Probabilità condizionata e indipendenza stocastica
|
|
- Gianmarco Romani
- 8 anni fa
- Visualizzazioni
Transcript
1 Capitolo 3 Probabilità condizionata e indipendenza stocastica 3.1 Considerazioniintroduttive Abbiamo trattato, finora, soltanto di probabilità di eventi che possono risultare Veri o Falsi. Tuttavia, il calcolo delle probabilità si occupa, per soddisfare esigenze applicative concrete, anche di eventi il cui campo di possibilità è limitato da qualche specifica condizione. Si parla, allora, di eventi condizionati o subordinati. Per esempio, relativamenteaunapartitadicalciochevedràimpegnatelesquadreaeb,sipuòscommettere sullavittoriadi A[ricevendounasommadidenaroprestabilitase Avinceeperdendola postase Anonvince:perdeopareggia],masipuòscommetteresullavittoriadi Anell ipotesichelapartitasichiudaconlavittoriadiunadellesquadreincampo.dunque l evento vittoria di A viene subordinato alla condizione che una delle due squadre vinca. Di conseguenza, lo scommettitore incassa se A vince, perde se vince B, mentre vede annullatalascommessanelcasolapartitanonterminiconlavittoriadiunadelledue squadre. Si noti la differenza rispetto alla situazione precedente della scommessa sulla vittoria di A. Una situazione concettualmente analoga si presenta con riferimento al cosiddetto processo di apprendimento dall esperienza quando si debba valutare la probabilità di una certa ipotesi H subordinatamente al fatto che un determinato esperimento abbia un certoesito,fattoespressoasuavoltadauneventoe.sitrattadivalutarelaprobabilità di H condizionatamente a un ipotetico incremento d informazione espresso dall evento 35
2 36CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA E. Siano E, H,con E,eventicontenutiinunaclasse Cdipartidi Ωcheincludaanche l intersezione E H. Ciò è automaticamente soddisfatto se C è un algebra. L evento H condizionato da E (detto anche evento H subordinato a E ) si può rappresentare, come nella Figura 3.1, restringendo(come accennato all inizio del paragrafo) le possibilità all insieme dei casi elementari che costituiscono E e, quindi, considerando successo [rispettivamente, insuccesso] il presentarsi di un caso elementare contenuto in H E [rispettivamente, il presentarsi di un caso elementare contenuto in E \ H]. Si usa indicare l evento H condizionato da E col simbolo H E. Sinotichevale H E = H E Eovvero,ilgenericoeventocondizionato H Esipuò scrivere in forma irriducibile come H E E. Figura 3.1: L evento H condizionato da E è vero nella zona punteggiata, falso in quella sfumata, indeterminato nella zona bianca. Veniamo a fare qualche osservazione preliminare sulla valutazione della probabilità di H E. Supponiamocheunindividuogiudichi P(E) = 0,90laprobabilitàchesiverifichi Ee P(H E) = 0,60laprobabilitàchesiverifichi Hnell ipotesiche Esiavero. Possiamo reinterpretare questo sistema di valutazione così: l individuo in questione si impegnaapagare0,60euronelcasosiverifichi E,perricevere1eurosesiverifica H E;pervincere0,60euronelcasosiverifichi Esiimpegnaapagare0,60 0,90=0,54 euro. In definitiva, pagando 0,54 euro, il nostro giocatore acquista il diritto a ricevere 1 eurosesiverificanosimultaneamente Hed E;quindi,0,54sipuòriguardarecomeuna valutazionedellaprobabilitàdi H Ecoerenteconivaloridi P(H E)eP(E). Questo punto di vista sarebbe in accordo con quanto suggerito dalla precedente immagine geometrica. Poiché, considerare H E significa concentrare l attenzione ai punti contenuti in E(zona sfumata per l insuccesso, punteggiata per il successo), allora la probabilità di
