Il ragionamento induttivo. Unit 6 Corso di Logica
|
|
- Giada Brunetti
- 8 anni fa
- Visualizzazioni
Transcript
1 Il ragionamento induttivo Unit 6 Corso di Logica
2 Ricordiamo che C è una differenza generale tra deduzione (conclusione necessaria) e induzione (probabilità induttiva della conclusione) In un argomento induttivo la conclusione è probabilmente vera se: le premesse sono vere e pertinenti si rispetta il requisito dell evidenza totale la probabilità induttiva è alta fallacie di pertinenza, fallacia dell evidenza soppressa
3 Forza delle asserzioni La probabilità induttiva (o forza di un argomentazione) dipende anche dalla forza di premesse e conclusione La forza di un asserzione è tanto più alta quante meno situazioni la ammettono (è inversamente proporzionale al numero di situazioni in cui l asserzione stessa è vera) la forza di un asserzione aumenta con l aumentare del numero di informazioni trasmesse, e non dipende dallo specifico valore di verità
4 Esempi di forza A. Mi trovo in Italia B. Mi trovo a Treviso A B C D C. Mi trovo nell hotel Maggior Consiglio a Treviso D. Mi trovo nell hotel Maggior Consiglio a Treviso, alla lezione di Logica 1. Ti ho telefonato ieri 2. Ti ho telefonato ieri alle 11:56 3. Ti ho telefonato ieri ma non erano le 11:
5 Forza relativa La definizione è piuttosto vaga Solitamente (non sempre) è più facile considerare la forza relativa Se A è logicamente equivalente a B allora A e B hanno la stessa forza Se A implica deduttivamente B, ma non viceversa, allora A è più forte di B Casi estremi le asserzioni contraddittorie sono le più forti in assoluto, le asserzioni logicamente vere sono le più deboli in assoluto
6 Ovvero La probabilità induttiva tende a variare in modo direttamente proporzionale alla forza delle premesse in modo inversamente proporzionale alla forza della conclusione Dunque un argomentazione diventa più forte (risp. debole) aumentando (risp. diminuendo) la forza delle premesse diminuendo (risp. aumentando) la forza della conclusione
7 Esempi sulla forza Cosa cambia all aumentare di x? Gli x corvi osservati sono tutti neri. :. I corvi sono tutti neri Se x aumenta allora aumenta anche la forza dell argomentazione (perché aumenta la forza della premessa) L altezza media degli uomini italiani è di 175 cm. :. Il Sig. Rossi (che non conosco) è alto 175 cm, con un approssimazione di x cm. Se x aumenta allora aumenta anche la forza dell argomentazione (perché diminuisce la forza della conclusione)
8 Sillogismi statistici e humeani Supponiamo che, dall analisi di una certa popolazione, in una certa quantità di casi le cose vanno in certo modo In un caso specifico della popolazione cosa posso concludere?
9 Sillogismi statistici e humeani (2) Statistico Sfrutta solo le conseguenze matematiche Premesse n% degli A è B x è A Conclusioni ragionevoli se n>50 :. x è B se n<50 :. x non è B Humeano Sfrutta un presupposto di uniformità del mondo Premesse Ho osservato c casi di A e n% sono B x è A Conclusioni ragionevoli presumendo l uniformità della popolazione n>50 :. x è B n<50 :. x non è B
10 Il tacchino induttivista (B. Russell)
11 Generalizzazione statistica In una generalizzazione statistica da statistiche riguardanti alcuni elementi della popolazione (scelti casualmente) si inferisce su tutta la popolazione L 80% dei 1000 studenti intervistati a caso è d accordo sull abolizione delle tasse universitarie. :. Circa l 80% degli studenti è d accordo sull abolizione delle tasse universitarie.
12 Elementi essenziali della G. S. n% di c elementi scelti a caso tra gli F è G :. Circa n% degli F è G c: dimensione del campione scelto a caso: ciascun elemento ha uguale probabilità di essere scelto Circa: rende più forte l argomentazione Teorema: per la maggior parte dei sottoinsiemi di F di dimensione c, la proporzione dei G è circa la stessa Dunque la probabilità induttiva è determinata in modo puramente matematico
13 Esempio Abbiamo una popolazione di 500 individui F, e di questi il 75% è G. Facciamo campionamenti a caso rispettivamente di 40, 80, 120 e 160 individui. % di G c=40 75% 15% 75 ± 2,5% 43% 75 ± 5% 66% 75 ± 7,5% 82% 75 ± 10% 91,5% c=80 11% 52% 80% 93,4% 98,4% c=120 c=160 9% 9% 60% 68% 88% 94,0% 97,9% 99,4% 99,8% 99,9%
14 Sono a caso? Rispetto a tutti gli italiani le persone che rispondono ad un annuncio i lettori di un giornale (uno qualsiasi) o i telespettatori di un canale (uno qualsiasi) le persone incontrate per strada, andando in varie città italiane Persone estratte a sorte dagli elenchi telefonici di varie città, con una città per ogni regione Persone estratte dai registri dell anagrafe con un metodo tipo lotteria
15 Probabilità induttiva nella G.S. Dipende principalmente da due fattori dimensione del campione (l aumento di c rafforza la premessa in modo pertinente) forza della conclusione (l aumento del margine d errore rende più debole la conclusione) Dunque, la prob. induttiva di una generalizzazione statistica aumenta (diminuisce) se aumenta (diminuisce) la dimensione del campione, e/o aumenta (diminuisce) il margine d errore
16 Sondaggi e Audience Sono stime probabilistiche derivanti da generalizzazioni statistiche Quando si afferma: il 60% degli studenti intervistati pensa che X con un margine d errore del 2,5% oppure Ieri sera il TG1 è stato visto da 10 milioni di italiani, con circa il 40% di share si intende: siamo sicuri al 95% che nell intervallo tra 57,5% e 62,5% ci sia la proporzione reale degli studenti che pensano X Ma sono importanti anche l assunzione di sincerità, il modo di porre le domande, ecc.
