PROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
|
|
- Evangelista Riccio
- 6 anni fa
- Visualizzazioni
Transcript
1 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, estrazioni del lotto, verifica se un apparecchio è difettoso oppure no, numero di telefonate che arrivano ad un centralino in un dato giorno, ecc.. Il primo passo per la definizione della probabilità è identificare l insieme di tutti i possibili risultati dell esperimento casuale. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare DEFINIZIONE: L insieme di tutti i possibili risultati (eventi elementari) di un esperimento casuale è detto spazio campionario. Lo spazio campionario di un esperimento casuale sarà indicato con Ω. 1
2 Esempi Esempio 1 Lancio di una moneta tre volte Ω {T T T, T T C, T CT, CT T, CCT, CT C, T CC, CCC} dove T indica testa e C croce. Vi sono 8 eventi elementati. Esempio 2 Lancio di due dadi Ω {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2),..., (6, 6)} Vi sono sono 36 eventi elementari. Esempio 3 Lancio di una moneta ripetutamente sino all uscita della prima testa Ω {T, CT, CCT, CCCT, CCCCT,...} Una infinità numerabile di eventi elementari Esempio 4 Si osserva la durata di una lampadina prodotta da un industria Ω (0, ) Una infinità non numerabile di eventi elementari 2
3 Se Ω è costituito da un numero finito (Esempi 1 e 2) o da una infinità numerabile (Esempio 3) di eventi elementari, lo spazio campionario è detto discreto; se Ω è costituito da una infinità non numerabile di eventi elementari (Esempio 4), lo spazio campionario è detto continuo. DEFINIZIONE: Si chiama evento un qualunque insieme di eventi elementari, ossia un qualunque sottoinsieme di Ω. Esempio: Lancio di un dado Ω{1,2,3,4,5,6} A esce un numero pari {2,4,6} Poiché ogni evento è un sottoinsieme di Ω, possiamo rappresentare le relazioni tra eventi tramite le operazioni dell insiemistica. ˆ Unione ( ) A B almeno uno dei due eventi si verificainsieme di punti di Ω che appartengono ad A o a B Esempio: Lancio di un dado A esce un numero pari {2,4,6} B esce un numero primo {1,2,3,5} A B{1,2,3,4,5,6}Ω ˆ Intersezione ( ) A B entrambe gli eventi si verificano simultaneamenteinsieme di punti di Ω che appartengono sia ad A che a B Esempio: Lancio di un dado 3
4 A esce un numero pari {2,4,6} B esce un numero primo {1,2,3,5} A B{2}unico elemento in comune tra A e B ˆ Negazione ( Ā ) Ā evento complementare di A A non si verifica insieme di punti di Ω che non appartengono ad A Esempio: Lancio di un dado A esce un numero pari {2,4,6} Ā esce un numero dispari {1,3,5} ˆ Sottrazione ( - ) B - A si verifica B, ma non si verifica A insieme di punti di Ω che appartengono a B ma non appartengono a A B Ā Esempio: Lancio di un dado A esce un numero pari {2,4,6} B esce un numero primo {1,2,3,5} B-A{1,3,5} 4
5 DEFINIZIONE: Due eventi A e B si dicono disgiunti o incompatibili se A B, ossia i due eventi non hanno punti in comune, il verificarsi dell uno esclude il verificarsi dell altro. Esempio: Lancio di un dado A esce un numero dispari {1,3,5} B esce un numero maggiore di 5 {6} A B DEFINIZIONE: Gli eventi A 1, A 2,..., A n sono detti mutuamente esclusivi se tutte le coppie sono disgiunte, il verificarsi di uno degli eventi esclude il verificarsi di tutti gli altri. Gli eventi elementari sono mutuamente esclusivi. 5
6 Possiamo assegnare ad ogni evento un valore compreso tra 0 e 1 che ne misura la tendenza a verificarsi. Chiamiamo questo valore probabilità dell evento. Vi sono diversi approcci al calcolo della probabilità. Ne vediamo tre. ˆ Approccio Classico Se tutti gli eventi elementari sono ugualmente probabili (equiprobabili), definiamo la probabilità di un evento A come il rapporto del numero di casi favorevoli al verificarsi di A e il numero dei casi possibili: P (A) num casi favorevoli a A num casi possibili num di eventi elementari che compongono A num totale di eventi elementari Esempio: Lancio di una moneta 3 volte Ω {T T T, T T C, T CT, CT T, CCT, CT C, T CC, CCC} Numero di casi possibili8 A escono almeno due teste {T T T, T T C, T CT, CT T } Numero di casi favorevoli4 P (A) 4 8 0, 5 Esempio: Lancio di un dado Ω {1, 2, 3, 4, 5, 6} 6
