi % fotoni riflessi N fotoni riflessi Spettro di irradiamento x x Spettro di riflettanza = = Spettro di radianza a riflettanza spettrale // inferenza: un problema mal posto E R E x R = 100 x N fotoni emessi % fotoni riflessi N fotoni riflessi E=? R=? =
5 Problemi mal posti //soluzione probabilistica Posso provare a utilizzare osservazioni precedenti : x + y = 9 Problemi mal posti //soluzione probabilistica Posso provare a utilizzare osservazioni precedenti : x + y = 9 x = 2, y = 7
6 Problemi mal posti //soluzione probabilistica Posso provare a utilizzare osservazioni precedenti : x + y = 9 x = 2, y = 7 Quanto ci fidiamo del risultato ottenuto? 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
7 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
8 Probabilità e scienze cognitive //percezione come inferenza inconscia ome già osservava ocke ( ), 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 Quale probabilità //Tre concetti di probabilità: la definizione classica a 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:
9 Tre concetti di probabilità: la definizione frequentista a 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. Tre concetti di probabilità: la definizione soggettivista a 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).
10 ome si valuta la probabilità? Immaginiamo che ci sia una partita di calcio. o 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. 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
11 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 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 )
12 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 Problemi mal posti //soluzione probabilistica Supponiamo di voler ricostruire il mondo 3D a partire dall ombreggiatura Questo è il mondo che osserviamo, le ombre proiettate nella caverna di Platone...
13 Problemi mal posti //soluzione probabilistica Supponiamo di voler ricostruire il mondo 3D a partire dall ombreggiatura Questa è l immagine di un oggetto concavo o convesso? Questo è il mondo che osserviamo, le ombre proiettate nella caverna di Platone... Probabilità //sintassi Proposizioni elementari = IN, la curvatura è di tipo IN Proposizioni complesse =sopra = IN urvatura ={IN, OUT},, 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 I Posizione sorgente di luce ={sopra, sotto} Immagine I ={, }
14 //assiomi P(A) 0 P (A A) = 0 P ( A) = 1 - P(A) P(A B) = P(A) + P(B) - P(A B) //modellare la percezione del mondo
15 //modellare la percezione del mondo a scelta delle variabili aleatorie di interesse discrete continue I ={IN, OUT} ={sopra, sotto} Immagine I ={, } //la probabilità del tutto: congiunta P(I )=P(I,, ) P(I,, ) I IN IN sopra sopra OUT sopra I OUT IN sopra sotto ={IN, OUT} IN sotto ={sopra, sotto} Immagine I ={, } OUT OUT sotto sotto
16 //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) i 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) P(A, B, ) = P(A B, ) P(B ) P() poichè P(A B) = P(B A) (chain rule) semplifica una query difficile in query più semplici //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 Posizionamento luci possibile Alcune delle ipotesi in H Posizionamento luci inammissibile P( H) 0,9 sopra 0,1 sotto
17 P( H) 0,9 sopra 0,1 sotto P( H) 0,9 sopra 0,1 sotto
18 //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 Oggetti che esistono nel mondo osservato Alcune delle ipotesi in H Oggetti che non esistono nel mondo osservato P( H) 0,5 IN 0,5 OUT //specificare un modello del mondo: struttura P(I )=P(I,, ) = P(I, ) P( ) P() Indipendenza di da P( ) = P() P(I,, ) = P(I, ) P( ) P() I questo è il mio modello del mondo ={IN, OUT} ={sopra, sotto} Immagine I ={, }
19 //specificare un modello del mondo Il modello del mondo mi semplifica la probabilità del tutto (2 3-1 stati) P(I,, ) I IN IN OUT OUT IN IN OUT OUT sopra sopra sopra sopra sotto sotto sotto sotto //specificare un modello del mondo P(I,, ) = P(I, ) P( ) P() P( ) P( ) 0,5 IN 0,5 OUT 0,9 sopra 0,1 sotto I P(I, ) I 0 IN sopra 1 IN sopra 1 OUT sopra 0 OUT sopra 1 IN sotto 0 IN sotto 0 OUT sotto 1 OUT sotto
20 //specificare un modello del mondo P(I,, ) = P(I, ) P( ) P() P( ) P( ) 0,5 IN 0,5 OUT 0,9 sopra 0,1 sotto I Probabilità a priori= la mia conoscenza del mondo //specificare un modello del mondo P(I,, ) = P(I, ) P( ) P() Verosimiglianza= la mia osservazione del mondo I P(I, ) I 0 IN sopra 1 IN sopra 1 OUT sopra 0 OUT sopra 1 IN sotto 0 IN sotto 0 OUT sotto 1 OUT sotto
