Elementi di Calcolo delle Probabilità

Documenti analoghi
Elementi di Calcolo delle Probabilità

Elementi di Calcolo delle Probabilità

ESPERIMENTO CASUALE. P(X) è la funzione di probabilità secondo la quale ad ogni numero reale di X si assegna una misura di probabilità.

Sommario. Facoltà di Economia E E2 E 5 E 4. S x1. Le Variabili Casuali o Variabili Aleatorie. francesco mola. Lezione n 13.

Sommario. Corso di Statistica Facoltà di Economia. Le Variabili Casuali o Variabili Aleatorie. Lezione n 16. Francesco Mola. Variabili Casuali (cont

Sessione live #1 Settimana #2 dal 10 al 16 marzo. Statistica descrittiva: Indici di posizione, dispersione e forma Istogramma frequenze, box plot

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Calcolo delle Probabilità

Approfondimento Altri tipi di test di significatività del coefficiente di correlazione di Pearson

ESERCITAZIONE DEL 10 MARZO 2005

IL Potenziale elettrostatico

Ottimizzazione Combinatoria

Calcolo delle Probabilità

Economia del turismo

Una rendita è una somma di capitali pagabili (o esigibili) a determinate scadenze, fissate secondo intervalli regolari di tempo.

Approcci algoritmici. Capitolo Approccio sequenziale. y = y (che collegano il modello di trasporto a quello di

ESPERIMENTO CASUALE. S Spazio campionario : è l insieme di eventi necessari e incompatibili che si presentano come risultati dell ESPERIMENTO CASUALE.

Esercitazione 8 del corso di Statistica (parte 1)

I vettori. A cura di dott. Francesca Fattori Speranza dott. Francesca Paolucci

Lezione 12. Funzioni polinomiali. Radici di un polinomio. Teorema di Ruffini.

Calcolo del lavoro compiuto dalle forze elementari

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.

Sviluppo dell algoritmo per l allineamento dello spettrometro magnetico di PAMELA

Figura 1 Geometria attuale. Figura 2 Sezione trapezia

Calcolo delle Probabilità

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:

Algebra vettoriale: un breve formulario. E r

Il lavoro. oppure. r r. [L]=[F][L]=[ML 2 T -2 ] S.I.: 1 Joule = 1 m 2 kg s -2. Lavoro fatto da una forza costante su un percorso rettilineo:

Soluzione del compito del 5 settembre 2012

Definizione di mutua induzione

Esercizi di Probabilità e Statistica

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Economia del turismo

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

posizione, velocità, quantità di moto, energia cinetica, momento angolare, ecc.

RISPOSTA IN FREQUENZA DI UN AMPLIFICATORE

RISOLUZIONE ESERCIZI SULLA PROBABILITA. E, pertanto

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

Intorduzione alla teoria delle Catene di Markov

r v i i P = m i i dt (M r cm ) = Mv r r i = d avendo definito il concetto di centro di massa (CM) del sistema ( M = m i r r r cm

Algebra Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Sistemi Intelligenti Reinforcement Learning: Evaluative Feedback

Momento angolare. Considero il moto di una particella di massa m lungo la traiettoria indicata e calcolo la variazione del suo momento angolare

Economia del turismo. Prof.ssa Carla Massidda

Principi di ingegneria elettrica. Lezione 2 a

Fisica 1 Elettrostatica. Preliminari matematici

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

6 Prodotti scalari e prodotti Hermitiani

Esercizi sulle reti elettriche in corrente continua (parte 2)

Cenni sulla Gravitazione Universale

P(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k


POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

Sorgenti Numeriche - Soluzioni

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

Economia del turismo

= 4. L unita di misura della carica elettrica nel S.I. è il coulomb (C).

Analisi Class info sul corso Lezione 1 22 settembre 2014

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Gianpiero Groppi

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

SOLUZIONE Applicando la formula della media per le seriazioni, si ottiene: k

Analisi Matenatica Lezione 1 23 settembre 2013

ESERCITAZIONE DEL 3 MARZO 2005

EX 1 Calcolare la velocità di rinculo di un fucile di 4 kg che spara un proiettile di 0.05kg alla velocità di 280m/s.