7 Numero casi possibili 6 A esce un numero primo {1,2,3,5} Numero casi favorevoli4 P (A) 4 6 ˆ Approccio Frequentista Si ripete l esperimento sotto le medesime condizioni un numero molto elevato di volte n e si definisce la probabilità di un evento A come la frequenza relativa del numero di volte, tra le n, in cui si è verificato A: # di volte che si è verificato A P (A) n Esempio: Lanciamo una moneta 1000 volte, se esce testa 510 volte su 1000 P ({T }) 510 0, Entrambi gli approcci elencati hanno delle limitazioni: 1. Nell approccio classico per definire la probabilità si fa riferimento ad eventi elementari equiprobabili. Ma se non sappiamo cosa sia la probabilità come facciamo a stabilire se gli eventi elementari hanno uguale probabilità? (definizione circolare) 2. L approccio classico può essere applicato solo se Ω è finito 3. L approccio frequentista richiede che l esperimento sia ripetibile, ma vi sono ambiti in cui l esperimento non può essere ripetuto 7
8 4. L approccio frequentista richiede che l esperimento sia ripetuto un numero elevato di volte, ma quanto elevato deve essere? Tutte queste limitazioni vengono superate attraverso l approccio assiomatico ˆ Approccio Assiomatico La probabilità è definita come una funzione che ad ogni evento A associa un valore in IR, tale da soddisfare le seguenti condizioni (Assiomi della probabilità) 1. P (A) 0 2. P (Ω) 1 3. Se A B, P (A B) P (A) + P (B) 8
9 PROPRIETA DELLA PROBABILITA Dagli assiomi della probabilità si possono derivare le seguenti proprietà. P1) Per ogni evento A, P (Ā) 1 P (A): A Ā Ω e A Ā, ossia A e Ā sono disgiunti. Allora, P (A Ā) P (A) + P (Ā) P (Ω) 1. Da cui P (Ā) 1 P (A). P2) P ( ) 0: Da P1), P ( ) 1 P (Ω) P3) Per ogni evento A, 0 P (A) 1: P (A) 0 per il primo assioma. Ma anche P (Ā) 0 per il primo assioma, quindi P (Ā) 1 P (A) 0 e P (A) 1. P4) Se A A 1 A 2... A n e A 1, A 2,..., A n sono mutuamente esclusivi, allora P (A) P (A 1 A 2... A n ) P (A 1 ) + P (A 2 ) P (A n ): è un immediata conseguenza del terzo assioma. 9
10 P5) Qualunque siano gli eventi A e B, P (A B) P (A) P (A B): A (A B) (A B), con (A B) e (A B) disgiunti. Allora, P (A) P (A B) + P (A B) e P (A B) P (A) (A B). P6) Qualunque siano A e B, P (A B) P (A) + P (B) P (A B): A B (A B) (B A) (A B), dove gli ultimi tre eventi sono mutuamente esclusivi. Allora, P (A B) P (A B) + P (B A) + P (A B) P (A) P (A B)+P (B) P (A B)+P (A B) P (A) + P (B) P (A B). 10
11 PROBABILIZZAZIONE DI EVENTI Un evento A può essere espresso attraverso l unione di eventi elementari di Ω. Esempio: Lancio di un dado A esce un numero pari A {2} {4} {6} Gli eventi elementari di Ω sono tutti mutuamente esclusivi. Pertanto, se sono note le probabilità dei singoli eventi elementari di Ω, in virtù della proprietà P4), possiamo ottenere la probabilità di A sommando le probabilità dei singoli eventi elementari che lo compongono. Esempio: Lancio di un dado A esce un numero pari P (A) P ({2} {4} {6}) P ({2})+P ({4})+P ({6}) Come determinare la probabilità di ogni singolo evento elementare? Supponiamo che Ω sia finito: Ω {ω 1, ω 2,..., ω n }. P (Ω) 1 P (ω 1 ) + P (ω 2 ) P (ω n ) Se tutti gli eventi elementare sono equiprobabili, P (ω i ) c, i 1,..., n, 11
12 allora, P (ω 1 ) + P (ω 2 ) P (ω n ) c + c c nc 1 e quindi c 1 n ossia P (ω i ) 1 n, i 1,..., n Siamo così riusciti a trovare la probabilità degli eventi elementari. In questo caso (Ω finito ed eventi elementari equiprobabili), se A è l unione di r eventi elementari: P (A) 1 n + 1 n }{{ n} r n r volte num. eventi elem. che compongonoa n ossia ritroviamo la definizione classica di probabilità. num. casi favorevoli num. casi possibili 12