17 Generalizzazione induttiva In alcune situazioni non è possibile un campione scelto a caso, ad esempio quando si includono anche oggetti ed eventi futuri In questi casi si ha una generalizzazione induttiva (di tipo humeano) della forma Sono stati osservati c individui aventi proprietà F. Tra questi, n% è G. :. Circa n% degli F è G Usata costantemente nelle leggi scientifiche di tipo empirico o osservativo
18 Generalizzazioni fallaci Quando si trae una conclusione su un intera classe di oggetti a partire da dati scarsi o viziati si commette una fallacia (induttiva) che rientra nelle generalizzazioni indebite (o hasty generalizations) Alcuni tipi di fallacie di questa classe sono la non rappresentatività ed il campione troppo piccolo
19 Fallacia di non rappresentatività Fallacia della rappresentatività (o distorsione sistematica), quando il campione non è scelto a caso e non è rappresentativo della popolazione Oggi abbiamo intervistato 1000 uomini e donne al mercato sullo stato della crisi italiana. Di questi, l 80% dice di essere in gravissime difficoltà. Dunque, l 80% della popolazione italiana direbbe di essere in gravissime difficoltà.
20 Esempi di campioni troppo piccoli Fallacia del campione troppo piccolo (o secundum quid), se la numerosità del campione è esigua a fronte di una conclusione troppo forte I nigeriani sono tutti disonesti. Ne ho avuti due come vicini di casa: uno spacciava, l altro era un ladro.
21 Statistiche tendenziose Si commettono fallacie per statistiche tendenziose quando i dati statistici sono usati in modo inappropriato, ad esempio: quando si confonde il reale significato dei dati statistici (fallacia statistico-semantica) I numeri parlano chiaro. Se volete combattere l illegalità votate per me. Da quando sono al governo l illegalità si è ridotta ben del 15%. (e magari il dato si riferisce solamente alla diminuzione della microcriminalità)
22 Statistiche tendenziose (2) quando si inferisce una correlazione inesistente tra fenomeni (fallacia della correlazione indebita) La lotta allo spaccio di droga sta dando i suoi effetti. Nell ultimo anno i sequestri antidroga sono calati del 20%. quando il dato statistico è interpretato in modo isolato inferendo conclusioni più ampie (fallacia del termine di paragone assente) Conviene comprare le azioni Fiat. Recentemente hanno avuto un rialzo del 16%.
23 Statistiche tendenziose (3) quando il dato statistico assoluto viene frainteso con il dato relativo, che è espresso in percentuale (fallacia della linea di base) Le coppie che si separano sono in aumento. Rispetto al 2005, il numero di divorzi è raddoppiato. E se fosse aumentata la popolazione? Oppure il numero dei matrimoni?
24 La mucca dal treno Ci sono tre uomini su un treno: un economista, un matematico e un logico. Hanno appena oltrepassato il confine per la Scozia quando dal finestrino del treno vedono una mucca marrone in un campo. L'economista: Guardate, le mucche in Scozia sono marroni. Il matematico: No. In Scozia c è almeno una mucca marrone. Il logico: No. C'è almeno una mucca in Scozia, e uno dei due fianchi è visibilmente marrone.
25 ANALOGIA
26 Argomentazione per analogia L argomentazione per analogia è induttiva di tipo humeano: dal confronto tra due situazioni, diciamo x e y, che hanno delle caratteristiche comuni si inferisce che un ulteriore caratteristica di x appartiene anche a y Un argomento analogico è raramente valido: se è ben costruito può essere forte
27 Argomento analogico Premessa analogica: il caso x ed il caso y hanno in comune alcune caratteristiche C 1, C 2,, C n Premessa attributiva: il caso x presenta un ulteriore caratteristica G Conclusione: anche il caso y presenta la caratteristica G Premesse analogiche Premessa attributiva Conclusione C 1 x & C 2 x & & C n x C 1 y & C 2 y & & C n y Gx :. Gy
28 Esempi Un ape operaia x è stata chiusa in un barattolo. Un ape operaia y era stata chiusa ieri in un barattolo ed oggi è morta. Domani sarà morta anche l ape x. Non correre così tanto quando vai in automobile, potresti correre dei pericoli. Ma figurati Giuseppe ha il mio stesso stile di guida, va anche lui sempre a 180 all ora e non si è mai fatto un graffio!