Il campionamento casuale semplice

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Esercitazione 1 del corso di Statistica 2

( ) Lezione 5. Collegamenti tra condensatori. parallelo 1 2 C1 Q = Q = Il potenziale è lo stesso su tutti i condensatori, quindi

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Modulo di Matematica ed Informatica per il Corso di Laurea in Farmacia Soluzioni dello scritto del 3 giugno 2014

Laboratorio: Metodi quantitativi per il calcolo del VaR. Aldo Nassigh Financial Risk Management A.A. 2011/12 Lezione 4

PROPRIETÀ DEL CAMPO ELETTROSTATICO (PARTE 2) G. Pugliese 1

Apprendimento Non Supervisionato. Unsupervised Learning

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

7. Proprietà dei circuiti lineari adinamici

CAPITOLO 6. Dunque, se il volume è costante, la variazione di temperatura si può calcolare nel seguente modo:

Forza gravitazionale e forza elettrostatica 1.1 (Lezione L13 Prof. Della Valle) 1. La forza gravitazionale

OPERAZIONI E INSIEMI NUMERICI

Corrente elettrica. Conduttore in equilibrio. Condutture in cui è mantenuta una differenza di potenziale (ddp) E=0 V=cost

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Informazioni sul corso Lunedì 17/2/2014

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.

Lezione del 18 Dicembre Figure 1: Sergey Brin e Larry Page.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

TECNICHE DI INFORMATION RETRIEVAL APPLICATE ALLA BIOINFORMATICA: UN CASO DI STUDIO BASATO SULLA INTEGRAZIONE DI TECNOLOGIE OPEN SOURCE

Equazioni e disequazioni irrazionali

Si dice corpo rigido un oggetto ideale che mantiene la stessa forma e le stesse dimensioni qualunque sia la sollecitazione cui lo si sottopone.

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

3 Il teorema di Gauss

Meccanica dei sistemi

Ragionamento probabilistico: rappresentazione

Esempio 1 Determinazione modi propri e forme modali per sistema a 2 gdl 7.1

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Transcript:

Element d Calcolo delle obabltà Coso d Calcolo delle obabltà ed Infeenza a.a. 2015/2016 - mo Semeste of. Flppo DOMM Coso d Lauea Magstale n Economa pplcata Dpatmento d Economa, Statstca e Fnanza Unvestà della Calaba

Calendao - Lezon: dal 28/9/2015 al 19/12/2015 - Esam (sctt): 1 appello 15 Gennao 2016 oe 9:00 2 appello 12 Febbao 2016 oe 9:00 3 appello 22 Gugno 2016 oe 9:00 4 appello 15 Luglo 2016 oe 9:00 5 appello 19 Settembe 2016 oe 9:00 2

- Oao delle Lezon: Lunedì, Matedì e Mecoledì dalle 9 alle 11 n E2 - Oao d Rcevmento Student: Govedì dalle 11 alle 13 (Studo docente: Cubo 0C, ultmo pano) - Modaltà esame: Sctto (Oale facoltatvo) 3

ova, Evento e obabltà Concett mtv: nozon ognae ed ntutve. ova (o espemento): è qualsas attvtà svluppata n condzon d ncetezza. Gl espement d cu s occupa l Calcolo delle obabltà sono quell ne qual sultat non sono cet peché non unvoc. Evento: è uno de possbl sultat della pova. obabltà: è un numeo assocato al pesentas d un ceto evento e soddsfa alcune popetà fondamental dett assom del Calcolo delle obabltà. 4

Def.1. Spazo de Campon. E la totaltà d tutt possbl sultat d un espemento concettuale. Veà ndcato con W. Def.2. Evento Ceto. Evento Impossble. L evento ceto è quello che s vefca sempe, W. L evento mpossble è quello che non s vefca ma, f. Def.3. Spazo degl Event ( o algeba d Boole). E l nseme d tutt possbl sottonsem d W. 5