13 Esempio: Lancio di un dado non truccato Ω {1, 2, 3, 4, 5, 6} In questo caso gli eventi elementari sono equiprobabili: P ({i}) 1 6. Inoltre, Ω è finito. Possiamo quindi calcolare la probabilità di un evento generico usando la definizione classica. Vediamo alcuni casi. A esce un numero pari P (A) P ({2}) + P ({4}) + P ({6}) B esce un numero maggiore di 4 P (B) P ({5}) + P ({6}) C esce un numero dispari P (C) P ({1}) + P ({3}) + P ({5}) Alternativamente, P (C) P (Ā) 1 P (A) D esce un numero pari o maggiore di 4 P (D) P ({2})+P ({4})+P ({6})+P ({5}) Alternativamente, D A B, P (D) P (A) + P (B) P (A B). A B {6} e quindi P (D) P ({6})
14 Esempio: Lancio di due dadi non truccati Ω {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2),..., (6, 6)} Numero totale di eventi elementari 36. Le coppie sono tutte equiprobabili. Possiamo allora applicare la definizione classica di probabilità. A la somma delle due facce è minore o uguale a 3 P (A) 3 36 B esce almeno un numero pari Il modo più semplice di calcolare P (B) è: B C, dove C tutte e due le facce sono dispari. P (C) Allora, P (B) P ( C) 1 P (C) D la somma delle due facce è minore o uguale a 3 oppure appare almeno un numero pari D A B P (D) P (A) + P (B) P (A B). A B {(1, 2), (2, 1)} e quindi P (D)
15 Esempio: Lancio di un dado truccato Supponiamo che il dado sia truccato in modo tale che l uscita di una faccia sia proporzionale al valore della faccia stessa. Ω {1, 2, 3, 4, 5, 6} Ω è finito, ma gli eventi elementari in esso contenuti non sono più equiprobabili, quindi non possiamo avvalerci della definizione classica. In base alle ipotesi fatte, P ({i}) α i i 1,..., 6 Calcoliamo allora la costante di proporzionalità α, usando gli assiomi della probabilità. P ({i}) 0 α 0 P (Ω) 1 P ({1})+P ({2})+P ({3})+P ({4})+P ({5})+P ({6}) α+2α+3α+4α+5α+6α α( ) 21α e quindi α 1 21 A esce un numero pari P (A) P ({2})+P ({4})+P ({6}) >
16 Ho un mazzo di 10 chiavi. Quale è la probabilità di aprire la porta al primo tentativo? Numero casi possibili 10 Numero casi favorevoli 1 P ( la porta si apre al primo tentativo ) 1 10 E al secondo tentativo? 16
17 CENNI AL CALCOLO COMBINATORIO La definizione classica di probabilità, nelle situazioni in cui può essere applicata, richiede il conteggio del numero di casi possibili e del numero di casi favorevoli. Al fine di questo conteggio è utile il calcolo combinatorio che si discute solo brevemente. Si supponga di avere un urna contenente n oggetti diversi. 1. Facciamo r estrazioni con reinserimento dall urna. Quanti insiemi di r oggetti possiamo formare con le r estrazioni? n r 2. Facciamo r estrazioni senza reinserimento dall urna. Quanti insiemi di r oggetti possiamo formare con le r estrazioni, se non prestiamo attenzione all ordine con cui escono gli oggetti? ( n r ) n! r! (n r)! n (n 1) (n 2) r (r 1) (n r)(n r 1) (Coefficiente binomiale) Dà anche in quanti modi riusciamo a disporre r oggetti su n posizioni diverse. N.B.: Per convenzione 0!1 17
18 Esempio Quale è la probabilità di vincere al totocalcio se giochiamo un unica colonna? Numero di casi possibili 3 13 (per ognuna delle 13 partite abbiamo 3 possibilità: 1, 2 e x) Numero di casi favorevoli1 P ( vincere ) Esempio Abbiamo un mazzo di 40 carte. Ne estraiamo 3 senza reinserimento. Quale è la probabilità che le 3 carte estratte siano dello stesso tipo? Numero di casi possibili tutte le terne che possiamo ottenere dal mazzo di 40 carte senza reinserimento e senza considerare l ordine di uscita ( ) 40 3 Numero di casi favorevoli Quante terne posso estrarre dalle 10 carte quadri? ( ) 10 3 Questo ragionamento può essere applicato ad ognuna delle 4 famiglie. Allora, i casi favorevoli sono 4 ( ) 10 3 P ( 3 carte dello stesso tipo ) 4 ( ) 10 3 ) 4 10! 3! 7! 4 10! 37! 40! 7! ( ! 3! 37! 4 10! 7! ! ! 9! !
