Calcolo delle probabilità
Progetto lauree scientifiche
Università dell’Insubria
Facoltà di Matematica
Como
Paola Bertoncello Natalina Drappo
Introduzione
alla probabilità
definizioni Probabilità discreta Variabile aleatoria Evento elementare Spazio campionario in cui l’insieme dei valoriassumibili dai risultati sia finito o numerabile
Analisi degli esiti di esperimenti aleatori
Grandezza i cui valori siano i possibili esiti di un esperimento
Risultato del lancio Mano di poker
Esito di un esperimento aleatorio
Insieme degli eventi elementari Evento
Sottoinsieme dello spazio campionario
testa testa TT
{TT, TC, CT, CC }
{TT, TC, CT} di due monete
Probabilità classica di un evento E
_____________
P(E)= Casi favorevoli Casi possibili
Proprietà
E = esce almeno una testa IEI = 3 Ω = spazio campionario
del lancio di due
I Ω I = 4 P(E) = ¾ monete
0≤P(E) ≤1 P(Ec)=1-P(E)
Ec= non esce alcuna
testa
IEcI = 1 P(Ec) = 1/4
E כֿ F → P(E) > P(F)
F= esce una testa = {TC, CT} IFI=2 P(F)=1/2 TT CC TC CT Ω E F
Strumenti matematici
per lo studio della probabilità
Disposizione semplice
Selezione ordinata di k elementi di un insieme finito di dimensione n
Elenco degli studenti seduti nella prima fila Primi tre classificati di una gara
Problema: quante disposizioni si
presentano nell’estrazione di due palline da un sacchetto che ne contiene 4 diverse?
Soluzione: 4 possibilità per la prima pallina
per ogni scelta della prima ci sono 3 possibilità per la seconda per ogni scelta delle precedenti ci sono 2 possibilità per la terza
Regola:
Altri esempi e relative soluzioni:
• Il numero di modi in cui disporre 4 alunni in prima fila in una classe di 25 studenti è 25 · 24 · 23 · 22 = 303600
• le possibili disposizioni dei numeri della prima cinquina della tombola sono 90 · 89 · 88 ·87 · 86 > 5 1010
Il numero di k-disposizioni semplici di n elementi è n · (n-1) ·… · (n-k+1)
Usando il fattoriale di n, definito come n! =n · (n-1) · (n-2) · ….. · 1 ottengo:
D k,n = _____n! (n-k)!
Disposizione con ripetizione
Elenco di k elementi ordinati di un insieme di dimensione n per cui è prevista la ripetizione
Pin del telefono Lancio di tre dadi
Problema: quanti prefissi telefonici si possono
scrivere con tre cifre?
Soluzione:
9 possibilità per la prima cifra
Per ogni scelta della prima cifra ho 9 possibilità per la seconda Per ogni scelta delle prime due cifre ho 9 possibilità per la terza
Altri esempi e relative soluzioni:
Regola:
• Il numero di colonne possibili del totocalcio è 313 = 1594323
• il numero di targhe che si può ottenere con 4 numeri e 2 cifre finali è 104 · 262 = 6760000
Il numero di k-disposizioni con ripetizione di n elementi è D k,n = nk
… nota
• il numero di password di 8 cifre che si possono scrivere con cifre alfanumeriche maiuscole e minuscole senza
Permutazione (semplice)
Possibile ordinamento di un insieme finito di elementi
È una n-disposizione semplice di n elementi
Ordine di arrivo ad una gara Posizione dei libri in una libreria
Problema: in quanti modi posso distribuire i 25 studenti di una classe?
Soluzione: partendo dal primo banco, per il quale ho 25 possibilità, ad ogni scelta successiva ho uno studente in meno a disposizione, per cui ho
25 · 24 · 23 · …..2 · 1 = 25! Regola
Estrazioni del lotto Combinazioni
Raggruppamenti di k elementi di un insieme di dimensione n
= possibili sottoinsiemi Studenti interrogati
Problema: quante scelte ha un professore se interroga 4 persone in una classe di 25?