21 //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) B B A A Probabilità inversa //fare inferenze: la regola di Bayes probabilità a posteriori verosimiglianza probabilità a priori { P( dati P (observation knowledge)p sensoriali cosa c è nel mondo) x P( cosa (knowledge) c è nel mondo) P (knowledge observation) = = P (observation) P( cosa c è nel mondo dati sensoriali) { P( dati sensoriali ) {
22 //Indipendenza (marginale) Indipendenza di da P( ) = P() P(, ) = P( ) P() = P() P() ={IN, OUT} ={sopra, sotto} Immagine I ={, } //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 )
23 //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) //Marginalizzazione a marginalizzazione ci consente inferenze: Se osservo I=, qual è la probabilità di P( = OUT I = ) P( = OUT I = ) = P( I =, = OUT ) P( I = ) ={sopra, sotto} P( I =, = OUT, ) = ={sopra, sotto} P( I = = OUT, ) P( ) P() 0,5{ 0,9{ = P( = 0UT ) [ P( I = = OUT, = sopra ) P( =sopra) + P( I = = OUT, = sotto ) P( = sotto) ] { 0
24 //Problema per l inferenza Bayesiana a marginalizzazione ci consente inferenze: Se osservo I=, qual è la probabilità di P( = OUT I = ) P( I = ) P( I =, = OUT ) P( = OUT I = ) = P( I = ) = ={IN, OUT} ={sopra, sotto} P( I =,, ) Hic sunt leones! = [ P( I = = OUT, = sopra ) P( =sopra) P( = OUT) + P( I = = OUT, = sotto ) P( = sotto) P( = OUT) + P( I = = IN, = sopra ) P( =sopra) P( = IN) + P( I = = IN, = sotto ) P( = sotto) P( = IN)] Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Qual è il goal della computazione? ivelli di spiegazione secondo Marr Quale rappresentazione e quale algoritmo? ome realizzarla fisicamente?
25 Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Teoria Bayesiana ivelli di spiegazione (Kersten e Yuille) Vincoli e ipotesi Implementazione Modelli nelle scienze cognitive e nella percezione //da Marr a Bayes Modelli teorici Bayesiani: Modello Grafico + PDF I P(I,, ) = P(I, ) P( ) P() ivelli di spiegazione (Boccignone e ordeschi) Inferenza su MG SIMUAZIONE Modello implementativo
Modelli probabilistici per la percezione
Modelli probabilistici per la percezione Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://homes.di.unimi.it/~boccignone/giuseppeboccignone_webpage/pmp_2014.html
DettagliModelli probabilistici per la percezione
Modelli probabilistici per la percezione Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it http://homes.dsi.unimi.it/~boccignone/giuseppeboccignone_webpage/modelli_percezione.html
DettagliModelli probabilistici nelle scienze cognitive (2)
Modelli probabilistici nelle scienze cognitive (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliLa percezione dello spazio (1): indizi monoculari
(1): indizi monoculari Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2018.html
DettagliModelli Grafici Probabilistici (1): concetti generali
Modelli Grafici Probabilistici (1): concetti generali Corso di Modelli di Computazione Affettiva Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it Giuseppe.Boccignone@unimi.it
DettagliLezione 3. La probabilità soggettiva
Lezione 3 La probabilità soggettiva Le due nozioni oggettive di probabilità Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi favorevoli e il numero dei casi possibili,
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
DettagliModelli Probabilistici per la Computazione Affettiva: Reti Bayesiane
Modelli Probabilistici per la Computazione Affettiva: Reti Bayesiane Corso di Modelli di Computazione Affettiva Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliPROBABILITA E STATISTICA
PROBABILITA E STATISTICA La nozione di probabilità è stata concepita in modi diversi; GROSSOLANAMENTE le principali sono: Concezione classica: concetto di probabilità come uguale possibilità concezione
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
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
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
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
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
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliELEMENTI DI PROBABILITA (parte 2) 1 / 27
ELEMENTI DI PROBABILITA (parte 2) 1 / 27 Combinazioni 2 / 27 Supponiamo di non essere interessati all ordine in cui sono disposti gli oggetti, per cui la parola abc sia indistinguibile dalla parola bca.