19 PROBABILITA CONDIZIONATA Dati due eventi A e B (P (B) > 0) indichiamo con P (A B) la probabilità condizionata che si verifichi l evento A dato che sappiamo essersi già verificato l evento B. DEFINIZIONE: La probabilità condizionata di A dato B è definita come il rapporto tra la probabilità congiunta di A e B e la probabilità di B. P (A B) P (A B) P (B) Si noti l analogia con la definizione di frequenza relativa condizionata. La frequenza relativa condizionata della modalità x i di X data la modalità y j di Y è il rapporto tra la frequenza relativa congiunta di x i e y j e la frequenza relativa marginale di y j. Basta allora far corrispondere a x i l evento A, a y j l evento B, alla frequenza relativa la probabilità, e ritroviamo la stessa definizione. Se possiamo applicare la definizione classica di probabilità (Ω finito ed eventi elementari equiprobabili): P (A B) num casi favorevoli a A B/num casi possibi num casi favorevoli a B/num casi possibili num casi favorevoli a A B num casi favorevoli a B L evento B diventa lo spazio campionario in sostituzione a Ω, pertanto il numero di casi possibili per A B è il numero di casi favorevoli a B. 19
20 In alcuni casi risulta semplice calcolare P (A B) direttamente; in altri casi, risulta più semplice calcolare P (A B) e P (B) e derivare da questi P (A B) attraverso la definizione di probabilità condizionata. Esempio Mazzo di 40 carte. Ne estraiamo 2 senza reinserimento. Sappiamo che la prima carta estratta è un asso; quale è la probabilità che la seconda carta estratta sia un asso? Poniamo B prima carta estratta è un asso A seconda carta estratta è un asso Possiamo calcolare direttamente la probabilità condizionata P (A B) 3 39 Altrimenti, possiamo procedere come segue. P (B) 4 40 ( 4 P (A B) 2) ) ( 40 2 P (A B) (4 3)/(40 39) P (A B) 3 P (B) 4/40 39 Si noti che è più semplice seguire il primo procedimento. Esempio Lanciamo due dadi. Vogliamo calcolare la probabilità che il primo dado produca la faccia 3 sapendo che la somma delle due facce è pari a 7. 20
21 Poniamo A il primo dado produce la faccia 3 B La somma delle due facce è 7 Non è semplice calcolare P (A B) direttamente, ma possiamo procedere usando la definizione: P (A B) P (A B) P (B) num casi favorevoli a (I 3 I + II 7) P (A B) 36 num casi favorevoli a (I 3 II 4) num casi favorevoli a (I + II 7) P (B) (casi favorevoli a (I+II7){(1,6),(6,1),(2,5),(5,2),(3,4),(4,3)}) Da cui P (A B) 1/36 6/ Esercizio (per casa) Un urna contiene 7 palline: 3 rosse e 4 bianche. Si fanno due estrazioni con reinserimento. 1. Si calcoli la probabilità che la seconda estratta sia bianca dato che la prima è bianca. 2. Si calcoli la probabilità che siano entrambe bianche. Si ripetano i calcoli per due estrazioni senza reinserimento. 21
22 Dalla definizione si deriva Ma vale anche e quindi Infine, P (A B) P (A B) P (B) P (A B) P (A B)P (B) P (B A) P (A B) P (A) P (A B) P (B A)P (A) P (A B) P (A B)P (B) P (B A)P (A) Esempio Un urna contiene 5 palline numerate da 1 a 5. Estraiamo 2 palline senza reinserimento. Vogliamo calcolare la probabilità che entrambe le palline estratte siano pari. Poniamo C entrambe le palline sono pari A la prima pallina è pari B la seconda pallina è pari P (C) P (A B) P (B A)P (A) Si sarebbe anche potuto seguire la strada P (C) P (A B) P (A B)P (B) ma P (A B) e P (B) sono difficili da calcolare. 22
23 Siano A e B due eventi, di cui A è un evento di interesse e B un evento che possiamo vedere come una possibile causa di A. Vale B B Ω e quindi Ma e quindi A (B B) A A (B B) (A B) (A B) A (A B) (A B) Gli eventi (A B) e (A B) sono disgiunti e per il terzo assioma della probabilità P (A) P ((A B) (A B)) P (A B) + P (A B) Possiamo pensare ad una tabella a doppia entrata in cui una variabile ha le modalitè A e Ā e l altra variabile ha le modalità B e B A Ā Tot B P (A B) P (Ā B) P (B) B P (A B) P (Ā B) P ( B) Tot P (A) P (Ā) 1 e Poiché P (A B) P (A B)P (B) P (A B) P (A B)P ( B) 23
24 otteniamo P (A) P (A B)P (B) + P (A B)P ( B) Supponiamo di voler calcolare P (B A) (la probabilità della causa dato l evento di interesse). Allora, P (B A) P (A B) P (A) (FORMULA DI BAYES) P (A B)P (B) P (A B)P (B) + P (A B)P ( B) Esempio Abbiamo un urna contenente 5 palline numerate da 1 a 5. Si estraggono due palline senza reinserimento. 1. Si vuole calcolare la probabilità che la seconda pallina sia pari. Poniamo A la prima pallina è pari B la seconda pallina è pari P (B) P (B A)P (A)+P (B Ā)P (Ā) Si vuole ora calcolare la probabilità che la prima pallina sia pari dato che la seconda è pari. P (A B) P (B A)P (A) P (B) /10 4/