29 Analogia impropria Quando un ragionamento analogico è fallace si parla di analogia impropria (o falsa analogia) Di solito, la principale ragione alla base della fallacia è il basso grado di pertinenza della premessa analogica Il buon governo della cosa pubblica può essere assimilato a una buona gestione aziendale. Infatti, come in un azienda il pareggio dei bilanci è un indice di gestione sana, così i cittadini a consuntivo devono ricevere quanto hanno investito.
30 INFERENZE CAUSALI
31 Concetto di causa La causalità è definibile come relazione tra due eventi, causa ed effetto, in cui l effetto è una conseguenza della causa (o di un insieme di fattori-cause) Potremmo dire che A è causa di B solo se: A e B si sono verificati effettivamente A ha preceduto temporalmente B il verificarsi di A fa la differenza rispetto al verificarsi di B si può escludere l influenza di un altro evento C che è causa sia di A che di B
32 Inferenze causali Non sempre (anzi quasi mai) ciò che avviene è riconoscibile causalmente Un inferenza causale mira a riconoscere la causa di un certo effetto È una procedura complessivamente induttiva, ma con due passaggi 1. passaggio induttivo (di solito basato sull analogia): formulazione di una lista di possibili cause sospette 2. passaggio deduttivo (basato sul confronto di casi): eliminazione per osservazione di cause sospette dalla lista
33 Tipi di cause Causa necessaria (condizione causalmente necessaria): C è una causa necessaria per l effetto E se è una condizione in assenza della quale E non si verifica mai Causa sufficiente (condizione causalmente sufficiente): C è una causa sufficiente per E se in presenza di C l evento E si verifica sempre
34 Tipi di cause (2) Causa necessaria e sufficiente: non c è causa senza effetto ed effetto senza causa Dipendenza causale di quantità variabili: una quantità variabile B è causalmente dipendente da una quantità variabile A se al variare di A si produce sempre un cambiamento corrispondente in B
35 Eventi e cause A=accensione del ventilatore, B=inserimento della spina nella presa di corrente A=spegnimento del ventilatore, B=spegnimento dell interruttore generale della casa A=avvio allarme antincendio, B=uscita dall aula A=innalzamento delle temperature terrestri, B=scioglimento dei ghiacci polari A=aumento temperatura freezer, B=scioglimento cubetti di ghiaccio A=aumento della legna nel camino acceso, B=aumento della temperatura nella stanza BnA BsA AsB AdB AnsB AdB
36 Metodi di Mill Facilitano l individuazione della causa reale tramite eliminazione delle cause sospette Metodo accordo differenza congiunto variazione concomitante Per eliminare cause necessarie cause sufficienti cause necessarie e sufficienti dipendenze causali
37 Fallacie causali Esistono diverse fallacie causali, ne vediamo solo alcune che comportano errori nell identificazione delle cause reali falsa causa, ed una serie di sue varianti post hoc ergo propter hoc causa comune direzione sbagliata causa complessa
38 NOZIONI PROBABILISTICHE
39 Nozione di probabilità Dato un insieme di eventi, di cui un evento A fa parte, con p(a) indichiamo la probabilità che A accada (o che l asserzione A sia vera)
40 Interpretazioni per p p(a) può essere interpretata in modo Soggettivo, se p(a) misura il grado di credenza di un agente razionale sul fatto che A accada Logico, quando p(a) misura a priori il contenuto informativo in modo inversamente proporzionale (A debole ha probabilità alta) Frequentista, se p(a) misura la frequenza con cui A accade in relazione ad una certa classe Classico, se p(a) misura a priori, ma solo in contesti finiti equiprobabili, l incidenza dei casi favorevoli rispetto a quelli possibili
41 Esempi - probabilità Estrazione di una carta da un mazzo francese (52 carte: semi; 1,2,,10,J,Q,K per ogni seme) E 2 = esce un due, E C = esce un cuori, E 2C = esce il due di cuori, ecc. p(e 2C )= p(~e 2C )= p(e A )= p(e AC ve AQ )= p(e C )= p(e AC &E AQ )= p(e C ve Q ve F ve P )= 1/52= /52=.981 4/52=.076 2/52= /52=.25 0/52=0 52/52=1
42 Calcolo delle probabilità È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive Assiomi: p(a) 0 se A è un evento certo (ovvero una tautologia), allora p(a)=1 se A e B sono mutuamente esclusivi (ovvero il presentarsi dell uno esclude il presentarsi dell altro), allora p(avb)=p(a)+p(b) Ne scaturiscono molte conseguenze
43 Probabilità condizionale Con probabilità condizionale di A dato B si intende la probabilità dell asserzione A data la verità dell asserzione B, e si indica con p(a B) È anche (banalmente) il rapporto tra casi favorevoli per A&B e casi favorevoli per B
44 FALLACIE PROBABILISTICHE
45 Ritardi e Legge dei grandi numeri Il 24 non esce da 110 settimane. Dunque me lo gioco, perché è più probabile che esca alla prossima estrazione Premesse implicite: a) i numeri sono equiprobabili; b) un numero in ritardo dovrà presto riallinearsi alle uscite degli altri numeri Legge dei grandi numeri (o legge empirica del caso): le frequenze di uscita dei numeri tendono al valore teorico se le estrazioni sono infinite (non con un numero molto grande!) L argomento è fallace: le probabilità non cambiano perché gli eventi sono indipendenti!