Soluzione:
Il numero di 4-disposizioni di 25 elementi è 25!/21! Le disposizioni con gli stessi elementi in cui cambia solo l’ordine corrispondono alla stessa composizione
Il loro numero corrisponde al
numero di permutazioni: sono 4!
Le combinazioni sono 25!____
Altri esempi e relative soluzioni:
Regola:
• Il numero di combinazioni vincenti del SuperEnalotto è
Il numero di sottoinsiemi di k elementi di un insieme di dimensione n è n!
(n-k)!k! C k,n = ______ ______ 90!
84!6!
Definisco coefficiente binomiale il valore
Probabilità composta
definizioni
X, Y variabili indipendenti A, B eventi indipendenti
I Ωx J Ωy si haA ∩ A ∩ P(I J) = P(I) · P(J)∩ P(A B) = P(A) · P(B)∩
Dico due variabili o due eventi indipendenti se il verificarsi del primo non influenza il verificarsi del secondo.
Ossia se tutti i possibili eventi della prima sono indipendenti dai possibili eventi della seconda
A ={TT, TC} B = {TC, CC}
X = esito lancio del primo dado
Y = esito lancio del secondo dado
Regole
con E ∩ F = Φ ho Dati due eventi E e F
P(E F) = P(E) + P(F) - P(E∩F)∩
P(E F) = P(E) + P(F)∩ TTT TTCTCC CCC CTT TCT CTC CCT E F Ω E = esattamente due teste
F = la prima è testa
E = esattamente due teste
F = esattamente una testa
CTC CCT TCC TTT CCC CTT TCT TTC Ω F E
Nota: nel caso di tre eventi
P(E F G) = P(E) + P(F) + P(G) - P(E∩F) - P(E∩G) - P(F∩G) +∩ ∩ + P(E∩F∩G)
Diagramma ad albero
struttura di oggetti (foglie) e collegamenti (rami) orientati Ogni foglia può discendere da un solo predecessore
(padre) Ad ogni foglia possono seguire diversi oggetti (figli)
Lancio di tre dadi
T C T C T C
V
V
T CV
V
V
V
T C T C T C I possibili esiti si trovano percorrendo tutti i rami dalla radice alla cimaSi consideri un evento costituito da eventi elementari che siano fasi successive di un esperimento
Principio di moltiplicazione
Sia E l’evento che si ottiene percorrendo un ramo dell’albero dalla radice alla cima ed ei gli eventi
elementari corrispondenti alle foglie del percorso di E P(E) =
P(ei)Probabilità di un
codice alfanumerico del tipo aabc con a: ±1 b:cifra c:lettera 1 -1
½
1 -1 -1 1½
0 1 2 3 … 9 1/10 a b … w y z 1/26 P(-1,1,9,y)=½ ½
1/10 1/26 = · · · __1 1040Probabilità condizionata
e inversa
P(F|E) = Probabilità che l’evento F si realizzi nell’ipotesi che l’evento E si sia già realizzato
F = due esiti su tre sono testa E = il primo esito è testa
P(F)=3/8 P(F|E)=2/4 TTT TTCTCC CCC CTT TCT CTC CCT E F Ω TTC TCT E F = Ω TCC TTT
Regola
P(F|E)= P(F∩E) P(E) _______
Nota:
F è indipendente da E se (def.) P(F|E) = P(F)
se sostituisco trovo P(E) · P(F) = P(E∩F)
P(F∩E)=2
Riferendosi all’esercizio precedente
Problema della probabilità inversa Problema:
L’urna I contiene 3 palline rosse e 2 blu, l’urna II contiene 1 pallina rossa e 1 blu. Pesco ad occhi chiusi una pallina rossa: Quale è la probabilità che provenga dall’urna 1?
