Cenni di teoria della probabilit

10. 10. A, A, A, A, A. Assegnazione della probabilit agli eventi. Cenni sulle variabili casuali continue e sulle variabili casuali: di Bernoulli, binomiale e normale. Esperimento deterministico ed esperimento casuale. Per chiarire quanto detto si pensi una prima volta allesperimento consistente nella determinazione del volume di un solido; evidente che ci si aspetta che il risultato dellesperimento (e cio la misura del volume) sia lo stesso ad ogni sua ripetizione (fatte salve piccole differenze dovute allimprecisione dello strumento usato, alla scarsa attenzione delloperatore, o ad altre cause ancora, come leventuale non controllata variazione di temperatura, ecc.). Si pensi ora invece al lancio di un normale dado a sei facce; nessuno creder che alle varie ripetizioni dellesperimento debba corrispondere luscita del medesimo risultato! Lo spazio campionario: discreto e continuo. Spazio campionario CONTINUO: costituito da uninfinit non numerabile di elementi (idealizzazione matematica di situazioni reali

).

Spazio campionario DISCRETO: costituito da un numero finito o da uninfinit numerabile di elementi. Definizione di evento: evento elementare ed evento composto, evento certo ed evento impossibile, evento complementare, evento unione, evento intersezione, eventi incompatibili.

Gli eventi
Nel calcolo delle probabilit con la parola evento si intende ogni fatto che in seguito ad una prova pu accadere oppure No. Qualche esempio: Lapparizione di testa quando si lancia una moneta Lapparizione di un asso quando si estrae una carta da un mazzo La rivelazione di una data particella in un acceleratore

Ad ogni evento associato un numero reale che tanto maggiore quanto pi elevata la possibilit che si verifichi levento stesso: chiamiamo tale numero probabilit del evento. Definiamo evento certo quel evento che in seguito ad un esperimento deve obbligatoriamente verificarsi. Tale evento costituisce lunita di misura per la probabilit: si attribuisce, cio, allevento certo probabilit uguale allunit. Di conseguenza tutti gli altri eventi, probabili ma non certi, saranno caratterizzati da probabilit minori allunit Levento contrario allevento certo detto impossibile, ossia un evento che non pu accadere nella prova in questione. Allevento impossibile associata una probabilit uguale a zero.

insieme complementare, insieme unione, insieme intersezione, insiemi disgiunti, inclusione di un insieme

Unione (insiemistica)
Nella teoria degli insiemi, lunione di due insiemi A e B data dallinsieme formato da tutti gli elementi che appartengono allinsieme A o allinsieme B o a entrambi.

Lunione una operazione binaria. Nellalgebra booleana corrisponde alloperatore OR.

Definizione
Lunione di due insiemi A e B si denota comunemente con . Quindi x un elemento di se e solo se x un elemento di almeno uno degli insiemi A e B, in simboli:

Lunione di due insiemi detta disgiunta se essi hanno intersezione vuota. Pi in generale, data una famiglia qualsiasi di insieme, definita come quellinsieme a cui un elemento x appartiene se e solo se x appartiene ad almeno uno degli A.

Esempi
Come esempio elementare si possono considerare due insiemi finiti (cio con un numero finito di elementi) A = {1, 2, 3} e B = {2, 3, 4}. In questo caso si ottiene lunione prendendo tutti gli elementi che appartengono ad almeno uno dei due insiemi: . Un esempio un po pi astratto dato da due insiemi definiti tramite determinate propriet dei loro elementi: Siano A linsieme dei numeri interi divisibili per 4 e B linsieme dei numeri interi divisibili per 6. In questo caso, A B linsieme dei numeri interi divisibili per 4 o per 6 (o entrambi).

Propriet

Lunione di due insiemi

Unione di una sfera e un cubo parzialmente sovrapposti

Dalla definizione segue immediatamente che lunione unoperazione commutativa, in simboli:

Lunione inoltre unoperazione associativa:

Per questo si pu rinunciare alle parentesi quando si considera lunione di pi di due insiemi, scrivendo semplicemente A B C.

Intersezione
Nella teoria degli insiemi, lintersezione di due insiemi A e B data dallinsieme formato da tutti gli elementi che appartengono sia all insieme A che allinsieme B contemporaneamente.