3 3.2. PRINCIPIO DELLE PROBABILITÀ COMPOSTE E TEOREMA DI BAYES 37 Evavistacomenuovaunitàdimisura,ovvero: P(H E) = P(H E)/P(E),equivalente a 0,60 = P(H E)/0, Principio delle probabilità composte e teorema di Bayes Nell impostazione assiomatica di Kolmogorov, la probabilità di H E[nelle condizioni dichiarate nella sezione precedente] viene definita, coerentemente alle osservazioni già svolte, come un numero P(H E) che soddisfa la relazione P(H E)P(E) = P(H E) (3.1) ossia il principio delle probabilità composte. Quando P(E) 0,(3.1) determina la probabilità di P(H E), prolungando Pda Ca C {H E}. P(H E) = P(H E)/P(E), Aquestopuntosiponeinevidenzache,perunevento Efissatoinun algebra Ccon P(E) > 0,lafunzione H P(H E) (H C) èunamisuradiprobabilitàsu C. Infatti,(1) P(H E) = P(H E)/P(E) 0;(2)se H appartieneacecontiene E,allora P(H E) = P(H E)/P(E) = P(E)/P(E) = 1,dacui, inparticolare P(Ω E) = 1;(3)se A 1,A 2,...e n 1 A n appartengonoa C,congli A i adue a due incompatibili, allora P( n 1 A n E) = 1 P(E) P(E ( n 1A n )) = 1 P(E) P( n 1(E A n )) = 1 P(E) P(E A n ) n 1 = 1 P(E) P(E A n) = P(A n E) n 1 n 1 In molti casi, praticamente significativi come quello dei procedimenti di apprendimento (l induzione statistica ne sarebbe esempio tipico), si suppongono assegnate le probabilità: P(E H)delrisultatosperimentaledatal ipotesi H, P(E H c )delrisultatosperimentaledata H c, P(H) dell ipotesi(probabilità iniziale)
4 38CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA e si procede alla determinazione di P(H E)(probabilità finale). Allora, dalla definizione di P(E H),cioè P(E H)P(H) = P(H E), segue P(E H)P(H) = P(H E)P(E) ovvero P(H E) = P(E H)P(H) P(E) che fornisce l espressione più elementare del teorema di Bayes. se P(E) 0 (3.2) Infatti, con considerazioni semplici è possibile generalizzare questo teorema a partizioninumerabilidiipotesi. Sidicechelafamigliadieventi {H n : n 1}èuna partizionedellospazio Ωdeicasielementarise H n perogni n, H n H m = se n m, n 1 H n = Ω.Quindi,perogni(misuradi)probabilità P,vale 1 = P(Ω) = P n 1H n = n 1P(H n ). Inoltre, per ogni evento E vale E = E n 1H n = n 1(E H n ) (proprietàdistributiva). Quindi,risultandoglieventi E H n, n 1,adueadueincompatibili,siha[disintegrazionedellaprobabilitàdi Esu (H n ) n 1 ] P(E) = n 1P(E H n ). (3.3) Se in un problema sono assegnate le probabilità P(E H n ), n 1[n P(E H n )èdettaverosimiglianzadelleipotesi H n,dato E], P(H n ), n 1[n P(H n )èdettadistribuzioneiniziale], si può determinare P(E) notando che(3.3) e il principio delle probabilità composte implicano P(E) = n 1P(E H n )P(H n ) e,perilteorema ristretto dibayes(3.2),apattoche P(E)siastrettamentepositiva,si perviene alla forma classica dello stesso teorema P(H n E) = P(E H n )P(H n ) n 1 P(E H n)p(h n ) (n 1). (3.4)
5 3.2. PRINCIPIO DELLE PROBABILITÀ COMPOSTE E TEOREMA DI BAYES Alcuniesempi Concludiamo il paragrafo con qualche esempio nel quale si applicano i concetti e le regole di calcolo esposti in precedenza. Poker Sicalcolilaprobabilitàdirealizzare,inunadatamanodipoker,unascalareale [lamanochecomprende10,j,q,k,adellostessoseme],nell ipotesichetuttele manipossibiliabbianolastessaprobabilità.ilnumerodellemanipossibiliè ( 52 5) ; quindidenotatocon Ωl insiemedellemanipossibiliecon ωlamanogenerica,si ha ( ) 52 P(ω) = 1/. 5 Indicatocon Rl evento lamanoèunascalareale,sivedeche Rèformatoda4 elementidi Ωe,quindi, ( ) 52 P(R) = 4/. 5 Poniamo ora che il mazziere scopra l ultima carta della tua mano(la quinta); valuta la probabilità di realizzare scala reale accettando la carta scoperta che, supponiamo,èl assodicuori. Sedenotiamocon Cl evento laquintacartachetisi distribuisce è l asso di cuori, l evento di cui si chiede di valutare la probabilità è l evento condizionato R C. Il numero delle mani con la caratteristica di avere l asso di cuori in quinta posizione(o una carta qualunque fissata in una data posizione) è ( 51 4) e,pertanto, e, perciò, P(C) = ( ) ( ) / 4 5 P(R C) = P(R C) P(C) = ( P(R C)/ ( 51 4 ))( ) Inoltre, R Ccontieneunsolocasoelementare:lascalarealedicuori.Pertanto, P(R C) = ( 52 1e,diconseguenza, 5) ( ) 51 P(R C) = 1/ 4 = 13 5 P(R).