46 Fallacia Montecarlo La fallacia Montecarlo (o dello scommettitore) si commette quando dal verificarsi (o dal non verificarsi) di una serie di eventi di un tipo si inferisce come più probabile che si presentino eventi di tipo opposto e indipendenti È da tanto che x non si verifica :. x si verificherà presto Una variante meno diffusa è: È da tanto che x non si verifica :. x non si verificherà più
47 Esempio Lanciamo 6 volte un dado non truccato. Quale sequenza è più probabile? sequenza 1 sequenza 2 Molti credono la 1. Invece sono sequenze equiprobabili, come ogni altra sequenza di lunghezza 6! È una fallacia Montecarlo
48 Esempio La maggior parte degli extracomunitari commette reati. Infatti la maggior parte dei reati commessi in Italia è commessa da extracomunitari. Che dite?
49 Fallacia della prob. condizionale In generale p(a B) e p(b A) (si dicono converse) sono distinte e non correlate A B La fallacia della probabilità condizionale si commette quando si argomenta usando la probabilità condizionata conversa al posto di quella pertinente
50 Esempio La maggior parte degli extracomunitari commette reati. Infatti la maggior parte dei reati commessi in Italia è commessa da extracomunitari. (P1) La maggior parte dei reati commessi in Italia è commessa da extracomunitari. :. La maggior parte degli extracomunitari commette reati. E= azione di extracomunitari, R= reato (P1) p(e R) è superiore al 50% (C) si conclude che p(r E) è superiore al 50% È una fallacia della probabilità condizionale!
51 LOGICA BAYESIANA
52 Teorema di Bayes Permette di calcolare una probabilità condizionale a partire dalla conversa Se A 1,A 2, A n sono mutualmente esclusive
53 Esempio 1 In Italia il 50% delle auto è del tipo X, il 20% è di colore bianco, ed il 25% delle X è di colore bianco. Argomento: Io ho un auto bianca. Dunque è di tipo X. L argomento è forte? Con che probabilità è di tipo X? A= è una X, B= è di colore bianco
54 Esempio 3 Abbiamo una malattia contratta dall 1% della popolazione. Un test diagnostico dà risultato positivo nel 90% dei malati e nel 5% dei non malati. Valutiamo l argomento (che dite?): Il test diagnostico mi dà esito positivo. :. Ho contratto la malattia. In sintesi: risultato positivo nel 90% dei malati (negativo nel 10% dei malati) e nel 5% dei non malati (negativo nel 95% dei non malati).
55 Esempio 3 (cont.) - calcolo Siano M= malato, P= positivo al test Voglio conoscere p(m P) Dunque l argomento è debole, perché la probabilità di aver contratto la malattia è solo del 15.38%
56 Esempio 3 (cont.) - perché? Supponiamo la popolazione sia composta da individui. Malati: 1000 Malati positivi al test: 900 Non Malati: Non Malati positivi al test: 4950 Quanti sono i malati positivi rispetto a tutti i positivi? 900/( )=15.4%
57 Esempio 3 (cont.) - conclusioni Valutiamo l argomento: Il test diagnostico mi dà esito negativo; dunque non ho contratto la malattia. Dobbiamo calcolare p(~m ~P) L argomento è forte! Conclusione: fare attenzione a cosa si chiede (e saper calcolare le probabilità)!
58 Conferma bayesiana A ipotesi B evidenza Possiamo chiederci: quanto l evidenza B conferma A? Definizioni: B conferma A se e solo se p(a B)>p(A), ovvero se e solo se p(b A)/p(B)>1; B disconferma A se e solo se p(a B)<p(A), ovvero se e solo se p(b A)/p(B)<1; B è neutrale rispetto ad A se e solo se p(a B)=p(A), ovvero se e solo se p(b A)/p(B)=1. Il grado di conferma dell evidenza B all ipotesi A è dato da p(a B)-p(A).
59 Holmes e Barbaglio d argento Gara: Barbaglio d Argento è il favorito. La sera precedente il cavallo viene rapito. Il fantino viene ritrovato morto. Per la polizia è stato il ragazzo sconosciuto che quella stessa sera ha litigato col boss. Iniziano le indagini di S.H. - C è qualche altro punto su cui lei ritiene opportuno attrarre la mia attenzione? - Sì, sullo strano incidente del cane, quella notte. - Ma, quella notte, il cane non ha fatto nulla. - Questo appunto è l incidente curioso.