Lintersezione una operazione binaria. NellAlgebra Booleana corrisponde alloperatore AND.

Definizione
Lintersezione di due insiemi A e B si denota comunemente con A B. Quindi x un elemento di A B se e solo se x un elemento di A e x un elemento di B, in simboli:

Naturalmente pu accadere che tali elementi x non esistano, nel qual caso si dice che i due insiemi sono disgiunti, ovvero che lintersezione dei due insiemi A e B linsieme vuoto, che si denota con il simbolo .

Propriet

Diagramma di Eulero-Venn per lintersezione.

Intersezione di una sfera e un cubo parzialmente sovrapposti

Dalla definizione segue immediatamente che lintersezione unoperazione commutativa, in simboli:

Lintersezione inoltre unoperazione associativa:

Per questo si pu rinunciare alle parentesi quando si considera lintersezione di pi di due insiemi, scrivendo semplicemente A B C.

Esempi
Come esempio elementare si possono considerare due insiemi finiti (cio con un numero finito di elementi) A = {1, 2, 3} e B = {2, 3, 4}. In questo caso si pu verificare direttamente per ogni elemento di A se anche elemento di B (o vice versa), ottenendo . Un esempio un po pi astratto dato da due insiemi definiti tramite determinate propriet dei loro elementi: Siano A linsieme dei numeri interi divisibili per 4 e B linsieme dei numeri interi divisibili per 6. In questo caso, A B linsieme dei numeri interi divisibili sia per 4 che per 6, ovvero tutti i numeri interi divisibili per 12. Gli insiemi dei numeri pari e dei numeri dispari sono disgiunti; infatti un numero non pu essere contemporaneamente pari e dispari. Lintersezione di questi due insiemi quindi linsieme vuoto.

Differenza o Complemento

La differenza B meno A si indica con B\A o con B-A ed data dallinsieme formato dai soli elementi di B che non appartengono ad A. B-A viene anche detto insieme complementare di A in B.

insiemi disgiunti
Due insiemi che non si intersecano sono detti disgiunti

Inclusione

B propriamente incluso in A.

Nella teoria degli insiemi linclusione una relazione tra gli elementi di due insiemi, tale che gli elementi della relazione appartengono ad entrambi gli insiemi. In simboli, dati due insiemi A e B:

oppure, a parole:
B contenuto o incluso in A se e solo se, per ogni elemento x, se x appartiene a B allora x appartiene ad A.

Si parla, pi propriamente, di inclusione stretta, per indicare che ogni elemento di B anche elemento di A ma che esistono elementi di A che non sono elementi di B. La notazione:

che si legge: B un sottoinsieme proprio di A oppure B propriamente incluso in A, indica che vi sono certamente alcuni elementi di A che non appartengono a B. Per esempio, se A={1,2,3,5,11} e B={1,2,3} B A.

Propriet
Linclusione una relazione dordine largo, cio una relazione riflessiva, antisimmetrica e transitiva; quindi valgono:
(riflessivit) (antisimmetria) (transitivit)

In particolare, lantisimmetria della relazione viene tipicamente sfruttata per definire luguaglianza di A e B. In altri termini

cio: si dice che A uguale B se e solo se A contenuto in B e B contenuto in A. Inoltre

(oppure: se A) A

cio: linsieme vuoto contenuto in ogni insieme.

Distinzione fra inclusione ed appartenenza

Bisogna fare molta attenzione a non confondere il concetto di inclusione con quello di appartenenza. Esempi:
esatta: 2 {1,2,3} - cio 2 appartiene allinsieme {1,2,3} ERRATA: 2 {1,2,3} - cio non si pu dire che 2 incluso nellinsieme {1,2,3} esatta: {2} {1,2,3} - cio il singoletto di 2 incluso nellinsieme {1,2,3}. proprieta riguardanti le operazioni su insiemi: involutoria, idempotenza, commutativa, distributiva

Involuzione (teoria degli insiemi)

In matematica, uninvoluzione una funzione da un insieme in s stesso tale che, se applicata due volte, il risultato coincide con lelemento di partenza. In termini pi precisi, uninvoluzione per definizione una funzione

che sia linversa di s stessa, cio

f(f(x)) = x per ogni x in X. Ogni involuzione necessariamente una funzione biiettiva. Il concetto di involuzione talvolta si mischia con quello di idempotenza, che per riguarda pi propriamente funzioni tali che f(f(x)) = f(x). possibile quindi trovare operatore idempotente come sinonimo di involuzione.