6 40CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA Probabilità di essere imbrogliati Un industria automobilistica fabbrica uno stesso modellointrediversistabilimenti: A, B, C. Sistimache Aproduce N A modelli, B produce N B modelliec produce N C modelli, rispettivamenteconuna frazione p A, p B, p C didifettosi. Seacquisti,pressounconcessionario,unesemplare del modello, qual è la probabilità di trovarlo difettoso? Si possono formulare tre ipotesi, circa la provenienza dell esemplare, che formano una partizione di Ω: H 1 = l esemplareprovienedallostabilimento A ; H 2 = l esemplareprovienedallo stabilimento B ; H 3 = l esemplareprovienedallostabilimento C. Indicatocon D l evento l esemplare acquistato è difettoso, si ha P(D H 1 ) = p A, P(D H 2 ) = p B, P(D H 3 ) = p C. Inoltre,èragionevolevalutarele P(H i )nelmodoseguente P(H 1 ) = N A N, Quindi, P(H 2) = N B N, P(H 3) = N C N, (N := N A +N B +N C ) N A P(D) = P(D H 1 )+P(D H 2 )+P(D H 3 ) = p A N +p N B B N +p N C C N. Ora, nell ipotesi che il modello acquistato sia difettoso, calcola la probabilità che provenga, rispettivamente, da A, B, C: P(H i D) = 1 P(D) P(H i D) = 1 P(D) p A N A N per i = 1 p B N B N per i = 2 p C N C N per i = 3 Test clinico Si considera un test clinico ideato per rivelare una malattia rara che si presenta in un caso su Il test è abbastanza affidabile: per un individuo affetto rivela la presenza della malattia con probabilità 0,95; per un individuo non affetto segnala la malattia(sbagliando, dunque) con probabilità 0,005. Calcolare la probabilità che un individuo, per il quale il test è positivo, sia affetto dalla malattia in questione. Consideriamo gli eventi: M = l individuo è affetto dalla malattia ; R= iltestèpositivo ;dobbiamovalutare P(M R),sapendoche P(R M) = 0.95, P(R M c ) = 0,005, P(M) = 0,00001.Allora. P(R M)P(M) P(M R) = P(R M)P(M)+P(R M c )P(M c ) 0,95 0,00001 = 0,95 0, , = 0,
7 3.2. PRINCIPIO DELLE PROBABILITÀ COMPOSTE E TEOREMA DI BAYES 41 Ancoraidadi... Unacoppiadidadiequilibrativienelanciatainaria.Nell ipotesiche lafacciapresentatadalprimodadosia3,qualèlaprobabilitàcheilpunteggio totale superi 6? Detto Ω lo spazio dei casi elementari(l insieme delle coppie ordinate (i, j) con i=punteggio del primo dado e j=punteggio del secondo dado), si ha Ω = 36. Indichiamocon El eventochesiverificase i = 3econ F l evento {(i,j) Ω : 3+j > 6}.Laprobabilitàrichiestaè P(F E) = P(F E)/P(E). Mettendo a frutto la condizione espressa sui dadi, sarà ragionevole ritenere uguale a1/36laprobabilitàdiognicasoelementare.quindi: P(E) = 6/36,P(F E) = 3/36 e, di conseguenza, P(F E) = 3/6 = 1/2. Sesso dei figli Si considerano le famiglie con due figli. Questi ultimi, classificati in ordinedinascitaeinbasealsesso,dannoluogoallepossibilitàseguenti: {MM,MF, F M, F F}. Nell ipotesi che le quattro possibilità siano ugualmente probabili, si chiede di calcolare la probabilità che i figli siano entrambi maschi, nell ipotesi che almenounosiamaschio.siha P(MM MM MF FM) = 1/4 3/4 = 1 3. [Si badi, non 1/2] Calcolare la probabilità che i figli siano entrambi maschi nell ipotesi che il più giovane sia maschio: P(MM MM MF) = 1/4 2/4 = 1 2. Urne Si considerano due urne contenenti palline colorate. La prima contiene 3 palline bianchee2rosse,lasecondacontiene3pallinebianchee4rosse. Siestraeuna pallinaacasodallaprimaurnaelasiriponenellaseconda;quindisiestraeuna pallinaacasodallasecondaurnaesichiededivalutarecheessasiarossa. Indichiamocon R 2 quest ultimoevento,econ B 1 e R 1,rispettivamente,l estrazione dibiancaedirossadallaprimaurna.allora, P(R 2 ) = P(R 2 B 1 )+P(R 2 R 1 ) = P(R 2 B 1 )P(B 1 )+P(R 2 R 1 )P(R 1 ) = =