Dagamm d Venn W UNIONE INTERSEZIONE B NEGZIONE EVENTI INCOMTIBILI EVENTI NECESSRI 6

opetà Unone Intesezone Commutatva B B B B Idempotenza ssocatva ( B) C (BC) ( B) C (BC) Dstbutva (BC) (B) (C) (BC) (B) (C) Inolte, s ha: f f f W W W W f 7

Legg d De Mogan (1) B B B B (2) B B B B atzone dello Spazo Camponao S dce che gl event 1,, k appatenent ad W fomano una patzone dello spazo camponao se: (1) j f j 1,..., k k (2) W 1 coè se sono a due a due ncompatbl e necessa. 8

Eseczo 1 Sano,B e C te event che s dentfcano ne sottonsem ={1,2,3,8}, B={2,3,5,7,8} e C={3,6,7,9,10} d un geneco spazo W={1,2,3,4,5,6,7,8,9,10}. Detemnae seguent sottonsem: E 1 (BC) E 2 BC E 3 B C E4 B E 5 B E 6 C C Eseczo 2 Un espemento casuale consste nell estae contempoaneamente due pallne da un una contenente 1 pallna ossa, 3 pallne banche e 2 nee. Descvee lo spazo de campon elatvo all espemento e costue sottonsem n cu s dentfcano seguent event: 1. Le due pallne estatte sono d coloe dffeente; 2. Le due pallne estatte sono dello stesso coloe; 3. Le due pallne estatte sono entambe osse. 9

Eseczo 3 Un espemento casuale consste nel lanco contempoaneo d due dad da goco; posto che le facce d cascun dado sano state contaddstnte con gl nte dall 1 al 6, costue lo spazo de campon e sottonsem che appesentano seguent event: 1. I nume potat dalle facce supeo de due dad sono ugual; 2. La somma de due nume potat dalle facce supeo de due dad è 5; 3. Il numeo potato dalla facca supeoe d un dado è doppo d quello potato dalla facca supeoe dell alto. Eseczo 4 Un espemento casuale consste nel lanco contempoaneo d una moneta e d un dado da goco. S costuscano lo spazo camponao elatvo all espemento e sottonsem a cu s dentfcano seguent event: 1. Testa pe la moneta e numeo pa pe l dado; 2. Coce pe la moneta e numeo nfeoe a 5 pe l dado. 10

Eseczo 5 Da una accolta d te volum contassegnat con,b e C ne vengono scelt a caso due. Costue lo spazo degl event assocato allo spazo camponao n questone. Eseczo 6 Un espemento casuale consste nel levae l numeo d teste e delle coc che s possono pesentae nel lanco contempoaneo d te monete. Costue lo spazo camponao e lo spazo degl event ad esso assocato. Eseczo 7 Nel lanco d un dado da goco, le facce sano numeate dall 1 al 6, sa l evento la facca supeoe pota l numeo 3 e B l evento la facca supeoe pota un numeo dspa. e B sono event dsgunt? Eseczo 8 S lanca due volte una moneta; sa l evento testa al pmo lanco e B l evento ne due lanc non appae la stessa facca. e B sono dsgunt? 11

ssom del Calcolo delle obabltà. Rcodando che un assoma (o postulato) è una poposzone che è consdeata vea e non vene dmostata nel contesto n cu è svolta la teoa n questone, Il C.. pesenta seguent assom: 1. 0 2. W 1 3. Sano e B due event ncompatbl B f alloa B B 12

Teoem fondamental del Calcolo delle obabltà Teo.1. Teo.2. f 0 1 Teo.3. Teo.4. B B B B B Le dmostazon de teoem sono lascat pe eseczo. 13

Defnzone d pobabltà. Def. 4. Classca La pobabltà d un evento è l appoto ta l numeo d cas favoevol d e l numeo d cas possbl, ammesso che quest sano equpobabl. Def. 5.. Fequentsta (o legge empca del caso). In una see d pove d un dato espemento, petuto un gan numeo d volte n ccostanze pù o meno sml, cascuno degl event possbl s manfesta con una fequenza che è cca uguale alla sua pobabltà. L appossmazone s duce al cescee del numeo d pove. Def. 6. Soggettvsta. La pobabltà è la valutazone che l sngolo ndvduo può coeentemente fomulae, n base alle pope conoscenze, del gado d avveabltà d un evento. 14

