Sei sulla pagina 1di 4

Calcolo delle probabilit`

a 2009-2010

Contare [Ross, 2007, 1.2]


Due insiemi A, B hanno lo stesso numero di elementi

1. Analisi combinatoria
2. Assiomi della probabilit`a
Giovanni Pistone
giovanni.pistone polito.it

#(A) = #(B)
se esiste funzione invertibile che trasforma luno nellaltro.
#(A) = n intero se A ha lo stesso numero di elementi di B = {1, 2, . . . , n};
allora diciamo che A `e un insieme finito. Un insieme A `e numerabile se ha lo
stesso numero di elementi di N = {1, 2, . . . }.
Se A B allora #(A) #(B).

Se A, B sono disgiunti, cio`e A B = allora

DIMAT Politecnico di Torino

#(A B) = #(A) + #(B).

v 1.0 9 ottobre 2010

In generale:
#(A B) = #A + #B #(A B) .

Libro di testo
Cap. 1 e 2 di Sheldom M. Ross. Calcolo delle probabilit`a 2a edizione.
Apogeo, 2007. La 1a edizione `e altrettanto utilizzabile. Loriginale
inglese `e alla 8a edizione e si intitola A First Course in Probability.

Contare le funzioni [Ross, 2007, 1.3]

#(A B) = #(A) #(B) .


In generale: #(A1 An ) = #A1 #An .

Combinazioni e suddivisioni (partizioni)

Siano A e B due insiemi finiti. Consideriamo le funzioni f : A B.


Il numero di funzioni di A in B `e

#(B)#(A) .
Se A = {1, . . . , n}, allora f (1), f (2), . . . , f (n) `e un campione ordinato con
ripetizione di n elementi estratti da B.
Applicazioni: Il numero di parole binarie lunghe n `e 2n ; il numero di
sottoinsiemi di un insieme di numero n `e 2n .
Il numero di funzioni iniettive di A in B `e 0 se #(A) > #(B). Se
#(A) #(B), allora il numero `e
#(B)(#(B) 1) (#(B) #(A) + 1) =

Il numero di un insieme prodotto cartesiano A B `e

#(B)!
.
(#(B) #(A))!

Se A = {1, . . . , n}, allora abbiamo i campione ordinati senza ripetizione


di n elementi estratti da B.
Se A = B, allora le funzioni iniettive si chiamano permutazioni e sono in
numero #(A)! .

Una combinazione di k oggetti presi da un insieme di n elementi


`e un

sottoinsieme di k elementi. Il numero di combinazioni `e kn . Se non `e nullo,
dato che si forma un sottoinsieme prendendo un campione ordinato di k
elementi da n e poi trascurando lordine,

n
n (n 1) (n k + 1)
n!
=
=
.
k
k!
k!(n k)!
Una suddivisione o partizione in k parti di un insieme S di numero
#(S) = N `e una successione di insiemi A1 , . . . , Ak che sono disgiunti e la
cui unione `e linsieme totale. Gli Ai possono essere vuoti. Il numero di
partizioni in k parti `e lo stesso delle funzioni S {1, . . . , k}, cio`e k N .
Il numero di partizioni in k parti, di numerosit`
a rispettive n1 , . . . , nk si indica

N
con il coeciente multinomiale n1 ...n
.
Se
non `e nullo,
N
n n k
N!
n1 ...nk = n1 !nk ! . Nota k = k nk .
n n1
Valgono le formule 2n = k=0 kn , nr = n1
,
r 1 +
r
n+m r n m
= k=0 k r k , lo sviluppo del binomio, lo sviluppo del multinomio.
r

Applicazioni

Spazio campionario ed eventi


Le parole binarie lunghe n con m uni e (n m) zeri sono mn . Tra esse,

quelle che non contengono due uni consecutivi sono nm+1


.
m
1
Il numero di modi di mettere r oggenti indistinguibili in n scatole `e n+r
r 1 .
`
E anche il numero di soluzioni intere non negative dellequazione
x1 + + xr = n, [Ross, 2007, 1.6].
Il numero di modi di mettere r oggenti
r 1 indistinguibili in n scatole in modo
` anche il numero di soluzioni intere
che nessuna scatola sia vuota `e n1
. E
positive dellequazione x1 + + xr = n, [Ross, 2007, 1.6].
n
Il numero di grafi con n vertici `e 2(2) . Il numero di grafi con n vertici e r
n
archi `e (r2) . [Grafo? Vedi en.wikipedia.org/wiki/Graph_theory]