60 Holmes e Barbaglio d argento (cont.) Argomentazione della Polizia: Un cavallo rapito e un fantino ucciso. Un ragazzo sconosciuto aveva litigato la sera prima con il boss. :. È stato il ragazzo sconosciuto. Argomentazione di Sherlock Holmes: Un cavallo rapito e un fantino ucciso. Un ragazzo sconosciuto aveva litigato la sera prima con il boss. Il cane a guardia non ha abbaiato. :. Non è stato uno sconosciuto.
61 Holmes e Barbaglio d argento (cont.) H= c è uno sconosciuto (ipotesi) E= il cane non abbaia (evidenza) Per S.H.: p(h E)<p(H). Ok? (ovvero p(e H)<p(E)) Dunque E disconferma l ipotesi H. Invece p(h ~E)>p(H). Ok? (ovvero p(~e H)>p(~E)) Cioè solo ~E confermerebbe l ipotesi H. Conclusione. L evidenza E rende meno probabile H, dunque aumenta la probabilità di ~H. Invece ~E avrebbe confermato l ipotesi H.
62 Modelli di conferma Modello fondamentale (o sillogismo euristico) H E E :. H è più credibile Se rimaniamo ancorati alla logica deduttiva ciò sarebbe fallace, ma in un ottica induttiva si tratta di un ragionamento plausibile
63 Altri modelli Modello della conseguenza improbabile La conseguenza E di H (H E) è molto improbabile E si è verificata :. H è molto più credibile Modello della conseguenza probabile La conseguenza E di H (H E) è molto probabile E si è verificata :. H è di poco più credibile
64 Il Dilemma Monty Hall Siamo in un gioco a premi, con 3 scatole chiuse: 2 vuote e 1 con monete d oro. Scegliamo una scatola. Il conduttore del gioco, che sa cosa si nasconde dentro ciascuna scatola, ne apre una mostrando che è vuota. Poi dice: Se vuoi, puoi cambiare scatola. Per prendere una decisione valutiamo: (P) Adesso abbiamo due scatole ed una è vuota. :. La probabilità che le monete d oro siano nella mia scatola è del 50%. :. Con ogni scelta ho la stessa probabilità di vincere
65 Il Dilemma Monty Hall (cont.) S 1M = scatola 1 con monete, S 1V = scatola 1 vuota, Scelgo la scatola 1. Le probabilità iniziali sono Viene aperta la scatola 2 che è vuota. Le probabilità adesso sono Dunque p(s 1M ) = 1 3 =.33 p(s 1V ) = 2 3 =.67 p(s 1M S 2V ) = 1 2 =.5 p(s 1V S 2V ) = 1 2 =.5 p(s 1M S 2V ) =.5 > p(s 1M ) =.33 p(s 1V S 2V ) < p(s 1V ) Ma questa conferma è stata forzata dal presentatore: la sua azione non dovrebbe alterare le probabilità iniziali! Dunque l argomento è debole: si tratta di una fallacia dell evidenza soppressa (ho a scelto a caso fra 3 scatole)!
66 GIOCHI EQUI
67 A che gioco giochereste? Coppa del mondo ITALIA- BRASILE ITALIA 3.30 X 3.30 BRASILE 3.30
68 Proposta di gioco Valutiamo l argomento: (P1) Ho una probabilità bassa di vincere (P2) Il costo della puntata è relativamente basso rispetto alle mie disponibilità economiche (ovvero, posso decidere che somma giocare) (P3) Se indovino le somme che si vincono sono abbastanza alte :. Mi conviene giocare
69
70
71 Riviste specializzate Previsioni super studiate! Con LottoPiù si vince alla grande! Gli ambi secchi più e meno vincenti a maggio 3 numeri che stanno vincendo sempre di martedì Nuova eccezionale vincita Mediavideo pag
72 Gioco equo Ricordiamo che la media (o valore atteso) è la somma delle uscite (positive e negative) moltiplicate per le rispettive probabilità Il valore atteso di un gioco è la media tra uscite positive (vincenti) e negative (perdenti) moltiplicate per le loro probabilità Un gioco è equo se il valore atteso è zero, cioè se le somme che si vincono/perdono sono bilanciate rispetto alle probabilità di vincere/perdere. Se un gioco non è equo, può essere favorevole (valore atteso>0) o in perdita (valore atteso <0) Giocando all infinito, un gioco in perdita (risp. favorevole) produce perdite (risp. vincite) sicure
73 Esempi Lancio moneta equa: p(c)=.5, p(t)=.5 Indovinando si vince 1, altrimenti si perde 1 V= (-1)=0 dunque il gioco è equo Stesso gioco, ma indovinando si vince 1, altrimenti si perdono 2 V= (-2)=-.5 dunque il gioco non è equo, ma è in perdita Lancio moneta non equa: p(c)=.8, p(t)=.2 la giocata costa 1. Quanto dovrei vincere in modo equo puntando su T? V T =.8 (-1) +.2 (x)=0 da cui x=4
74 SuperEnalotto Il gioco precedente è un approssimazione del SuperEnalotto, in cui il montepremi cambia di volta in volta: è il % della raccolta Di cui il 20% ai 6, 20% ai 5+, 15% ai 5, 15% ai 4, 30% ai 3 ; in assenza di 6 o 5+ il montepremi relativo incrementa il montepremi successivo Esempio: immaginiamo banco e un solo giocatore (tutti giocatori sono in società). Il giocatore fa una serie di puntate su alcuni numeri per complessivi 100. Le sue vincite sono divise in questo modo Margine del banco in questo gioco collettivo: % premio vincita MONTEPR
75 SuperEnalotto estraz. del 21/3/15 Ma considerando individualmente ogni singola giocata, visto che le somme sono da dividere tra i giocatori vincenti (tutti i 3 dividono un montepremi loro destinato, ecc.), abbiamo (dati dall estrazione del 21/03/2015): Premio vincitori vincita vincita equa margine del banco individuale 6 1 9,577, ,328, % , , % , % % Conclusione. Su ogni singola giocata il banco ha un margine molto alto, che aumenta all aumentare del numero dei vincitori
76 Il gioco del Lotto Facciamo una giocata di 5 numeri A tutto ciò, per vincite superiori a 500, va aggiunta una trattenuta diretta del 6% sulla parte eccedente gli 500.