Esempi
La funzione identit uninvoluzione banale. Esempi meno banali includono la moltiplicazione per -1 di un numero reale, linsieme complemento di un sottoinsieme e il coniugato di un numero complesso. In algebra lineare, tranne che in caratteristica due, unapplicazione lineare che sia uninvoluzione sempre diagonalizzabile. In teoria dei gruppi, una permutazione uninvoluzione se prodotto di trasposizioni indipendenti.

Conteggio delle involuzioni

Il numero di involuzioni in un insieme con n elementi dato dalla seguente relazione ricorsiva: a(0) = a(1) = 1 a(n) = a(n 1) + (n 1)a(n 2) I primi termini della sequenza sono 1, 1, 2, 4, 10, 26, 76, 232 (sequenza A000085 nella On-Line Encyclopedia of Integer Sequences).

Idempotenza
In matematica, e in particolare in algebra, lidempotenza una propriet che pu caratterizzare endofunzioni, ovvero operazioni unarie, operazioni binarie ed elementi di strutture algebriche dotate di una operazione binaria, cio elementi di magmi e di loro arricchimenti (in particolare di anelli e di algebre). Una endofunzione idempotente ovvero una operazione unaria idempotente entro un certo insieme S una funzione del tipo
tale che :

Ogni endofunzione idempotente entro un qualsiasi insieme una unione funzionale di collassi. In particolare trasformazioni lineari idempotenti di uno spazio vettoriale V sono i proiettori sopra i sottospazi di V. Una operazione binaria idempotente entro un certo insieme S una funzione del tipo

tale che :
Esempi di operazioni binarie idempotenti sono lunione e la intersezione di insiemi, le operazioni logiche di AND e OR, il massimo comun divisore e il minimo comune multiplo di interi positivi, le operazioni di giunzione o supremo (sup) e di incontro o infimo (inf) di un reticolo o di un semireticolo. Si osserva che la nozione di endofunzione idempotente si riconduce a quella di operazione binaria idempotente relativa al caso particolare delloperazione di composizione di endofunzioni. Se (S,*,...) una struttura algebrica avente S come insieme sostegno e * operazione binaria, si dice elemento idempotente della struttura ogni e di S tale che e * e = e. In particolare nellalgebra delle matrici sopra un generico campo K sono elementi idempotenti le matrici quadrate diagonali aventi tutte le entrate della diagonale principale uguali a uno o a zero (si osserva che esse costituiscono rappresentazioni di proiettori). Tra le matrici sui reali e sui complessi sono idempotenti anche le matrici quadrate aventi autovalori soltanto 1 e 0. Nellalgebra delle relazioni sono idempotenti le relazioni di equivalenza.

PRORPIET COMMUTATIVA
Dato un insieme A nel quale sia definita una operazione che indicheremo con si dice che vale la propriet commutativa di in A quando per ogni coppia di elementi a, b appartenenti ad A si ha

a b= b a

Tra le operazioni possiamo citare: Negli insiemi: lunione e lintersezione sono operazioni commutative AB=BA, A B=B A

Proprieta distributiva dellunione rispetto all intersezione e dellintersezione rispetto all unione:
Se A, B, C sono insiemi si ha:

proprieta di de Morgan

Ad ognuna di queste propriet degli insiemi corrisponde unanaloga propriet delle funzioni logiche che li definiscono. la negazione di una disgiunzione equivale alla congiunzione delle negazioni la negazione di una congiunzione equivale alla disgiunzione delle negazioni

Le tre interpretazioni di probabilita: classica, frequentista e soggettivista;

La probabilit nella concezione frequentista (o statistica)

Dalle critiche alla definizione classica di probabilit, anche in conseguenza dei progressi delle scienze sperimentali, si svilupp una nuova concezione della probabilit: la concezione frequentista, che si pu applicare quando si possono eseguire tante prove quante si vogliono sullevento, oppure sono disponibili tavole con i risultati di rilevazioni statistiche relative a un certo fenomeno (ad esempio, le tavole di mortalit e di sopravvivenza). Secondo la concezione frequentista, per conoscere la probabilit di un evento si deve ricorrere allesperimento. importante rilevare che per un frequentista non ha senso calcolare la probabilit di una singola prova, perch non si pu prevedere il risultato di un singolo esperimento, mentre in una gran successione di prove si riscontra una sorprendente regolarit. Ad esempio, se si lancia pi volte una moneta non si pu calcolare la probabilit che a un determinato lancio si presenti testa, ma solo la probabilit che si presenti testa dopo avere effettuato un numero sufficientemente grande di lanci. La concezione frequentista basata sulla definizione di frequenza relativa di un evento.