Probabilit`a classica

Operazioni sugli eventi

Levento impossibile `e quello privo di casi possibili, cio`e . Levento certo `e


quello che contiene tutti i casi, cio`e S stesso.
Dati due eventi E , F , possiamo formare levento unione E F e levento
intersezione E F o EF . Se E F = , cio`e non ci sono casi in comune,
diciamo che gli eventi sono incompatibili.
Consideriamo anche intersezioni ed unione di un numero n generico di
eventi: ni=1 Ei e ni=1 Ei .

Probabilit`a: assiomi

Se tutti i casi di E stanno in F , allora E F . A volte si dice che E implica


F . Ci`
o equivale a E F = F ed anche a E F = E .
Consideriamo anche infinit`a numerabili di eventi En , n = 1, 2, . . . e

definiamo la loro intersezione e la loro unione:


n=1 En e n=1 En .
Unione e intersezione soddisfano propriet`a algebriche:

(E F ) G = E (F G )

Il secondo componente di un modello probabilistico `e linsieme degli eventi,


identificati con sottoinsiemi E , F , S. Gli eventi possono essere
assegnati tramite condizioni poste sui loro elementi o con operazioni logiche.

Dato levento E , possimo considerare levento che contiene tutti i casi che
non stanno in E , cio`e levento complementare E c

La probabilit`a di A S `e il numero #(A)/#(S)

E F =F E

Il primo componente di un modello probabilistico `e lo spazio campionario,


cio`e lelenco di tutti i casi possibili. Lo indichiamo con S.

E F =F E

(E F ) G = E (F G )

(E F ) G = (E G ) (F G )

Definizione
Dato uno spazio campionario S e data una famiglia di eventi E (su cui si possono
fare tutte le operazioni logiche sugli eventi), una misura di probabilit`
a `e una
funzione degli eventi che soddisfa i seguenti assioni.
A1 0 P (E ) 1.
A2 P (S) = 1.
A3 Se gli eventi E1 , E2 , . . . sono incompatibili, allora
P (
i=1 Ei )

(E F ) G = (E G ) (F G )
c

(ni=1 En ) = ni=1 Eic

(ni=1 En ) = ni=1 Eic

Quelle evidenziate sono le formule di De Morgan

P (Ei )

i=1

In particolare, ladditivit`a vale per un numero finito di eventi incompatibili:


P (ni=1 Ei ) =

i=1

P (Ei )

Probabilit`a: semplici propriet`a

Esiti equiprobabili [Ross, 2007, 2.5]

Complemento P (E c ) = 1 P (E ).

In uno spazio campionario S finito, #S = N, supponiamo che tutti gli eventi


elementari siano equiprobabili, cio`e

Monotonia Se E F , allora P (E ) P (F ).

P ({s}) = p

Unione P (E F ) = P (E ) + P (F ) P (E F ).

Unione di tre eventi


P (E F G ) = P (E ) + P (F ) + P (G )

P (EF ) P (EG ) P (FG )


+ P (EFG )

singoli
coppie
terne

Si dice anche probabilit`a uniforme o classica. Allora, per lassioma di additivit`a,


deve essere

1 = P (S) = P (sS {s}) =


P (s) =
p = Np
sS

P (ni=1 Ei ) =

sS

da cui segue p = 1/N. Per ogni altro evento A = sA {s}, dunque


P (A) =

Inclusione-escusione

s S.

1
#A
=
N
#S
sA

(1)k1

k=1

P (iI Ei )

I {1,2,...,n}:#(I )=k

Probabilit`a: continuit`a [Ross, 2007, 2.6]

Viceversa, si pu`
o verificare che tale assegnazione verifica gli assiomi della
probabilit`a.

Esempi da [Ross, 2007, 2.5]


5a Se lanciamo due dadi, quale `e la probabilit`a che la somma sia superiore a 7?

Definizioni
Una successione di eventi `e crescente se E1 E2 E3 . In tal caso,
definiamo limn Ei =
i=1 Ei .
Una successione di eventi `e decrescente se E1 E2 E3 . In tal caso,
definiamo limn Ei =
i=1 Ei .
Nelluno e nellaltro caso, diciamo che la successione `e monot`
ona.