DettagliComputazione per l interazione naturale: Regressione lineare Bayesiana
Computazione per l interazione naturale: Bayesiana Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità L. Boni Approccio empirico OSSERVAZIONE IPOTESI TEORIA DOMINANTE ESPERIMENTO L esperimento Un esperimento (dal latino ex, da, e perire, tentare, passare attraverso
DettagliCalcolo delle probabilità e ragionamento bayesiano. Unit 5 Corso di Logica e Teoria dell Argomentazione
Calcolo delle probabilità e ragionamento bayesiano Unit 5 Corso di Logica e Teoria dell Argomentazione Sommario Nozioni probabilistiche Probabilità condizionata Ragionamento bayesiano Applicazioni a giochi
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliLa probabilità. Monia Ranalli. Ranalli M. Probabilità Settimana # 5 1 / 20
La probabilità Monia Ranalli Ranalli M. Probabilità Settimana # 5 1 / 20 Sommario Concetti base Evento elementare, spazio campionario ed evento complementare Rappresentazioni dello spazio campionario Intersezione
DettagliElementi di probabilità
Elementi di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 2011/2012 1 Obiettivo dell unità didattica Introdurre gli
DettagliLezione 1. 1 Probabilità e statistica. 2 Definizioni di probabilità. Statistica e analisi dei dati Data: 22 Febbraio 2016
Statistica e analisi dei dati Data: 22 Febbraio 2016 Lezione 1 Docente: Prof. Giuseppe Boccignone Scriba: Nicolò Pisaroni 1 Probabilità e statistica Probabilità: Un modello probabilistico é una descrizione
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
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
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
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
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
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
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
DettagliStatistica. Capitolo 4. Probabilità. Cap. 4-1
Statistica Capitolo 4 Probabilità Cap. 4-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare concetti e definizioni fondamentali della probabilità Usare il diagramma
DettagliProbabilità. Qual è la probabilità di ottenere il numero 5?
Lancio un dado Probabilità Qual è la probabilità di ottenere il numero 5? Ho una prova ossia un esperimento = lancio dado Ho il risultato di tale prova = faccia contrassegnata dal numero 5 Il risultato
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!(
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliDefinizione soggettiva di probabilita : nell ignoranza dei fatti la probabilita sulla verosimiglianza di una affermazione
Definizione soggettiva di probabilita : nell ignoranza dei fatti la probabilita sulla verosimiglianza di una affermazione de Finetti (1930 ) e avage Es. : se si ritenesse che le probabilita' di vincita
DettagliElementi di Teoria della Probabilità
Elementi di Teoria della Probabilità Alcune definizioni iniziali: Fenomeno casuale: fenomeno ripetibile (almeno in teoria) infinite volte che può manifestarsi in diverse modalità, imprevedibili singolarmente,
DettagliSTATISTICA CARLO FILIPPUCCI
STATISTICA CARLO FILIPPUCCI STATISTICA, INFERENZA E PROBABILITA E la metodologia della conoscenza scientifica, un complesso di metodi and tecniche che permettono alla scienza di operare. Siamo autorizzati
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
DettagliComputazione per l interazione naturale: fondamenti probabilistici
Computazione per l interazione naturale: fondamenti probabilistici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliNote introduttive alla probabilitá e alla statistica
Note introduttive alla probabilitá e alla statistica 1 marzo 2017 Presentiamo sinteticamente alcuni concetti introduttivi alla probabilitá e statistica 1 Probabilità e statistica Probabilità: Un modello
DettagliComputazione per l interazione naturale: fondamenti probabilistici
Computazione per l interazione naturale: fondamenti probabilistici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
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,
DettagliElementi di calcolo delle probabilità
lementi di calcolo delle probabilità Il calcolo delle probabilità ha avuto origine con i giochi d azzardo per valutare l alea (casualità) legata alle puntate sui dadi e sulle carte da gioco Attualmente
DettagliModelli tradizionali e statistici applicati alla percezione (2/2) Francesco Panerai
Modelli tradizionali e statistici applicati alla percezione (2/2) Francesco Panerai Modulo integrativo del corso di - Sistemi Intelligenti Naturali e Artificiali - 2002/2003 Elementi di statistica bayesiana
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliRichiami di TEORIA DELLE PROBABILITÀ
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 015-016 Richiami di TEORIA DELLE PROBABILITÀ Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it
DettagliRichiami 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
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Teoria della probabilità Cernusco S.N., mercoledì 15 marzo 2017 1 / 13 Probabilità
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
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
DettagliModelli Probabilistici per la Computazione Affettiva: Modelli a template e rappresentazioni complesse
Modelli Probabilistici per la Computazione Affettiva: Modelli a template e rappresentazioni complesse Corso di Modelli di Computazione Affettiva Prof. Giuseppe Boccignone Dipartimento di Informatica Università
Dettagli1 se si verifica E 0 se non si verifica E. S se si verifica E 0 altrimenti.