77 La roulette francese
78 Scommesse sportive Nelle scommesse sportive vengono indicate le somme lorde corrisposte ITALIA 2.95 Coppa del mondo ITALIA- BRASILE X 3.20 BRASILE 2.50 Il gioco è equo? Oppure, qual è il profitto del gestore? 1 X 2 Vincita lorda Per vincere 100 occorre giocare G 1 =100/V 1 Probabilità di uscita stimata P 1 =(G 1 x100)/(somma delle G) Vincita se il gioco fosse equo Margine del gestore M 1 =1-V 1 /E 1 V G P 32.24% 29.72% 38.04% E M 4.8% 4.8% 4.9%
79 E il Gratta e Vinci? Vediamo l Asso Pigliatutto Costo biglie9o: 3 Vincita possibile 200,000 Informazioni pubbliche: hdp:// gradaevinci/classico/premi.html
80 Asso Pigliatutto Primo lotto biglietti: Nr. 33,600,000 Massa premi: 67,344,000 Lo Stato incassa mln, ne distribuisce 67.3 mln Solo 1 biglietto su 3,68 è vincente In generale: 61.14% perdi 3 (oltre 20 mln di biglietti) 61.14% 17.96% torni in pari (oltre 6 mln di biglietti) 79.10% 16.71% vinci 5 (vincita netta di 2 ) 95.81% 3.12% vinci 10 (vincita netta 7 ) 98.93%.9% vinci 20 (vincita netta 17 ) 99.80% vincite di 30, 100, 200, 500, % vinci 10,000 (24 biglietti su 33,6 mln);.00001% vinci 200,000 (4 biglietti su 33,6 mln)
81 Conclusioni Asso Pigliatutto Il gioco è equo? vincita neda % E(X)=(-3*.6114) + (0*.1796) + (2*.1671)... =-.996 Se consideriamo anche la tassazione (6% per vincite eccedenti i 500 ), il valore atteso diventa Dunque, anche se acquistassimo tutti i biglietti, per ogni biglietto avremmo una perdita di 1.006, ovvero per avere un gioco equo dovremmo pagare per ogni biglietto solo 1.994
82 Margine banco Lotto 37% 37% 62% 76% 86% Margine banco scom. sportive (medio) 5-10% Differenze Margine banco Asso pigliatutto (medio) 33.23% Margine banco SuperEnalotto (totale) 65,35% (individ.) anche >90% Margine banco Roulette 2.77% 2.85% 2.94% 3.03% 3.28% 3.84% 4.76% Conclusione. Tra quelli esaminati, il gioco che è meno in perdita è la Roulette francese, seguita dalle scommesse sportive, e in nessun caso il gioco è equo (vedi margine).
83 Dunque L argomentazione seguente è buona: Nei giochi d azzardo con il banco, tipo Gratta e Vinci, Lotto e SuperEnalotto, una parte della somma giocata è trattenuta dal banco stesso per costi di gestione e guadagno (erario e tutta la filiera dei giochi). Dunque non conviene giocare. Ma anche l argomentazione seguente è buona: La massa di giocatori che gioca al Gratta e Vinci, al Lotto e al SuperEnalotto, garantisce un gettito erariale significativo, con entrate annue intorno agli 8 mld di Euro negli ultimi anni. Dunque, se non ci fossero i giochi d azzardo di Stato e una massa così grande di giocatori, occorrerebbe o tagliare ulteriori spese o sostituire il gettito con altre forme, ad esempio con altre tasse ed imposte a carico della collettività.