La probabilit nella concezione classica

La caratteristica essenziale della concezione classica (e uno dei suoi punti deboli) la condizione che tutti i casi in cui pu manifestarsi il fenomeno siano egualmente possibili. Cos, ad esempio, nel lancio della moneta le due facce devono avere eguale possibilit di presentarsi e anche nel lancio di un dado le facce devono presentarsi <<pari facilitate>>. Inoltre si deve rilevare che la definizione si pu applicare quando linsieme dei casi un insieme finito.

La probabilit nella concezione soggettiva (o personale)

Esaminiamo i seguenti problemi. Qual la probabilit per uno studente di trovare impiego subito dopo il conseguimento del diploma? Domenica prossima si svolger unimportante maratona internazionale; qual la probabilit che la gara sia vinta da Pini? Qual la probabilit che un nuovo modello di automobile ha dincontrare il favore del pubblico? Per eventi del tipo indicato non possibile valutare la probabilit n secondo la concezione classica, perch non si possono determinare i casi possibili e i casi favorevoli, n secondo la concezione frequentista, perch gli eventi non sono ripetibili; in questi casi si stima la probabilit in base allo stato dinformazione, precisamente:

La probabilit P(E) di un evento E la misura del grado di fiducia che un individuo attribuisce, in base alle sue informazioni e alle sue opinioni, al verificarsi dellevento E. Le valutazioni di probabilit sono soggettive, ossia possono variare da individuo a individuo, ma deve essere rispettata la coerenza.

definizione assiomatica di probabilita: i tre assiomi della probabilita;

Dalla nascita della teoria della probabilit, si spesso cercato di dare una definizione del significato del concetto di probabilit. Nel 1933 A. N. Kolmogorov diede unimpostazione assiomatica alla teoria della probabilit. Questa impostazione tuttora in uso. Con i suoi Fondamenti della teoria della probabilit (Grundbegriffe der Wahrscheinlichkeitsrechnung) Kolmogorov in un certo senso evit il problema, in quanto riteneva che non fosse importante definire il significato filosofico del concetto, bens quello matematico. Kolmogorov defin pertanto tre assiomi: 1. Ad ogni evento casuale a corrisponde un certo numero P(a), chiamato probabilit di a, che soddisfa la disuguaglianza 0 <= P(a) <= 1. 2. La probabilit dellevento certo 1. 3. La probabilit dellunione di un numero finito o infinito numerabile di eventi mutuamente esclusivi pari alla somma delle probabilit di questi eventi. A partire da questi tre assiomi, sono stati in seguito formulati vari teoremi e varie leggi che costituiscono la base della moderna teoria della probabilit.

Probabilit condizionata
In teoria della probabilit, la probabilit di un evento A condizionata ad un evento B la probabilit che si verifichi A dato il verificarsi dellevento B. Tale probabilit, che si indica con P(A | B), esprime una sorta di correzione delle aspettative dettata dallosservazione di B e dunque dalla modificazione dei dati in possesso. Una precisazione importante riguarda il fatto che la probabilit condizionata ha senso solo se levento B si pu verificare (non levento impossibile), altrimenti non ha senso. Per dare un esempio, se in unurna contenente 10 palline blu e 10 nere ne sono state tolte mediante estrazione casuale 7 nere (evento B) allora la probabilit che la prossima estratta sia blu (evento A), che prima era di 1/2, 10/13, poich nellurna ora sono rimaste molte pi palline blu in rapporto a quelle nere. In termini rigorosi, dato un insieme S dotato di una misura di probabilit P e dati due eventi A e B, con P(B) > 0, si definisce la probabilit di A condizionata a B come la misura di A nel sottospazio costituito dallinsieme B dotato della misura di probabilit . Dunque la misura di A condizionata a B data dal valore