Probabilità Soggettiva Definizione 3 Dato un evento E, la probabilità P (E) =p dell evento E, secondo un dato individuo in un certo stato di informazione, è la misura numerica (coerente) del suo grado
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità venti certi, impossibili, aleatori Supponiamo di lanciare un dado e consideriamo i seguenti eventi : ={ esce un numero compreso tra e 6 (estremi inclusi) } 2 ={
DettagliINCERTEZZA e PROBABILITA
Incertezza e Probabilità INCERTEZZA e PROBABILITA Esempi: Qual è la probabilità che la pallina si posi su un numero dispari? Qual è la probabilità che uno studente di Monza passi l esame di Statistica
DettagliEsercizi di Probabilità
Esercizi di Probabilità Grazia Corvaia, Patrizio Lattanzio, Alessandra Nardi February 0, 09 L urna colorata In un urna si trovano 0 palline, 5 viola e 5 arancioni. Calcolare la probabilità che, in due
DettagliPsicometria II: Laura Picconi.
Psicometria II: Laura Picconi http://www.psicometria.unich.it/ http://www.psicometria.unich.it/ Sezione avvisi E necessario leggere con attenzioni gli avvisi e le comunicazioni che sono pubblicati sul
DettagliRichiami di probabilità. Decision Theory e Utilità. Richiami di probabilità. assumere certi valori in un insieme x 1, x 2, x n (dominio)
9 lezione Scaletta argomenti: Probabilità Richiami di probabilità Reti Bayesiane Decision Theory e Utilità 1 Richiami di probabilità - La formalizzazione deriva da Boole - Concetto di VARIABILE CASUALE
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
DettagliProbabilità. Fulvio Bisi-Anna Torre
Probabilità Fulvio Bisi-Anna Torre FRATELLI E SORELLE Per la ricorrenza della festa della mamma, la sig.ra Luisa organizza una cena a casa sua, con le sue amiche che hanno almeno una figlia femmina. La
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
DettagliANNO ACCADEMICO Statistica per l Analisi dei Dati
FACOLTÀ Economia ANNO ACCADEMICO 2011-2012 CORSO DI LAUREA Statistica per l Analisi dei Dati INSEGNAMENTO Calcolo delle Probabilità TIPO DI ATTIVITÀ Formativa di base AMBITO DISCIPLINARE Statistico-probabilistico
DettagliINTRODUZIONE. TaleproceduravasottoilnomediteoremadiBayes.
INTRODUZIONE QUANDO CALCOLIAMO UNA PROBABILITA CONDIZIONATA USIAMO L INFORMAZIONE SUL VERIFICARSI DI UN EVENTO PER DETERMINARE LA PROBABILITA CHE UN ALTRO EVENTO SI VERIFICHI. Una estensione di questo
DettagliCenni di calcolo delle probabilità
Cenni di calcolo delle probabilità Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/19 Quando si compie un esperimento o una serie di prove i possibili risultati
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 MEDICA (III)
Laurea triennale in EDUCATORE PROFESSIONALE a.a. 2010-2011 STATISTICA MEDICA (III) Flavia Carle Centro di Epidemiologia, Biostatistica e Informatica Medica Università Politecnica delle Marche Facoltà di
DettagliDai Moduli alla Teoria Bayesiana
Modelli di computazione affettiva e comportamentale Data: 16 Aprile 2010 Dai Moduli alla Teoria Bayesiana Docente: Prof. Giuseppe Boccignone Scriba: Diego Russo 1 Introduzione Secondo la definizione di
DettagliProbabilità. Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi
Probabilità Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi 1 Alcuni concetti fondamentali Evento: è qualsiasi fatto che può accadere oppure no. Evento certo: è un evento
DettagliAnalisi Strategica per la Politica Economica
9 Analisi Strategica per la Politica Economica Parte Nona Prof. Bruno Chiarini GIOCHI BAYESIANI Beliefs (credenze ; congetture) Informazione completa ma imperfetta Informazione incompleta Teorema di Bayes
DettagliTeorie e modelli nelle scienze cognitive (parte 2)
Teorie e modelli nelle scienze cognitive (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2018.html
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
DettagliLA PROBABILITAÁ ALGEBRA IL CALCOLO DELLE PROBABILITAÁ. richiami della teoria
ALGEBRA IL CALCOLO DELLE PROBABILITAÁ richiami della teoria n un evento E si dice casuale o aleatorio, quando il suo verificarsi dipende unicamente dal caso; n un evento si dice certo quando eá possibile
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
Dettagli"Io mi occupo di sicurezza informatica, cosa me ne faccio delle materie di base?"