Esempi: limn 0, 1 + n1 = limn 0, 1 + n1 = [0, 1],


limn 0, 1 n1 = limn 0, 1 n1 = [0, 1[.

Teorema

Per ogni successione di eventi monot`


ona la probabilit`a `e continua, cio`e

lim P (En ) = P lim En


n

5b Se estraiamo 3 palline a caso da unurna che ne contine 6 bianche e 5 nere,


quale `e la probabilit`a che un sia bianca e le altre due nere? Varianti?
5c Una commissione di 5 persone viene estratta da un gruppo formato da 6
uomini e 9 donne. Quale `e la probabilit`a che nella commissione ci siano 3
uomini e due donne? Quale `e la probabilit`a che gli uomini siano in
maggioranza?
5f-g Quale `e la probabilit`a della scala semplice e del full in 5 carte da poker con
un mazzo da 52? E se si gioca con 7 carte?
5i Se in una stanza ci sono n persone, quale `e la probabilit`a che siano nate in
giorni dellanno tutti diversi?
5j Giriamo una dopo laltra le carte di un mazzo da 52. Con quale probabilit`a
la carta dopo il 1o asso `e un 2 di fiori?
5m N persone depositano il loro cappello e ne riprendono uno a caso. Quale `e la
probabilit`a che k abbiano il cappello giusto?.
5n Se i 20 componenti di 10 coppie si siedono intorno ad un tavolo rotondo,
quale `e la probabilit`a che tutte le coppie siano divise?

Soluzioni

Soluzioni

5a Le coppie (d1 , d2 ), d1 , d2 = 1, . . . , 6 con d1 + d2 > 7 sono 1 + + 5 = 15, dunque P (E ) = 15/36.




11
4 .
= 165, #E = 61 52 = 60, dunque P (E ) = 11
3

5b #S =

5c P (E1 ) =


6 9
3
2

.
15
5

P (E2 ) =


6 9
6 9
6 9
+
+
3 2
4
1
5 0

.
15
5

5e Una scala `
e individuata dalla carta iniziale e dalla sequenza dei semi delle carte sequenti, dunque le scale sono
(4 9) 44 . Le scale reali sono individuate dalla carta iniziale. Dunque le scale semplici sono (4 9) (44 1). La
probabilit`
a`
e P (E ) =

4
(49)(4
1)
52
5

9 .
= 2548

5i Se E =compleanni tutti diversi,

P (E ) =

5m Sia Ei =li-mo ha il cappello giusto e calcoliamo P N


i=1 Ei con la
formula di inclusione-esclusione. Gli addendi singoli sono N e hanno

probabilit`a P (Ei ) = (N1)!


= N1 . Le intersezioni k-ple sono Nk e hanno
N!
probabilit`a P (iI Ei ) = (Nk)!
N! . Dunque

n(n 1) (365 n + 1)
365n

=1

1+

1
365

1+

n1
365

Se n = 44, P (E ) = 0.06711463, vedi 1-2.R.

LaTeX, R
Queste presentazioni sono scritte con LaTeX usando la classe beamer.cls.
R `e un programma di calcolo statistico con funzionalit`a simili a Matlab.
`
Vedi www.r-project.org. Lo usiamo come calcolatrice e per fare grafici. E
anche utilizzabile per tutte le operazioni che intervengono in statistica,
tramite un linguaggio di tipo funzionale.

Antenne
# Ross 1.1 problema delle antenne
antenne<-expand.grid(c(0,1),c(0,1),c(0,1),c(0,1))
dimnames(antenne)[[2]]<-paste("Ant",1:4,sep="")
attach(antenne) # accesso alle colonne
guaste<-4-(antenne[,1]+antenne[,2]+antenne[,3]+antenne[,4])
funziona<-(Ant1|Ant2)&(Ant2|Ant3)&(Ant3|Ant4)
print(cbind(guasti,antenne,funziona))
print(table(guasti))

N
i=1 Ei

(1)

k=1

k1


N
N (N k)!
1
=
(1)k1
k
N!
k!
k=1

1
Notare che 1 P N
= 0.3678794 se N .
i=1 Ei e