Soluzione Uso il diagramma ad albero: r b Evento elem. P(e1)
½
½
I II r b 2/5 3/5½
½
3/10 1/5 1/4 1/4 P(b)=9/20 P(r)=11/20Costruisco il diagramma inverso:
b r I II II I 9/20 11/20 x = 4/9 5/9 6/11 5/11
Come trovare x : la probabilità dei rami equivalenti dei due alberi è uguale, quindi:
9/20 · x = P(E2) = 1/5 3/10 1/5 1/4 1/4 P(b∩I) P(b) P(I|b)
Il problema corrisponde alla ricerca della probabilità dell’urna I condizionata all’aver pescato b
P(II|r) = 5/11 P(I|r) = 6/11 P(II|b) = 5/9 P(I|b) = 4/9
Formula di Bayes Problema:
Si consideri un esperimento in due fasi e si voglia calcolare la probabilità di un evento elementare Hi al
primo stadio nota la probabilità dell’evento E al secondo stadio Regola P(Hi|E) = ________________ P(E|Hi) · P(Hi) Σ P(E|H k) · P(Hk) m k 1 = __________P(E|Hi) · P(Hi) P(E)
Probabilità discreta
e continua
definizioni Dato uno spazio campionario discreto Ω
def. probabilità su Ω una qualsiasi funzione P : Ω [0,1] che soddisfi P(Ω) = 1 P( Ak) = P(A
k) 1 kU
k 1*
*
Finito o numerabile 1) 2)Probabilità classica Ω finito o numerabile con Ω = { wi } IΩI = dimensione (o la cardinalità) di Ω
P(E) = IEI IΩI
___ A E Ω
כּ
definizione equivalente alla probabilità classica: Sia m(x) una funzione m : Ω [0,1]
con P(Ω) = 1
x m(x) =1detta funzione di distribuzione di Ω Sia E un sottoinsieme di Ω
definisco P(E) := m(x)
E
x
Le proprietà sono quelle già viste
. le trasmettiamo dagli insiemi agli elementi per il caso numerabile le somme diventano serie
studio della convergenza
X = lunghezza della corda di una circonferenza unitaria Ω = ( 0,2] Si voglia P(E) con E = ( ,2]3
Scelgo un sistema di coordinate per il punto medio: rettangolari del con origine nel centro della circonferenza
M: (x,y) (x,y) [-1,1]
x [-1,1] con x2 +y2 ≤ 1L’Hp corrisponde a X ≥ lato del triangolo equilatero . M è interno alla circonferenza di raggio ½
Nota:
Se ho uno spazio campionario sottoinsieme di IR2
e ipotizzo che tutti i suoi punti siano equiprobabili
posso associare ad una superficie una probabilità equivalente alla sua area
P(E) = =1/4 ______π(½) 2 π(1)2 Paradosso di Bertrand: P(E) = 1/4 1/2 1/3 M: (ρ;θ) M:(x;y) A:(1;α) B:(1;β)
definizione
F(x) funzione di distribuzione cumulativa di X se
))
,
((
:
)
(
:
)
(
x
P
X
x
P
x
F
X
F
X(
x
)
:
IR
IR
Proprietà)
(x
F
X è monotona non decrescente0
)
(
lim
F
x
x
X(
)
1
lim
F
x
x
X)
(x
F
X è continua da destra:)
(
)
(
lim
t
F
x
F
t
x
X
Xdefinizione
f(x) funzione di densità di X se f: IR IR e vale
P(a ≤ x ≤ b) =
b adx
x
f
(
)
b
a,
IRScelta la variabile X non è detto che esista f(x)
+
f(x) non è una probabilità.
P(X E) =
E
dx
x
f
(
)
purché l’integrale esistaSia X una variabile aleatoria con funzione di densità f(x) Teorema Rappresenta la funzione di distribuzione cumulativa di X,
xdt
t
f
x
F
(
)
(
)
e si haF
(
x
)
f
(
x
)
dx
d
Da ciò potremmo introdurre un diversa
definizione di funzione densità: f: IR IR+
xx
F
dt
t
f
(
)
(
)
(
)
1
dx
x
f
t.c.Esempi significativi di distribuzioni e densità Distribuzione uniforme discreta
Sia X una variabile aleatoria con spazio campionario Ω di dimensione n
La distribuzione è rappresentata dalla funzione m(x) = 1/n = costante
continua Distribuzione uniforme
Attenzione!
Sia Ω numerabile e m(x) = costante
Edx
x
m )
(
divergeFunzione di densità gaussiana fx = ______1 2 2 2 2 ) ( x