25 Esempio Un amico ci ha detto che con una probabilità del 80% oggi ci sarebbe venuto a trovare a mezzogiorno. Sappiamo che il nostro amico viaggia in pullman e che il 40% dei pullman arrivano in ritardo. 1. Calcolare la probabilità che a mezzogiorno il nostro amico non sia ancora arrivato. Poniamo M a mezzogiorno il nostro amico non è ancora arrivato V il nostro amico ha deciso di venirci a trovare P (M) P (M V )P (V ) + P (M V )P ( V ) 0, 4 0, , 2 0, A mezzogiorno il nostro amico non è ancora arrivato. Calcolare la probabilità che venga a trovarci. P (V M) P (M V )P (V ) P (M) 0, 4 0, 8 0, 52 0,
26 Esempio E noto che in una data popolazione la percentuale di fumatori è pari al 35%. Si sa che il 20% dei fumatori e il 6% dei non fumatori sono affetti da una malattia respiratoria cronica. Si vuole determinare la probabilità che un individuo affetto dalla malattia sia fumatore. Poniamo F fumatore M malato P (M F )P (F ) P (F M) P (M F )P (F ) + P (M F )P ( F ) 0, 2 0, 35 0, 64 0, 2 0, , 06 0, 65 Esercizio (per casa) Un urna contiene 7 palline: 3 rosse e 4 bianche. Si fanno due estrazioni con reinserimento. 1. Si calcoli la probabilità che la seconda estratta sia bianca dato che la prima è bianca. 2. Si calcoli la probabilità che siano entrambe bianche. 3. Si calcoli la probabilità che la seconda sia bianca. 4. Si calcoli la probabilità che la prima sia bianca, dato che la seconda è bianca 26
27 INDIPENDENZA DI EVENTI DEFINIZIONE: Due eventi A e B si dicono indipendenti se e solo se P (A B) P (A)P (B) Se A e B sono indipendenti, allora P (A B) P (A B) P (B) P (A)P (B) P (B) P (A) che possiamo interpretare nel modo seguente: se A e B sono indipendenti la probabilità che si verifichi A non è modificata dall informazione che B si è verificato. Ma se A e B sono indipendenti, vale anche P (B A) P (A B) P (A) P (A)P (B) P (A) P (B) ossia la probabilità che si verifichi B non è modificata dall informazione che A si è verificato. Se due eventi A e B si riferiscono a due esperimenti o prove indipendenti (ossia ogni esperimento è a sé stante e non influenza l altro), i due eventi saranno essi stessi indipendenti e possiamo calcolare la loro probabilità congiunta P (A B) come prodotto delle due probabilità marginali P (A)P (B). Esempio Lanciamo una moneta bilanciata 2 volte. I due lanci possono essere visti come due prove indipendenti. Pertanto, 27
28 ecc. P ({T T }) P ({T })P ({T }) P ({T C}) P ({T })P ({C}) Esempio Lanciamo due dadi. I lanci dei due dadi possono essere considerati prove indipendenti. Pertanto, ad esempio P ( entrambe le facce sono pari ) P ( prima faccia pari seconda faccia pari ) P ( prima faccia pari )P ( seconda faccia pari ) Esempio Abbiamo un urna di 5 palline numerate da 1 a 5. Facciamo 2 estrazioni dall urna. Poniamo A prima pallina estratta è pari B seconda pallina estratta è pari 1. Estrazioni con reinserimento In questo caso le due estrazioni possono considerarsi prove indipendenti, in quanto la composizione dell urna rimane inalterata a ciascuna estrazione. Pertanto, P ( entrambe le palline estratte sono pari ) P (A B) e P (A)P (B) P (B A) P (B)
29 2. Estrazioni senza reinserimento In questo caso la prima estrazione modifica la composizione dell urna e le due estrazioni non possono considerarsi indipendenti. Pertanto, P (B A) 1 4 P (B) 4 10 e P (A B) 1 10 P (A)P (B) Tuttavia se l urna contenesse 1 milione di palline, le estrazioni, anche se fatte senza reinserimento, si possono considerare come se fossero con reinserimento, poiché di fatto la composizione dell urna rimane inalterata. In questo caso, le singole estrazioni possono considerarsi come prove indipendenti. 29
30 ATTENZIONE: INCOMPATIBILITA INDIPENDENZA Se A e B sono incompatibili (A B ) sappiamo che il verificarsi dell uno esclude il verificarsi dell altro evento, quindi c è uno scambio di informazioni tra i due eventi che non si possono considerare indipendenti. L indipendenza tra due eventi può essere estesa ad un numero maggiore di eventi. Tre eventi A, B e C sono indipendenti se e solo se e P (A B) P (A)P (B) P (A C) P (A)P (C) P (B C) P (B)P (C) P (A B C) P (A)P (B)P (C) Il concetto può essere esteso a n eventi generici: A 1, A 2,..., A n. Perché siano indipendenti si deve avere che, per qualunque sottoinsieme degli n eventi di qualunque dimensione maggiore o quale a 2, la probabilità congiunta sia pari al prodotto delle probabilità marginali. Esempio Lancio di una moneta bilanciata 3 volte. I tre lanci possono considerarsi come prove indipendenti e quindi, ad esempio, ( ) 3 1 P ({T CT }) P ({T })P ({C})P ({T }) 2 30
Calcolo 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.