8 42CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA 3.3 Correlazione fra eventi e indipendenza stocastica Nel confronto fra P(H E) e P(H) potrebbe presentarsi una delle circostanze seguenti: (i) P(H E) > P(H), (ii) P(H E) < P(H), (iii) P(H E) = P(H). La(iii)dicecheassumerelaveritàdi E nonhaalcunainfluenzasullaprobabilità di H; sidiceallorache H nondipendestocasticamenteda E. Analogamente,la(i) [rispettivamente, la(ii)] dice che assumere la verità di E fa aumentare[rispettivamente, fa diminuire] la probabilità di H; quindi, si dice che H dipende positivamente [rispettivemente, negativamente] da E. Ricordando le relazioni fondamentali P(E H) = P(E H)P(H) = P(H E)P(E) (3.5) siscoprechelavaliditàdi(iii)implica P(E H) = P(H)P(E) (3.6) e,se P(H) 0,anchelavaliditàdi P(E H) = P(E) (3.7) (Enondipendestocasticamenteda H).Da(3.6)segue(iii)quando P(E) > 0.Glieventi E, H si dicono(mutuamente o reciprocamente) stocasticamente indipendenti quando vale (3.6). Questa è una delle proprietà più interessanti per gli sviluppi della teoria delle probabilità.sinotichesitrattadiunaproprietàdi P,nondeglieventi,adispettodella dizione.[n.b.: Non si confonda l indipendenza stocastica di E ed H con la loro eventuale incompatibilità. Gli eventi E,H possono essere indipendenti e non incompatibili, quando P(E H) = P(E)P(H)conP(E H) > 0.Alcontrario,glieventiEedHincompatibilicon P(E) > 0eP(H) > 0nonpossono,ovviamente,essereindipendenti,perché P(E H) = 0.] Se Ee Hsonostocasticamenteindipendenti,alloraanche Ee H c sonostocasticamenteindipendenti(quindi,anche(e c, H c )e(e c, H)).Infatti, P(E H c ) = P(E) P(E H) = P(E) P(E)P(H) [perla(3.6)] = P(E){1 P(H)} = P(E)P(H c ). Quandosihanno neventi E 1,...,E n,con n 2,essisidiconostocasticamenteindipendentiselosonoadueadue,atreatre,ecc.;piùprecisamente,quandoperogni
9 3.3. CORRELAZIONE FRA EVENTI E INDIPENDENZA STOCASTICA 43 k = 2,...,neperognisottoinsieme {j 1,...,j k }di {1,...,n}vale P(E j1 E jk ) = P(E j1 ) P(E jk ). Sidimostrafacilmentechese E 1,...,E n sonoindipendenti,risultanoindipendentiancheglieventiei c 1,...,Ei c k,e i1,...,e in k perogni{i 1,...,i k } {1,...,n}e{j 1,...,j n k } = {1,...,n}\{i 1,...,i k }. Comemostrailcasoseguente,nonbastal indipendenzaadueadueperavere,ad esempio,quellaatreatre. Siestraeunapallinadaun urnachenecontiene4: una bianca, una rossa, una verde, una bleu. Si scommette avendo diritto a scegliere due colori,etreindividuiscommettonoscegliendo:ilprimobiancoorosso(e 1 ),ilsecondo biancooverde(e 2 ),ilterzobiancoobleu(e 3 ).Selaprobabilitàdiciascuncoloreè1/4, allora: P(E 1 ) = P(E 2 ) = P(E 3 ) = 1/2, P(E 1 E 2 ) = P(E 1 E 3 ) = P(E 2 E 3 ) = 1/4 = P(E i )P(E j ) (i j). Cosìglieventi E 1, E 2, E 3 sonoadueadueindipendenti:laprobabilitàcheunafissata coppia di scommettitori vinca è data dal prodotto delle probabilità che il singolo vinca. Invece P(E 1 E 2 E 3 ) = 1/4 P(E 1 )P(E 2 )P(E 3 ). È interessante notare il fatto seguente: Data la probabilità di ciascuno di n eventi indipendenti, si può determinare la probabilità di ogni altro evento che ne dipenda logicamente.(per la nozione di dipendenza logica, vedere Sezione 1.2 ed Esempio 1.2.2) Infatti,sipuòincominciareconl osservazionechesee 1,...,E n sonoglineventidati, alloraognieventoechenedipendalogicamenteèunionedeicostituenti E i1 E ik Ej c 1 Ej c n k.allora,sfruttandol additivitàdellaprobabilitàeilfattocheicostituenti sonoadueadueincompatibili,siha P(E) = P(E i1 E ik E c j 1 E c j n k ) conlasommaestesaagliindici {i 1,...,i k } {1,...,n}percui E i1 E ik E c j 1 E c j n k E. Se vale l ipotesi di indipendenza, posto p j = P(E j ), q j = P(E c j ) = 1 p j (j = 1,...,n),