Eseczo 9 Dato un espemento tale: 1 1 () 0.5 (B) 3 ( B) 4 Calcolae: B B B B B Eseczo 10 Sano e B due event tal che: () 0.8 (B) 0. 7 ( B) 0. 6 Calcolae: B B B

Eseczo 11 Supponamo d avee un una che contene 8 pallne osse (R), 9 pallne banche (B), 13 pallne nee (N) e 3 pallne galle (G). Effettuamo la seguente pova: estazone d due pallne con poszone. Calcolae la pobabltà che: a) entambe le pallne sano osse; b) la pma sa ossa e la seconda banca; c) la pma galla e la seconda non-ossa; d) la pma sa nea e la seconda non-banca; e) che almeno una sa ossa. 16

Dpendenza. ssom e Teoem fondamental. Quando s ha motvo d cedee che l vefcas d uno o pù event nfluenzano l vefcas d alt event, alloa s paleà d event dpendent (condzonat). Così, la pobabltà dell evento dato che s è gà vefcato l evento B (ovveo l evento B condzona l evento ), è: B / B pe B 0 B In tal caso, B dventa l nosto nuovo spazo de campon; coè s assume che la pova abba dato luogo a qualche sultato n B. 17

S può vefcae che valgono gl assom del Calcolo delle obabltà: 1. / B 0 1 2. W/ B 3. Se 1 e 2 sono ncompatbl alloa B / B / B 1 2 / 1 2 Le vefche d (1), (2) e (3) sono lascat pe eseczo. 18

Valgono anche teoem fondamental del Calcolo delle obabltà nel caso n cu esste un evento condzonante Teo.5. f / B 0 Teo.6. / B 1 / B Teo.7. B / B 1 / 1 2 1 2 / B Teo.8. B / B / B 1 2 / 1 2 1 2 Le dmostazon de teoem sono lascat pe eseczo. / B 19

Il teoema d Bayes e llustae l teoema, consdeamo l seguente esempo: supponamo d avee due une, la pma, U 1, contene 4 pallne banche e 6 nee, la seconda, U 2, contene 3 pallne banche e 5 nee. S estae a caso un una e, successvamente, da questa s estae una pallna. mmesso che la pallna estatta sa banca, c s chede qual è la pobabltà che essa povenga dall una U 1, se la pobabltà d selezonae cascuna delle une è d 0.5? Sml poblem s pesentano ogn volta che un evento può essee vsto come l sultato - EFFETTO - d uno ta K possbl event - CUSE - C 1, C 2,,C K ncompatbl e tal che uno d ess deve vefcas, e nteessa valutae la pobabltà che, avveatos, sa C j la causa che lo ha podotto. 20

Supponamo che gl event C 1,,C K fomno una patzone d W, coè W K 1 C e C C j f j L evento può essee sctto nel seguente modo W K C K 1 1 C Ossevando che K 1 C C f K 1 21

s ha: K 1 K 1 C C Rcodando che C C C / C / C C S può scvee: K 1 K 1 C / C C 22

La domanda nzale ea la seguente: noto l effetto, qual è la pobabltà che tale effetto sa dovuto alla causa C j? C j / C j K 1 C / C j C / C j L ultma pate è l teoema d Bayes, dove [C j /] è chamata pobabltà a posteo, coè la pobabltà che l evento, gà vefcatos, sa dovuto alla causa C j ; mente, la pobabltà [C j ] è chamata pobabltà a po della causa C j (nel nosto esempo è la pobabltà d estae l una U 1 ). Infne, [/C j ] sono dette pobabltà pobatve o veosmglanze, appesentano la pobabltà con cu le sngole cause C 1,, C K geneano l evento. Esse sono detemnate empcamente dall espemento. 23

Rtonando all esempo nzale, se ndchamo con [U ]=0.5 pe =1,2 le pobabltà a po, la pobabltà a posteo è: U 1 / B B/ U1 U1 B/ U U B/ U U 1 1 2 2 4 10 4 10 1 2 1 2 3 8 1 2 0.2 0.2 0.1875 0.516129