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
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
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
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
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
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
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
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
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
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
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata
Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Stefano Patti 1 19 ottobre 2005 Definizione 1 Sia (Ω, F) uno spazio probabilizzabile.
DettagliRiprendiamo le probabilità. 1.Probabilità a priori oggettiva 2.Probabilità a posteriori frequentista
Riprendiamo le probabilità 1.Probabilità a priori oggettiva 2.Probabilità a posteriori frequentista 1 2.Probabilità a posteriori frequentista Tabelle di sopravvivenza.! Volendo calcolare la probabilità
DettagliCenni di probabilità
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Cenni di probabilità Ing. Antonino Cancelliere Dipartimento
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
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
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
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
DettagliTeoria della probabilità
Introduzione alla teoria della probabilità Teoria della probabilità Primi sviluppi nel XVII secolo (Pascal( Pascal, Fermat, Bernoulli); Nasce nell ambito dei giochi d azzardo; d La prima formalizzazione
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliLA PROBABILITAÁ ALGEBRA IL CALCOLO DELLE PROBABILITAÁ. richiami della teoria
ALGEBRA IL CALCOLO DELLE PROBABILITAÁ richiami della teoria n un evento E si dice casuale o aleatorio, quando il suo verificarsi dipende unicamente dal caso; n un evento si dice certo quando eá possibile
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliNote di probabilità. Mauro Saita Versione provvisoria, maggio 2014.
Note di probabilità Mauro Saita Versione provvisoria, maggio 2014. Indice 1 Note di probabilità. 2 1.1 Eventi elementari. Spazio degli eventi.............................. 2 1.2 Definizione assiomatica
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliESERCIZIO 1 Lanciamo tre volte una moneta regolare e consideriamo equiprobabili i possibili
ESERCIZIO 1 Lanciamo tre volte una moneta regolare e consideriamo equiprobabili i possibili risultati. Dimostrare che per i 3 eventi A 1 = Almeno due teste A 2 = Un numero pari di teste A 3 = Croce al
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
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
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
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
DettagliAnalisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. 0461/ Probabilità (prima parte) Perchè la
a.a. 0/0 giuseppe.espa@economia.unitn.it 046/857 robabilità (prima parte) erchè la Statistica resentare e descrivere i dati Inferire su una sulla base di dati da C Migliorare i processi revedere variabili
Dettagli- Teoria della probabilità
- Teoria della probabilità ELEMENTI DI TEORIA DELLA PROBABILITA La TEORIA DELLA PROBABILITA ci permette di studiare e descrivere i fenomeni aleatori. DEFINIZIONE: un fenomeno è aleatorio quando di esso
DettagliFondamenti di Statistica. Prof. V. Simoncini. Orario di Lezione: Mar Gio
Fondamenti di Statistica Prof. V. Simoncini Orario di Lezione: Mar 14-16 Gio 9.00-11.00 Orario di ricevimento: per appuntamento valeria@dm.unibo.it Siti del corso: www.dm.unibo.it/ simoncin/fondamenti.html
DettagliESERCIZI SULLA PROBABILITA
PROBABILITA CLASSICA ESERCIZI SULLA PROBABILITA 1) Si estrae una carta da un mazzo di 40 carte ; calcolare la probabilità che la carta sia: a. una figura; b. una carta di danari; c. un asso. 2) Un urna
DettagliTEORIA DELLA PROBABILITÁ
TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi
DettagliNelle ipotesi del precedente esercizio, in quanti modi potrebbe essere formata la classifica finale di tutti i 20 concorrenti? [2,4.