84 Per casa Leggere Varzi, par. 8.4, cap. 9 e 10 Paoli, cap. 6 e 12 Dispense gioco equo e conferma bayesiana Esercizi sul Varzi E poi (non prima!), esercizi online
Calcolo 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
DettagliCalcolo delle probabilità e ragionamento bayesiano. Unit 3 Corso di Logica e Teoria dell Argomentazione
Calcolo delle probabilità e ragionamento bayesiano Unit 3 Corso di Logica e Teoria dell Argomentazione Sommario Nozioni probabilistiche Probabilità condizionata Ragionamento bayesiano Fallacie probabilistiche
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 Fallacie probabilistiche
DettagliCalcolo delle probabilità e ragionamento bayesiano. Unit 6, lez 4-6 Corso di Logica
Calcolo delle probabilità e ragionamento bayesiano Unit 6, lez 4-6 Corso di Logica Sommario Nozioni probabilistiche Probabilità condizionata Ragionamento bayesiano Applicazioni a giochi e giochi equi Nozione
DettagliProbabilità e giochi. Unit 3 Corso di Logica e Teoria dell Argomentazione
Probabilità e giochi Unit 3 Corso di Logica e Teoria dell Argomentazione Gioco dei compleanni http://keisan.casio.com/exec/system/12237 38282 Il lancio del dado Lanciamo 6 volte un dado non truccato. Quale
DettagliIl ragionamento induttivo. Unit 6, lez 1-3 Corso di Logica
Il ragionamento induttivo Unit 6, lez 1-3 Corso di Logica Sommario Probabilità induttiva Generalizzazioni Fallacie induttive Analogia Inferenze causali Un esempio famoso Video Ricordiamo che C è una differenza
DettagliGioco equo !!! G! = 2 3
Gioco equo 1. Introduzione Una delle situazioni più importanti in cui un giocatore può utilizzare le sue conoscenze probabilistiche è nel decidere se in un gioco è davvero conveniente giocare. Per far
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
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,
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
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
DettagliLaboratorio di dinamiche socio-economiche
Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 8 marzo 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti paradossi
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
DettagliStatistica e analisi dei dati Data: 07 marzo Lezione 5. Figura 1: Modello ad Urna
Statistica e analisi dei dati Data: 07 marzo 2016 Lezione 5 Docente: Prof. Giuseppe Boccignone Scriba: Alessandra Birlini 1 Il modello a urna Figura 1: Modello ad Urna Con questo tipo di modello posso
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
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
DettagliLaboratorio di calcolo delle probabilità
Laboratorio di calcolo delle probabilità Il concetto di probabilità I Estraendo a caso una carta da un mazzo è maggiore la probabilità che sia un carta con un numero maggiore di 6 (escluse le figure) o
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
DettagliLa Teoria (epistemica) della conferma bayesiana
La Teoria (epistemica) della conferma bayesiana Introduzione La teoria della probabilità fornisce alcuni strumenti potenti anche in senso epistemico, per valutare argomentazioni e decisioni in cui sono
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
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,
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.
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
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
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.
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
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 ={
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
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
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
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
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
DettagliCALCOLO DELLE PROBABILITA
CALCOLO DELLE PROBABILITA Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma Nella ricerca scientifica, così come nella vita, trionfa l incertezza Chi guiderà il prossimo governo? Quanto
DettagliPROBABILITA E STATISTICA
PROBABILITA E STATISTICA La nozione di probabilità è stata concepita in modi diversi; GROSSOLANAMENTE le principali sono: Concezione classica: concetto di probabilità come uguale possibilità concezione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 15-La probabilità vers. 1.0a (26 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2014-2015
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
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
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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizioni di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Principio della somma Principio del prodotto Eventi certi : è certo
DettagliDIPARTIMENTO SCIENZE POLITICHE E SOCIALI ABILITÀ LOGICO-MATEMATICHE A.A. 2018/2019 PROBABILITÀ
1 PROBABILITÀ DI UN EVENTO PROBABILITÀ Si parla di eventi probabili o improbabili quando non si è sicuri se essi si verificheranno. Quando lanciamo in aria una moneta, da cosa dipende se dopo la caduta
DettagliMATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI. Anna TORRE
MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI Anna TORRE Dipartimento di Matematica, Università di Pavia, Via Ferrata 1, 27100, Pavia, Italy. E-mail: anna.torre@unipv.it 1 GIOCHI
DettagliProbabilità. Spazi di probabilità
Probabilità Paolo Montanari Appunti di Matematica Probabilità 1 Spazi di probabilità Un esperimento si dice casuale quando esso può essere ripetuto quante volte si vuole, ed il risultato di ogni esecuzione
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
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
DettagliP (T + H)P (H) P (T + H)P (H) + P (T + H)P ( H) 0.95P (H) 0.95P (H) (1 P (H)) ragionevole screening su popolazione a rischio
Test per HIV T + = test positivo ; T = test negativo H = presenza di HIV Test sensibile: P (T + H) = 0.95 possibilità di falsi risultati P (T H) = 1 0.95 = 0.05 P (T + H) = 0.05 (supponiamo) calcoliamo
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
DettagliValore atteso, mazzi di carte e Monte Carlo. Anna Torre-Fulvio Bisi
Valore atteso, mazzi di carte e Monte Carlo Anna Torre-Fulvio Bisi Eventi Indipendenti Due eventi A, B sono indipendenti se la probabilità che accadano entrambi è il prodotto della probabilità che accada
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 25 febbraio 2016 (9.00/13.00)
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
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
DettagliEsercizi. 2. [Conteggio diretto] Due dadi vengono lanciati in successione. a) Qual è la probabilità che la somma dei due risultati faccia 7?