10 44CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA siha,inpiù, P(E i1 E ik E c j 1 E c j n k ) = p i1 p ik q j1 q jn k eanchelaprobabilitàdi Edipendesoltantodaivaloridi p j e q j assegnati.adesempio, laprobabilitàchenessunodeglieventi E i siverifichiè ω 0 = q 1 q n La probabilità che se ne verifichi esattamente uno è ω 1 = i q 1 q i 1 p i q i+1 q n = ω 0 i p i q i (se q i > 0 perogni i) come si può dedurre anche dalla formula generale(1.4) quando si assuma l indipendenza stocasticadegli A i. La probabilità che se ne verifichino esattamente due è ω 2 = 1 i<j n = ω 0 1 i<j n q 1 q i 1 p i q i+1 q j 1 p j q j+1 q n p i p j q i q j (seogni q i 0) elaprobabilitàcheseneverifichinoesattamente kè seogni q i 0. ω k = 1 i 1< <i k n = ω 0 1 i 1< <i k n q 1 q i1 1 p i1 q i1+1 q ik 1 p ik q ik +1 q n (3.8) p i1 p ik q i1 q ik (3.9) Ancora la distribuzione binomiale Seglieventi E 1,...,E n,oltreadesserestocasticamenteindipendenti,sonougualmente probabili[p(e i ) = peq i = 1 pperogni i],alloralaprobabilità ω k cheseneverifichino esattamente k si deduce da(3.8) come segue ω k = 1 i 1< <i k n p k q n k = ( ) n p k q n k k perché il numero degli addendi è uguale a quello dei sottoinsiemi, di k elementi, dell insieme {1,..., n}. Confrontando questo risultato con la definizione di distribuzione binomiale data nel Sottoparagrafo 2.2.2, si conclude che per n eventi indipendenti e con probabilità costante p, il numero aleatorio di quelli che si verificano ha distribuzione binomiale di parametro (n, p).
11 3.3. CORRELAZIONE FRA EVENTI E INDIPENDENZA STOCASTICA Successioni di eventi indipendenti e, ancora, distribuzione binomiale negativa Glieventidiunasuccessione E 1,E 2,...sidiconoindipendentise,perogni n, E 1,...,E n formanouna n-upladieventistocasticamenteindipendenti. Siadunque (E n ) n 1 una successione di eventi indipendenti, di probabilità costante uguale a p. Qual è la probabilità che l n-esimo successo si verifichi in corrispondenza alla prova(n + r)-esima? Tale probabilitàènullase r < 0. Per r 0,l eventocheinteressasiverificaseesolosesi verifica E n+r,efraiprimi (n+r 1)eventiseneverificanoesattamente (n 1)[evento chedenotiamocon G(n+r 1,n 1)].Allora,dall indipendenzasuppostaseguechela probabilitàrichiestaèp(g(n+r 1,n 1))P(E n+r )con P(E n+r ) = pe,perilrisultato contenutonelprecedentesottoparagrafo,p(g(n+r 1,n 1)) = ( ) n+r 1 n 1 p n 1 q r.quindi, indicando con ξ l istante(intero) in cui si ha l n-esimo successo, si ottiene ( ) n+r 1 P{ξ = n+r} = p n (1 p) r (r = 0,1,2,...) r ovvero, ξ ha la distribuzione binomiale negativa. Cf., ancora una volta, il Sottoparagrafo Indipendenzacondizionata Datiglieventi A, B, C,sidiceche AeBsonocondizionatamenteindipendentidato C se P(A B C) = P(A C)P(B C). Piùingenerale,consideratalaprobabilità A P(A C),con Avariabileinunaalgebra dieventieccontenutonellastessaalgebra,seglieventi H 1,...,H n (appartenentialla stessa algebra) sono indipendenti rispetto alla distribuzione P( C), allora si dicono condizionatamente indipendenti dato C. Presentiamo una semplice applicazione di questo concetto. Testimonianza Si considera un tribunale che sta indagando sopra un evento E[per esempio, l eventualità che un certo delitto accaduto sia stato commesso da una certa specifica persona]. Lacortesiavvaledellatestimonianzadidueindividui,diciamoIeII,lecuitestimonianzeessaritieneindipendenticondizionatamentesiaaEsiaaE c.lacorteèanche ingradodivalutarelaprobabilitàdellaveridicitàdelleduetestimonianze;diciamo p 1 e