CALCOLO COMBINATORIO Ad una gara partecipano 20 concorrenti; quanti terne di primi tre classificati si possono formare? (nell'ipotesi che non vi siano degli ex aequo) [6.840] Nelle ipotesi del precedente
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
) Un urna contiene 0 palline numerate da a 0. Si calcoli la probabilità che: a) estraendo successivamente palline, rimettendo ogni volta la pallina estratta nell urna, si abbiano due numeri primi; b) estraendo
Dettaglip. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50
p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50 p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30
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
Dettagli6. PROBABILITÀ. Definizione Due eventi A e B si dicono incompatibili se il verificarsi di uno esclude il verificarsi dell altro,
6. PROBABILITÀ L introduzione alla teoria della probabilità può essere vista come un applicazione della teoria degli insiemi. Essa si occupa degli esperimenti il cui esito è incerto. Ebbe origine a metà
DettagliPROBABILITA. Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano.
Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano. La costruzione dello spazio cartesiano richiede un grado di astrazione
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
DettagliCONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari;
ARITMETICA ELEMENTIDICALCOLO DELLE PROBABILITAÁ PREREQUISITI l l l conoscere e costruire tabelle a doppia entrata conoscere il significato di frequenza statistica calcolare rapporti e percentuali CONOSCENZE.
DettagliCalcolo Combinatorio e Probabilità
Calcolo Combinatorio e Probabilità Andrea Galasso 1 Calcolo Combinatorio Definizione 1 Fissati n, k N, con k n, indicheremo con D n,k := n! (n k)! le disposizioni di n oggetti in k posti e con DR n,k :=
DettagliIl Calcolo delle Probabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici.
INTRODUZIONE L CLCOLO DELLE ROILIT Il Calcolo delle robabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici. Un fenomeno aleatorio o stocastico è un fenomeno i cui esiti
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Come opera la matematica: dagli ai teoremi. Che cosa è una funzione, il suo dominio e il suo codominio. Che cosa significa n j=1 A j dove A j sono insiemi. Che cosa significa
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliProbabilità: valutazione della possibilità che accada (o sia accaduto) r = 1 (c è un asso di cuori nel mazzo)
Probabilità: valutazione della possibilità che accada (o sia accaduto) un evento. Probabilità di un evento P = r/n dove r = frequenza dell evento N = Numero di possibili eventi Esempio: Evento = estrazione
DettagliCENNI DI PROBABILITÀ DISCRETA ANDREA SCAPELLATO
CENNI DI PROBABILITÀ DISCRETA ANDREA SCAPELLATO In queste note illustriamo alcuni elementi di probabilità discreta. Si sottolinea che non si ha alcuna pretesa di completezza: quanto qui riportato rappresenta
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
Dettagli( ) ( ) Ω={1,2,3,4,5,6} B B A Siano A e B due eventi di Ω: si definisce evento condizionato B A. Consideriamo il lancio di un dado:
Eventi condizionati Quando si ha motivo di credere che il verificarsi di uno o più eventi sia subordinato al verificarsi di altri eventi, si è soliti distinguere tra eventi dipendenti(o condizionati )
DettagliCorso di Fondamenti di TLC Esercizi di Probabilitá
Corso di Fondamenti di TLC Esercizi di Probabilitá Exercise 0.1 Unurna contiene 2 biglie bianche e 5 nere. Estraiamo una prima biglia: se nera la rimettiamo dentro con altre due dello stesso colore, se
DettagliIL CALCOLO DELLA PROBABILITÀ
IL LOLO LL PROILITÀ 1 Una scatola contiene quattro dischetti rossi numerati da 1 a 4, sei dischetti verdi numerati da 1 a e cinque dischetti bianchi numerati da 1 a 5. Si estrae un dischetto. Scrivi gli
DettagliProbabilità I Calcolo delle probabilità
Probabilità I Calcolo delle probabilità Nozioni di eventi. Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Concetto di probabilità Cos'è una probabilità? Idea di massima:
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
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
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliStatistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliPROBABILITÀ. P ( E ) = f n
PROBABILITÀ GLI EVENTI E LA PROBABILITÀ EVENTI CERTI, IMPOSSIBILI E ALEATORI Ci sono avvenimenti che accadono con certezza, mentre altri sicuramente non possono mai verificarsi. Per esempio, se una scatola
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliDomande di teoria. Esercizi
1 Domande di teoria 1. Vedi pp. 131-132 2. Vedi pp. 132-134 3. Vedi p. 134 4. Vedi p. 135 5. Vedi pp. 136-142 6. Vedi pp. 138-139 7. Vedi pp. 141-142 8. Vedi pp. 143-146 9. Vedi pp. 146-148 Esercizi Esercizio