"Io mi occupo di sicurezza informatica, cosa me ne faccio delle materie di base?" Marco Cremonini Docente di: Sicurezza nelle Reti (corso in presenza e online) Prevenzione e Controllo delle Intrusioni
DettagliLivelli di spiegazione e modelli per l interazione
Livelli di spiegazione e modelli per l interazione Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2019.html
DettagliProbabilità. Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi
Probabilità Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi 1 Alcuni concetti fondamentali Evento: è qualsiasi fatto che può accadere oppure no. Evento certo: è un evento
DettagliLa scienza dei dadi.
Dalla teoria delle probabilità alla (dis)informazione Università di Bologna 4 novembre 2017 Liceo Scientifico Galilei di Dolo La Scienza a Scuola Zanichelli Alcune domande Malattie rare Test sulla emofilia
DettagliSia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è
Cenni di probabilità di Carlo Elce Definizioni Lo spazio campionario per un esperimento è l'insieme di tutti i suoi possibili esiti. Per esempio, se l'esperimento è il lancio di due di dadi e si rappresentano
DettagliTeorema di Bayes. 13 aprile Regola delle probabilitá totali
Teorema di Bayes 3 aprile 207 Si introduce l equazione di partizione o regola delle probabilitá totali. Successivamente si discute il teorema di Bayes. Regola delle probabilitá totali Uno dei prerequisiti
DettagliComputazione per l interazione naturale: classificazione probabilistica
Computazione per l interazione naturale: classificazione probabilistica Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it
DettagliProbabilità I. Concetto di probabilità. Definizioni di base: evento
Concetto di probabilità Nozioni di eventi. Probabilità I Calcolo delle probabilità Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Cos'è una probabilità? Idea di massima:
Dettagli8 Derivati dell entropia
(F1X) Teoria dell Informazione e della Trasmissione 8 Derivati dell entropia Docente: Nicolò Cesa-Bianchi versione 23 marzo 2016 Siano X e Y due variabili casuali con valori in insiemi finiti X e Y. Detta
DettagliLa Teoria (epistemica) della conferma bayesiana
La Teoria (epistemica) della conferma bayesiana La teoria della probabilità fornisce alcuni strumenti potenti anche in senso epistemico, per valutare argomentazioni e decisioni in cui sono usati dei metodi
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliLa probabilità: 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
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
DettagliMetodi matematici e statistici
Metodi matematici e statistici per Farmacia Ospedaliera AA2009/10 F.-L. Navarria FLN - Novembre 2010 1 Probabilità (*) Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi
DettagliProbabilità (*) Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi
Probabilità (*) Concetti fondamentali Definizione di probabilità Teoremi sulla probabilità Esercizi (*) probabile: dal verbo latino probare (provare, verificare) e dal suffisso ilis (che può essere) che
DettagliIl Calcolo delle Probabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici.
INTRODUZIONE L CLCOLO DELLE ROILIT Il Calcolo delle robabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici. Un fenomeno aleatorio o stocastico è un fenomeno i cui esiti
DettagliElementi di Calcolo delle probabilità
Elementi di Calcolo delle probabilità Docente: Francesca Benanti 13 Dicembre 2007 1 Definizioni di Probabilità La teoria della probabilità è quella parte della matematica che, sulla base delle informazioni
DettagliMatematica con elementi di Informatica
Probabilità discreta Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
Dettagli