Sei sulla pagina 1di 4

Il teorema di disintegrazione e la formula di Bayes

e supponiamo che E1, E2, E3,.. En siano una partizione di


E3,.. En siano eventi di probabilit non nulla di , a due a due disgiunti , la cui unione :
Consideriamo uno spazio campionario

, cio che E1, E2,

= E1U E2 U E3 U.. U En

Considerato un qualsiasi evento A , gli insiemi A E1, A E2, ..,A


due e la loro unione A : A = (A E1)U( A E2)U ..(A En).
Poich gli eventi A

E , A E , A E A E
1

E risultano a loro volta disgiunti a due a


n

sono disgiunti, abbiamo luguaglianza :

p(A)= p(A E1) + p( A E2) + .p.(A En) che si pu scrivere nella forma :
p(A) = p(A|E1)p(E1) + p( A| E2) p(E2) + .. p(A|En)p(En )

E1

A E2
E2

E4

A E3
E3

Teorema della disintegrazione :


Sia E1, E2, E3,.. En una collezione di eventi che forma una partizione dello spazio campionario . Allora , per ogni evento
A , vale luguaglianza :
p(A) = p(A|E1)p(E1) + p( A| E2) p(E2) + .. p(A|En)p(En )
E1, E2, E3,.. En prendono anche il nome di alternative , perch se ne pu verificare uno ed uno solo .
Lutilit del teorema sta nel fatto che spesso difficile calcolare p(A) , mentre pi facile calcolare p(A|E1) , perch ci
significa calcolare p(A) con una informazione aggiuntiva proveniente dal sapere che si verificato E1.
N.B. unapplicazione semplice , ma utile , del teorema riguarda il caso in cui consideriamo E1 = B, E2 = B ,dove B
un evento . In questo caso la formula diventa : p(A) = p(A|B)p(B) + p( A| B ) p(B) .

Teorema di Bayes ( o teorema delle cause )


Thomas Bayes (1702-1761) trov una formula matematica geniale che fornisce un metodo molto potente di correggere
una probabilit alla luce di nuove informazioni. Pertanto, se vi una stima preliminare di probabilit del verificarsi di
un evento e se si hanno nuove informazioni (supplementari), si pu ottenere l'esatta probabilit a posteriori della
produzione dell'evento. applicando ripetutamente la formula di Bayes, ogni volta che si hanno nuove informazioni, si
possono correggere le probabilit meno affidabili in modo che, finalmente si arrivi ad una probabilit molto affidabile.
Il teorema (o formula) di Bayes si usa quando un evento B pu verificarsi sotto diverse condizioni sulle quali si
possono fare n ipotesi. Se si conosce la probabilit delle ipotesi nonch le probabilit condizionate, si potr verificare se
le ipotesi iniziali erano corrette o se devono essere modificate.
Nel Teorema si conosce il risultato dellesperimento e si vuole calcolare la probabilit che sia dovuto ad una certa
causa.

Teorema di Bayes
Dati due eventi A e B , sappiamo che :

p(A

B) = p(B|A)p(A)

p(A

B) =

p(B

oppure allo stesso modo : p(B

A)

A) = p(A|B)p(B)

ma A

p ( A) p ( B | A) p ( A | B ) p ( B )

p ( B | A)

B = B A

formula di Bayes :

p( A | B) p( B)
conp ( A) 0
p ( A)

Tale formula viene usata insieme al teorema di disintegrazione , che si rivela utile per calcolare p(A).
La formula di Bayes pu essere estesa ad una generica partizione B1, B2, ..., Bk di .
In tale caso la formula di Bayes una semplice riscrittura di quella vista in precedenza:

p( Bi | A)

p( A | Bi ) p( Bi )
conp( A) 0
p ( A)

.
Da un punto di vista pratico la formula di Bayes assume una rilevanza particolare quando i k eventi Bi possono essere
interpretati come possibili cause dell'evento A.
In tale contesto:

P(A | Bi) detta probabilit a posteriori della causa Bi;


P(Bi) detta probabilit a priori della stessa causa.

Un tipico esempio di applicazione delle formula di Bayes quello della diagnostica medica:
se A una malattia e B un sintomo, possiamo ottenere la probabilit che, osservato il sintomo, si abbia la malattia,
una volta date P(A) , che pu essere ricavata dallincidenza della malattia nella popolazione in esame, P(B|A), che
esprime la probabilit che in pazienti malati si osservi il sintomo e P(B|non A), la probabilit che il sintomo sussista in
assenza della malattia.
Esempio 1:
Una malattia colpisce 1 persona su 100.
Un test d esito positivo nel 98% dei casi su persone effettivamente malate e nello 0,5% dei casi su persone che invece
stanno bene.
Se una persona fa il test, che probabilit ha di essere davvero malata se il test d esito positivo?
Soluzione :
evento incognita persona malata con test positivo: p(M/P) .
evento M Malato : p(M) = 1/100
evento M sano ( non malato) : p( M )=99/100
evento P|M test positivo su malati : p(P|M)=98/100 ;
evento (P | M ) test positivo su sani : p(P | M )=5/1000

p( M ) p( P | M )
. Troviamo p(M) :
p(M )

p( M | P)

applichiamo il teorema di Bayes :

P| M

M(malato)

I Modo :

grafo ad albero :
P|

(non malato)

considero la somma dei rami positivi:


p(P) = p(M)p(P|M)+p( M )p(P| M ) =1/100*98/100+99/100*5/1000
II Modo :
(non malato)

M(malato)

teorema di disintegrazione :
p(P) = p (P

M)

p( P

)= (p(P|M)p(M)+p(P| M )p( M ) = (98/100*1/100)+(5/1000*99/100) .

Infine :

p(M ) p( P | M )
p( M | P)

p ( P)

1
98
*
980
100 100

66,4%
1
98
99
5
1475
(
*
)(
*
)
100 100
100 1000

Esempio 2 : In un caso di omicidio ci sono due sospetti, A e B, considerati dalla polizia ugualmente sospettati.
Sul luogo del delitto sono stati rinvenuti dei capelli non appartenenti alla vittima, e quindi appartenenti al colpevole.
La prova del DNA sui capelli e sui due sospetti ha portato alla conclusione che il DNA ritrovato potrebbe appartenere
all80% ad A e al 50% a B.
Qual la probabilit che sia A il colpevole alla luce dellanalisi del test sul DNA? E che sia B?

Soluzione :
P(A) = P(B) = 0,5

P(T|A) = 0,80

P(T|B) = 0,50

P(A|T) ?

P(B|T) ?

Allora:

P(T) = P(T A)+P(T B) = P(T|A)P(A) + P(T|B)P(B) = 0,8 x 0,5 + 0,5 x 0,5 = 0,65

Teorema di Bayes : P ( A | T )

Analogamente : P ( B | T )

P (T | A) P( A) 0,8 * 0,5

0,6
P (T )
0,65

P(T | B ) P( B ) 0,5 * 0,5

0,4
P(T )
0,65