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliEsercizi di Probabilità
Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it
DettagliCALCOLO delle PROBABILITA
Eventi certi : è certo che si verifichino es. il prossimo mese sarà luglio, domani sorgerà il sole Eventi probabili: non è certo che si verifichino es. domani pioverà? Quanti giorni di ricovero avrà quel
DettagliTest di autovalutazione
Test Test di autovalutazione 0 0 0 0 0 0 0 70 80 90 00 n Il mio punteggio, in centesimi, è n Rispondi a ogni quesito segnando una sola delle alternative. n Confronta le tue risposte con le soluzioni. n
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizione di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Pricipio della somma Principio del prodotto Eventi certi : è certo
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il
DettagliProbabilità discreta
CAPITOLO 2 Probabilità discreta Esercizio 2.1 Eventi Un opportuno spazio degli eventi è dato da: Ω{(M,M), (M,F), (F, M), (F, F)}. L evento unione di primo figlio femmina e secondo figlio maschio è dato
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof.ssa L.Morato) Esercizi Parte I: probabilità classica e probabilità combinatoria,
DettagliLezione 1. La Statistica Inferenziale
Lezione 1 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità pr - 1 Che collegamento c è tra gli strumenti statistici per lo studio dei fenomeni reali e il calcolo delle probabilità? Vedremo che non sempre la conoscenza delle caratteristiche
DettagliEsercizi su variabili discrete: binomiali e ipergeometriche
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su variabili discrete: binomiali e ipergeometriche Es1 Due squadre di rugby si sfidano giocando fra loro varie partite La squadra che vince 4 partite
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
DettagliLa probabilità: introduzione
P a g. 1 La probabilità: introduzione Nei giochi e nella "realtà" spesso si devono fare scelte di cui non si sanno prevedere esattamente le conseguenze (quale carta conviene scartare? in quale orario conviene
DettagliFigura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15
Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile 2012- pag. 15 Casi Possibili B= La lancetta indica il Blu V= La lancetta indica il Verde
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica.
Probabilità e Statistica Esercitazioni a.a. 2009/200 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Estrazioni I Ines Campa Probabilità e Statistica - Esercitazioni -
DettagliLa probabilità del gioco o il gioco della probabilità? Dispensa probabilità e calcolo combinatorio
La probabilità del gioco o il gioco della probabilità? Dispensa probabilità e calcolo combinatorio Massimo Buzzi, Lucio Alberto Monti 1 Mappe Riassuntive 1.1 Calcolo combinatorio 1.2 Probabilità 1 2 Glossario
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliP (A) = P (B) = P (A ^ B) = P (A _ B) = P (A _ A c B)= P ([A _ B] ^ [A c _ B c ]) =
Esercizio 7 2 Un esperimento consiste nel lanciare una moneta e nell estrarre una pallina da un urna contenente 4 palline numerate da 1 a 4. Consideriamo gli eventi: A = Esce Testa, B = Si estrae la pallina
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
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
DettagliCalcolo delle Probabilità 2013/14 Foglio di esercizi 3
Calcolo delle Probabilità 203/4 Foglio di esercizi 3 Probabilità condizionale e indipendenza. Esercizio. Per rilevare la presenza di una certa malattia, si effettua un test. Se la persona sottoposta al
DettagliESERCIZI SCHEDA N. 1: EVENTI E VARIABILI ALEATORIE
ESERCIZI SCHEDA N. 1: EVENTI E VARIABILI ALEATORIE 1) Dato lo spazio campionario Ω = {(1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); (2,2); (2,3); ; (6,6)} riferito al lancio di due dadi non truccati,
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliESERCIZI PROBABILITA E CALCOLO COMBINATORIO CON RISULTATI 1. P che estraendo a caso 1 carta da un mazzo di 52 sia una regina?
ESERCIZI PROBABILITA E CALCOLO COMBINATORIO CON RISULTATI 1. P che estraendo a caso 1 carta da un mazzo di 52 sia una regina? [4/52] 2. Estratta una Q, P che ad una seconda estrazione si presenti ancora
DettagliElementi di calcolo delle probabilità
Capitolo 5 Elementi di calcolo delle probabilità Come si è visto nel capitolo 3 la misura di una grandezza fisica è sempre a etta da errori il cui valore è, entro certi limiti, inconoscibile ovvero c è
DettagliRAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5
RAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5 Finalità: Realizzare grafici che facilitano l organizzazione dei concetti probabilistici utilizzando l insiemistica. Metodo: Compilazione delle schede.
DettagliEsercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
Dettagli