Teorema delle probabilita composte

Un altro modo per esprimere il teorema di moltiplicazione delle probabilit rappresentato dal teorema delle probabilit composte. Tale teorema pu essere enunciato nel modo seguente: la probabilit del prodotto di due eventi uguale al prodotto della probabilit di uno degli eventi per la probabilit condizionata dellaltro calcolata a condizione che il primo abbia luogo. P(A B) = P(A) P(B|A) = P(B) P(A|B) Si noti che se gli eventi A e B sono mutuamente escludentesi, la probabilit ccndizionata si annulla per definizione, mentre se gli eventi sono indipendenti si ha che P(B|A) = P(B) e analogamente P(A|B) = P(A): da questultimo caso discende un corollario molto importante: la probabilit del prodotto di due eventi indipendenti uguale al prodotto delle probabilit di questi eventi. P(A B) = P(A) P(B) o in generale, per N eventi

indipendenza
Nellambito del calcolo delle probabilit, lindipendenza stocastica di due eventi A e B si ha quando il verificarsi di uno non modifica la probabilit di verificarsi dellaltro, ovvero quando la probabilit condizionata P(A | B) ovvero P(B | A) pari rispettivamente a P(A) e P(B) P(A | B) = P(A) P(B | A) = P(B) queste due condizioni si possono sintetizzare con la formula P(A B) = P(A) P(B). In altre parole, dire che due eventi sono indipendenti tra loro significa dire che il fatto di sapere che uno di essi si verificato non modifica la valutazione di probabilit sul secondo. Per esempio, il fatto di ottenere 1 quando viene lanciato un dado ed il fatto di ottenere ancora un 1 la seconda volta che il dado viene lanciato, sono indipendenti.
Variabili casuali discrete: definizione

Le variabili casuali discrete sono delle variabili casuali con un numero finito o al pi numerabile (cio che pu essere posto in corrispondenza biunivoca con linsieme dei numeri naturali) di possibili valori, ci in quanto i possibili valori di una distribuzione sono numerabili oppure sono variabili discrete.

funzione di probabilita

1.1 La funzione di probabilit

Dato un fenomeno X che assume n possibili manifestazioni (x1, x2, ..., xn), chiamiamo funzione di probabilit una funzione f (xi) che associa, ad ogni manifestazione del fenomeno, la probabilit che tale manifestazione si verifichi. Un fenomeno, dunque, si pu rappresentare attraverso la seguente tabella:
X x1 x2 ... xn f (X) f (x1) f (x2) ... f (xn)

Una funzione f (X) una funzione di probabilit se e solo se rispetta due condizioni: 1. non assume mai valori negativi: una probabilit, infatti, non pu mai assumere valori negativi; in termini algebrici si pu scrivere f (xi) 0, i {1,2,....., n} 2. la somma di tutte le probabilit 1: in termini algebrici si pu scrivere

f (x ) = 1
i =n i

Una funzione di probabilit si pu rappresentare graficamente ponendo le manifestazioni xi sullasse delle ascisse e le probabilit f (xi) sullasse delle ordinate. variabile casuale doppia:distribuzione doppia di probabilita, funzione di probabilita congiunta, funzione di ripartizione congiunta; Ci siamo fin qui occupati di variabili a una dimensione, rappresentabili nel piano cartesiano. Molto spesso , per, occorre studiare un problema in cui compaiano due variabili aleatorie che danno origine ad una distribuzione doppia di probabilit, rappresentabile nello spazio a tre dimensioni. Consideriamo le variabili casuali X e Y: X x1 x2 X n P p1 p2 pn

Y y1 y2 ym Q q1 q2 qm La probabilit che la variabile casuale X assuma il valore xi e la variabile casuale Y assuma il valore yj, sindica con pij che rappresenta quindi la probabilit della coppia di valori (xi,yj). La distribuzione di variabile casuale doppia riassunta in tabelle del tipo:

dove:

Le probabilit pij = P(X=xi,Y=yj) sono dette probabilit congiunte. Le due variabili X, Y si dicono stocasticamente indipendenti se , e solo se, in base alla definizione di eventi indipendenti, si ha: pij = piqj In caso contrario, cio pij piqj,le variabili X e Y sono dette dipendenti. Le distribuzioni P(X) e P(Y) sono dette distribuzioni marginali e rappresentano, rispettivamente, la distribuzione di probabilit della variabile X e la distribuzione della variabile Y. La rappresentazione grafica di una variabile aleatoria doppia piuttosto complessa. Si hanno due possibilit: effettuare una rappresentazione grafica tridimensionale dove le probabilit pij sono rappresentate come quote; procedere pi empiricamente rappresentando le probabilit di pij con cerchietti di area proporzionale ai rispettivi valori. Ossia:

Riprendendo il concetto di probabilit di un evento A condizionata allevento B, espresso dalla relazione:

se P(B) 0 vogliamo estendere il concetto alla variabile casuale doppia X e Y. Si hanno gli eventi A e B cosi definiti: A:<<la variabile X assume valore x, cio X=x>>; B:<<la variabile Y assume valore y, cio Y=y>>; Allora la relazione precedente diventa: P(X=x/Y=y)= P(x/y)= In cui pij la probabilit congiunta, e qj la probabilit marginale della variabile Y. Definiamo ora: f(x/y)= la funzione di probabilit condizionata di x, data y. In modo analogo la funzione di probabilit condizionata di y, data x: f(y/x)=

Si chiama funzione di probabilit congiunta delle v.c. discrete X ed Y la funzione

f ( x, y ) = Pr { X = x, Y = y} Che soddisfa le seguenti propriet 1) f(x, y) 0 (x, y) 2)

f(x, y) = 1
x y

distribuzione di probabilita e funzione di ripartizione Il modo in cui si distribuisce la probabilit di una variabile aleatoria dipende da molti fattori, e, come vi sono infiniti possibili grafici di funzioni, cos si possono avere infinite modalit diverse per le distribuzioni di probabilit. Tuttavia, come risulta utile studiare alcune classi particolari di funzioni (le funzioni polinomiali, le funzioni goniometriche, la funzione logaritmica, e cos via) perch rappresentano modelli adeguati e duso frequente per descrivere fenomeni fisici e sociali, cos anche per le variabili aleatorie alcune particolari classi di distribuzione risultano piuttosto importanti. In questo ipertesto, pertanto, si menzioneranno alcuni dei pi significativi modelli di distribuzione di probabilit e si individuer a quali classi di fenomeni essi si adattano meglio. Si cercher inoltre di fornire, ove possibile, dei brevi cenni storici e illustrare delle applicazioni pratiche delle distribuzioni di probabilit prese in esame. Le pi significative distribuzioni di probabilit sono: binomiale di Poisson geometrica normale (o di Gauss-LaPlace)

Nel calcolo delle probabilit la funzione di ripartizione di una variabile aleatoria X a valori reali la funzione che associa a ciascun valore x la probabilit dellevento la variabile casuale X assume valori minori o uguali ad x. In altre parole, la funzione definita da con dominio la retta reale e immagine lintervallo [0,1]

Una funzione F una valida funzione di ripartizione se F non decrescente, continua a destra e

Una funzione di ripartizione non necessariamente continua a sinistra (e dunque continua globalmente): se X una variabile casuale discreta e z un punto del suo supporto, allora F una funzione a gradino e dunque

(ponendo senza restrizioni di generalit x1 < x2 < ... < xn < x < z) poich una costante indipendente da x, mentre

dunque essendo p(z)0 F non continua. Pi in generale, una funzione di ripartizione individua univocamente una intera distribuzione di probabilit, cio una funzione che ad ogni sottoinsieme misurabile A associa la probabilit che X cada in A.

Propriet
Si pu dimostare dalla definizione che valgono le seguenti uguaglianze, ponendo per semplicit di notazione

P(X < x) = F(x )

P(a < X < b) = F(b ) F(a)

Se X una variabile casuale assolutamente continua la funzione di ripartizione di X pu essere espressa come funzione integrale:

ove f detta funzione di densit di X. Se X una variabile casuale discreta (ossia ammette una collezione numerabile di possibili valori )

Dove p(x) = P(X = x) detta funzione di probabilit di X. Media e ariana La varianza proporzionale al numero di tentativi, moltiplicata per la probabilit di successo e per la probabilit di insuccesso. Varianza: = npq p+q=1 q=1-p

media=m = np

Per np > 10 tende alla distribuzione normale.