12 46CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA p 2,rispettivamenteperIeII.Indicatacon plaprobabilitàchelacorteassegnaae,si calcolino la probabilità: di EsubordinatamentealfattocheIeIIaccusinol indagato; di EsubordinatamentealfattocheIaccusieIInonaccusil indagato. Perrispondere,indichiamocon E 1 [rispettivamente,e 2 ]l eventocorrispondentealla affermazione da parte di I[rispettivamente, II] che E è accaduto. Si tratta di calcolare P(E E 1 E 2 )ep(e E 1 E2 c).siha: P(E E 1 E 2 ) = P(E 1 E 2 E)P(E) = P(E 1 E)P(E 2 E)P(E) [perl indipendenzacondizionatadelletestimonianze] = p 1 p 2 p e P(E E 1 E c 2 ) = P(E 1 E c 2 E)P(E) = P(E 1 E)P(E c 2 E)P(E) = p 1 (1 p 2 ) p P(E 1 E 2 ) = P(E 1 E 2 E)+P(E 1 E 2 E c ) = p 1 p 2 p+p(e 1 E 2 E c ) (1 p) = p 1 p 2 p+(1 p 1 )(1 p 2 )(1 p) P(E 1 E c 2 ) = P(E 1 E c 2 E)+P(E 1 E c 2 Ec ) = p 1 (1 p 2 ) p+p(e 1 E c 2 Ec )P(E c ) = p 1 (1 p 2 ) p+(1 p 1 ) p 2 (1 p) P(E E 1 E 2 ) = P(E E 1 E c 2 ) = p 1 p 2 p p 1 p 2 p+(1 p 1 )(1 p 2 )(1 p) p 1 (1 p 2 ) p p 1 (1 p 2 ) p+(1 p 1 ) p 2 (1 p). 3.4 Osservazionicomplementari In molti libri di probabilità, passa sotto il nome di paradosso del progioniero il seguente problema. Tre individui sono stati imprigionati senza processo. Tenuto presente che ci troviamo in un paese governato da un signore spietato, il carceriere comunica loro la notiziachequestosignorehadeciso,inmododeltuttoarbitrario,diliberarneunoedi mandareamorteglialtridue. Aggiunge,inoltre,cheglièfattodivietodirivelarea chiunquelafine,determinatadalsignore. IndicaticonA,BeCitreprigionieri,sisa cheachiedealcarcerierediindicargli insegretodaglialtri unodeiduecondannati
13 3.4. OSSERVAZIONI COMPLEMENTARI 47 (diversodaa,perlaregolatestérichiamata),echeilcarceriereglirispondeb.sichiede di esprimere la probabilità che A attribuisce alla propria condanna a morte. A ben guardare, qui non ci troviamo di fronte a un problema di probabilità condizionata. Infatti, A è in possesso dell informazione che B è condannato. Il significato di un qualunque evento condizionato a tale eventualità(la condanna di B) sarebbe invece, come più volte specificato, quello di un evento esaminato sotto l ipotesi che B sia condannato quando l ipotesi è ancora incerta. Ora, dopo che A ha avuto l informazione del carceriere,lospaziodeglieventielementariè: {H B H A HC c,h B HA c H C},dove H I denotachel individuoiècondannatoamorte.aquestopunto,sivedecheaècondannato se e solo se si verifica la prima eventualità. Quindi, la probabilità richiesta è esattamente la probabilità di detta eventualità e, quindi, un qualunque numero compresotra0e1;fissatalavalutazione α,ilsuocomplementoa1, 1 α,èlaprobabilità di H B HA c H C.Laprobabilitàrichiestaè1/2,incondizionidisimmetria. Invece, se A intende valutare la probabilità di essere condannato nell ipotesi che B siacondannato[manongliènotosequestosiaveroofalso],alloradeveapprestarsia calcolarep(h A H B ).Lospaziodeicasielementariè: {H B H A HC c,h B HA c H C,HB c H A H C }esupponiamocheessiabbianorispettivamenteprobabilità p 1, p 2, p 3 con p i 0 (i = 1,2,3)e p 1 +p 2 +p 3 = 1.Siha: P(H A H B ) = P(H A H B H c C ) = p 1 [perché H A H B H C èimpossibile] P(H B ) = P(H A H B )+P(H c A H B ) = p 1 +P(H c A H B H C ) = p 1 +p 2 equindi,se p 1 +p 2 > 0 (p 3 1)otteniamo [=1/2se p 1 = p 2 ;2/3se p 1 = 2p 2,ecc.]