Ossevazone: l teoema d Bayes può essee vsto come un meccansmo che pemette d coeggee le nfomazon a po [C j ] sulla base delle ossevazon spemental [/C j ] fonendo pe l appunto la pobabltà a posteo. In questa fomula, nfatt, s combnano nfomazon a po e veosmglanze, e quanto pù la pobabltà a posteo [C j /] è dvesa dalla pobabltà a po [C j ], tanto pù la veosmglanza ha modfcato le nfomazon a po sulle cause C j. 25

Defnzone d Indpendenza. Se l vefcas d un evento non modfca la pobabltà del vefcas d un alto evento alloa è lecto pensae che due event sano ndpendent; questo può essee fomalzzato con la seguente: Def. 7. Dat due event e B, s dce che sono ndpendent se e solo se s vefca una delle seguent condzon: 1. 2. 3. B B / B B/ B 26

Teo. 9 Se e B sono ndpendent alloa 1. B B 2. 3. B B B B La dmostazon del teoema è lascata pe eseczo. 27

Eseczo 12 Supponamo d avee un una che contene 5 pallne osse (R), 4 banche (B),3 nee (N) e 6 gall (G). Effettuamo la seguente pova: estazone d due pallne senza poszone. Calcolae la pobabltà de seguent event: a) la pma ossa e la seconda ossa; b) la pma banca e la seconda ossa; c) la pma galla e la seconda non-ossa; d) la pma non-nea e la seconda banca; e) la pma galla e la seconda ossa o banca; f) la pova gene almeno una pallna ossa. 28

Eseczo 13 S è fatto uno studo pe detemnae l effetto de pogamm televsv su bambn. d un guppo d bambn composto da un numeo uguale d masch e femmne è stato chesto se sono ma stat spaventat da un pogamma televsvo. Il 25% de bambn e l 44% delle bambne spondono d s. Sceglendone uno a caso nel guppo, detemnae la pobabltà che: 1. l bambno sa stato spaventato; 2. venga scelta una bambna, sapendo che l selezonato/a è stato/a spaventato/a; 3. sa scelta una bambna, sapendo che l bambno/a scelta/o non è stata/o spaventato/a; 4. sa scelto un bambno sapendo che l bambno scelto non è stato spaventato. 29

Eseczo 14 Un costuttoe vene fonto pe gl stess tp d pezz sa dalla dtta che dalla dtta B. Tal pezz vengono po depostat asseme nello stesso magazzno. e l passato s è ossevato che podott d eano pe l 5% dfettos, mente quell d B lo eano nella msua del 9%. La dtta fonsce 4 volte pù pezz della dtta B. vendo scelto un pezzo a caso dal magazzno ed avendo scontato che non è dfettoso, qual è la pobabltà che sa stato fonto da? 30

Eseczo 15 Sano e B due event dello spazo camponao tal che: 0. 7 B 0. 8 Detemnae [B] se: a) e B sono dsgunt ; b) e B sono ndpendent ; c) [/B]=0.6 31

Eseczo16 La pobabltà d essee malato d canco n uno stado nzale è 0.1 pe una pesona n una ceta classe d età. Il test sulta postvo nel 99% de cas n una pesona malata e nel 5% de cas n una pesona sana. a) Qual è la pobabltà d una coetta dagnos con l test nella data classe d età? b) Qual è la pobabltà che una pesona sa malata se l test è negatvo? 32

Rfement Bblogafc. - G. Ccchtell (1984), obabltà e Statstca. Maggol Edtoe. Rmn. [C]. ag. 1-23. -.M.Mood, F. Gaybll e D.C. Boes (1988), Intoduzone alla Statstca, McGaw-Hll, Mlano. [MGB]. ag. 1-53. - D. ccolo e C. Vtale (1984), Metod Statstc pe l anals economca. Il Mulno, Bologna. [V]. ag. 119-150. - R. Os (1995), obabltà ed Infeenza Statstca, Il Mulno, Bologna. [O]. 15-55. - D. ccolo (2000), Statstca, l Mulno, Bologna. []. ag. 215-291. 33