1 E. Vitali Matematica (Scienze Naturali) Esercizi 1. [Conteggio diretto] Quattro ragazzi, A, B, C e D, dispongono di due biglietti per il teatro e decidono di tirare a sorte chi ne usufruirà. a) Qual
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
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
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
DettagliQualche Esempio di Processo Markoviano
Qualche Esempio di Processo Markoviano Giugno 2002 O.Caligaris Alcuni problemi con caratteristiche comuni La Rovina del Giocatore Un Giocatore gioca contro il banco Ad ogni puntata può vincere 1 gettone
Dettagli6.2 La probabilità e gli assiomi della probabilità
6.2 La probabilità e gli assiomi della probabilità L introduzione alla teoria della probabilità può essere vista come un applicazione della teoria degli insiemi. Essa si occupa degli esperimenti il cui
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
DettagliProbabilità. 2) Vengono estratte 5 carte; quale è la probabilità che ci siano esattamente 2 denari? ª 0,278. k fattori. n - k +1 ) k!
Definizione classica = P A Probabilità numero esiti favorevoli numero esiti possibili Esempi 1) Da un mazzo di 40 carte (bastoni, coppe, denari, spade) ne viene estratta una; quale è la probabilità che
DettagliRota Fortunae 1 Parte I
Rota Fortunae 1 Parte I Giuseppe Sanfilippo a Carmen Zito b a Dipartimento di Matematica e Informatica, Università degli Studi di Palermo giuseppe.sanfilippo@unipa.it, b I.C. Boccadifalco Tomasi di Lampedusa,
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
DettagliLa media campionaria. MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a.
La media MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a. X n = 1 n è detta media. n X i, i=1 In altre parole, se le X 1,...,X n sono il risultato
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
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
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
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
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
DettagliInformazione, Entropia e Probabilità
Informazione, Entropia e Probabilità Alessandro Lenci Università di Pisa, Dipartimento di Linguistica Via Santa Maria, 36, 56100 Pisa, Italy alessandro.lenci@ilc.cnr.it Linguaggio e comunicazione - LO042
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Elementi di calcolo delle probabilità CdL Infermieristica Pediatrica ed
DettagliCorso di laurea in Economia e Commercio Anno accademico 2016-17 Corso di Statistica (clec, cleif A-K) Marco Gherghi Lezione: L14 Argomento: www.docenti.unina.it/marco.gherghi gherghi@unina.it Le variabili
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
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Igiene Dentale. Corso di Statistica per la ricerca sperimentale e tecnologica
Università del Piemonte Orientale Corso di Laurea in Igiene Dentale Corso di Statistica per la ricerca sperimentale e tecnologica Elementi di calcolo delle probabilità CdL di Igiene Dentale - Corso di
DettagliSecondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione.
Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Tutte le inferenze tratte dall esperienza suppongono, come loro fondamento,
Dettaglilibri acquistati sconto 1 10% 2 20% 3 30% 4 40% 5 50% 6 60% 7 70% Tabella 3. Sconti
ESERCITAZIONI 5 2.. Percentuali. 2. Compiti a casa 3 ottobre 2006 Esercizio 2.. Se in un anno in una popolazione i nuovi nati sono l, 5% della popolazione e i morti l, 8% della popolazione, di quanto è
DettagliAppunti di Calcolo delle Probabilità per il corso di Modelli Matematici per le Scienze Sociali
1 Calcolo combinatorio Appunti di Calcolo delle Probabilità per il corso di Modelli Matematici per le Scienze Sociali Si dice disposizione semplice di n oggetti di classe K (con k n) ogni allineamento
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
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
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
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliLezione 8. La Statistica Inferenziale
Lezione 8 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione
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
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,
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
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
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,
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
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
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
DettagliOlimpiadi di Statistica Classe V - Fase Eliminatoria
Olimpiadi di Statistica 2016 - Classe V - Fase Eliminatoria Domanda 1 Alla fine del torneo di calcetto organizzato dalla scuola, è stata analizzata la classifica dei marcatori dalla quale risulta la seguente
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
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
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
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliLezione 11 Ugo Vaccaro
Teoria dell Informazione II Anno Accademico 207 208 Lezione Ugo Vaccaro Abbiamo visto finora che in vari problemi collegati alla codifica di emissioni di una sorgente di informazione la entropia H(P )
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
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
DettagliLa definizione e i principi dell estimo
La definizione e i principi dell estimo 17.II.2009 La definizione della disciplina Secondo C. Forte e B. de Rossi (Principi di economia ed Estimo) l estimo è la parte della scienza economica definibile
Dettagli