. P(H A H B ) = p 1 p 1 +p 2 A questo punto del discorso, la situazione dovrebbe apparire paradossale solo a coloro che, mischiando un po i ragionamenti, che(come si doveva) abbiamo tenuti distinti, non sanno farsi una ragione del fatto che siano ammissibili valutazioni diverse. La risposta èunivoca,nellaprimaimpostazione,sesifissa αe,nellaseconda,sesifissano p 1 e p 2.Corrispondendoastatidiinformazionediversi,nonsipuòescludere(anzi,sarebbe naturaleattendersi)undivariofra αep 1 o 1 αep 2.
14 48CAPITOLO 3. PROBABILITÀ CONDIZIONATA E INDIPENDENZA STOCASTICA Concludiamo con una osservazione sulla valutazione di probabilità in spazi finiti, con casi elementari ugualmente probabili(simmetria), in relazione all ipotesi di indipendenza stocastica. Ritorniamo al Paragrafo 1.4(Estrazioni da un urna) considerando la famigliadieventi {E 1,...,E m },dove E i èl eventocheèveroseesolosenella i-esima estrazionesiosservapallinabianca (i = 1,...,m). Cisisoffermasulcasoincuile estrazioni sono con restituzione. Se gli eventi hanno probabilità costante= r/n[perché l urnacontienerpallebiancheen r = spallenere]esonoconsideraticomeindipendenti[perché la composizione dell urna è nota in corrispondenza a ogni estrazione], allora possiamoapplicarelaformuladiω k,nelsottoparagrafo3.3.1,perottenerelaprobabilità che si verifichino h di detti eventi[in altre parole: si estraggono h palle bianche]: ( ) m (r ) h ( 1 r ) m h h n n la stessa espressione trovata nel Capitolo I, sulla base di considerazioni di simmetria e a prescindere da considerazioni di indipendenza stocastica. Lo studente mediti sul guadagno, sul piano concettuale e dal punto di vista delle applicazioni, conseguito con l introduzione del concetto di indipendenza stocastica.
PROBABILITA. 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
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
DettagliPrimi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita
Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi
DettagliSi considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a:
TEST DI AUTOVALUTAZIONE - SETTIMANA 2 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli
DettagliCORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Incompatibilità ed indipendenza stocastica. Probabilità condizionate, legge della probabilità totale, Teorema
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
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliUniversità degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno
Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Esercitazione del 18/1/2005 Dott. Claudio Conversano Esercizio 1 (non svolto in aula) Vengono lanciati
DettagliTEORIA DELLE DECISIONI. DOCENTE: JULIA MORTERA mortera@uniroma3.it
TEORIA DELLE DECISIONI DOCENTE: JULIA MORTERA mortera@uniroma3.it 1 Decisioni in Condizioni di Incertezza Sia singoli individui che gruppi di individui (società, governi, aziende, sindacati ecc. si trovano
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
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.
DettagliEsercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che:
Esercizi Esercizio 4. Un urna contiene inizialmente 2 palline bianche e 4 palline rosse. Si effettuano due estrazioni con la seguente modalità: se alla prima estrazione esce una pallina bianca, la si rimette
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
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
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
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%
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliProblema del condannato*
Problema del condannato* Esempio 35 In un paese orientale un prigioniero è stato condannato a morte da uno sceicco. Prima dell esecuzione, lo sceicco o re una possibilità di salvezza al condannato, mettendogli
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
DettagliPROBABILITA' E VARIABILI CASUALI
PROBABILITA' E VARIABILI CASUALI ESERCIZIO 1 Due giocatori estraggono due carte a caso da un mazzo di carte napoletane. Calcolare: 1) la probabilità che la prima carta sia una figura oppure una carta di
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliFunzioni. Parte prima. Daniele Serra
Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1
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
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
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
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
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
DettagliLaboratorio di Pedagogia Sperimentale. Indice
INSEGNAMENTO DI LABORATORIO DI PEDAGOGIA SPERIMENTALE LEZIONE III INTRODUZIONE ALLA RICERCA SPERIMENTALE (PARTE III) PROF. VINCENZO BONAZZA Indice 1 L ipotesi -----------------------------------------------------------
DettagliSomma logica di eventi
Somma logica di eventi Da un urna contenente 24 palline numerate si estrae una pallina. Calcolare la probabilità dei seguenti eventi: a) esce un numero divisibile per 5 o superiore a 20, b) esce un numero
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliLezioni di Matematica 1 - I modulo
Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
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
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
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
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Riepilogo: Postulati del calcolo della probabilità (Kolmogorov): Dato un evento A Ω, dove è lo spazio degli
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
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
DettagliIl prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri.
Scrivi i primi termini delle seguenti successioni: =1; =; = + Individua la legge che genera ognuna delle seguenti successioni: -1,, -, 4, -5, In una progressione aritmetica la somma del primo, quarto,
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
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 -
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliCalcolo delle probabilità (riassunto veloce) Laboratorio di Bioinformatica Corso A aa 2005-2006
Calcolo delle probabilità riassunto veloce Laboratorio di Bioinformatica Corso aa 2005-2006 Teoria assiomatica della probabilità S = spazio campionario = insieme di tutti i possibili esiti di un esperimento
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
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
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
Dettagli1. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di 40, fra di esse vi sia un solo asso, di qualunque seme.
Esercizi difficili sul calcolo delle probabilità. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di, fra di esse vi sia un solo asso, di qualunque seme. Le parole a caso
DettagliCorso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni
Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Si tratta di problemi elementari, formulati nel linguaggio ordinario Quindi, per ogni problema la suluzione proposta è sempre
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliTEOREMI SULLA PROBABILITÀ
TEOREMI SULLA PROBABILITÀ o Probabilità totale oprobabilità contraria oprobabilità condizionata odipendenza stocastica oprobabilità composta oformula di Bayes oproblemi di riepilogo Probabilità di eventi
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
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliEsercizi di Macroeconomia per il corso di Economia Politica
Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliLezione 10: Il problema del consumatore: Preferenze e scelta ottimale
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliAnteprima Finale Categoria Corsi di Statistica
1 di 8 08/04/2011 9.01 SiS-Scuola-28-SEZIONE STATISTICA fad TC128STAT Quiz Finale Categoria Corsi di Statistica Tentativo 1 Sei collegato come piero zulli. (Esci) Info Risultati Anteprima Modifica Anteprima
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
DettagliLogica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo
Logica Numerica Approfondimento E. Barbuto Minimo Comune Multiplo e Massimo Comun Divisore Il concetto di multiplo e di divisore Considerato un numero intero n, se esso viene moltiplicato per un numero
DettagliOsservazioni sulla continuità per le funzioni reali di variabile reale
Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
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
DettagliVC-dimension: Esempio
VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio
DettagliLezione 10. La Statistica Inferenziale
Lezione 10 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
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliCARTE. Regolamento Belote. Regole del gioco: Determinazione del seme di briscola (Belote classico):
CARTE aggiornato al 25/06/2014 Entrambe le gare di carte si svolgeranno presso il salone Polivalente di Pinasca. Entrambe le gare saranno giocate da giocatori in coppia, la coppia può essere diversa nelle
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =
ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliPROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere?
Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Abbiamo visto nella lezione precedente che lo spazio degli eventi più idoneo a rappresentare l esperimento
DettagliNumeri naturali numeri naturali minore maggiore Operazioni con numeri naturali
1 Numeri naturali La successione di tutti i numeri del tipo: 0,1, 2, 3, 4,..., n,... forma l'insieme dei numeri naturali, che si indica con il simbolo N. Tale insieme si può disporre in maniera ordinata
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliB9. Equazioni di grado superiore al secondo
B9. Equazioni di grado superiore al secondo Le equazioni di terzo grado hanno una, due o tre soluzioni, risolvibili algebricamente con formule molto più complesse di quelle dell equazione di secondo grado.
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
Dettagli