Sei sulla pagina 1di 7

Probabilità

Probabilità e Statistica

Spazi di probabilità

Spazio campionario

Ogni possibile risultato può essere identificato con un elemento ω di un certo insieme Ω.

Ω = spazio campionario / spazio di campioni / spazio degli eventi elementari

ω = elementi/punti di Ω = eventi elementari

Eventi

Rappresentazione degli eventi relativi a un esperimento aleatorio mediante sottoinsiemi dello spazio campionario Ω eventi elementari rappresentati da insiemi contenenti un solo elemento

Proprietà di chiusura della famiglia di eventi Ω = spazio campionario relativo a un esperimento aleatorio

= collezione di eventi relativi

Da quali sottoinsiemi deve essere costituita ? se = evento = essere in grado di dire se si è verificato si è in grado di dire anche se non si è verificato = se si è verificato se ∈ ℱ allora ∈ ℱ

Se , eventi = in grado di dire se , si sono verificati si èè in grado di dire anche se l’evento " " si è verificato se , ∈ ℱ, allora ∪ ∈ ℱ

Evento certo Ω = evento che si verifica sicuramente ∈ ℱ

ALGEBRA DI SOTTOINSIEMI = famiglia di insiemi che soddisfa alle precedenti proprietà

Sia Ω un insieme ed una famiglia di sottoinsiemi di Ω.

è un’algebra di sottoinsiemi di Ω se soddisfa alle seguenti proprietà:

- Ω ∈ ℱ

- ⇒ E c Ω

E ∈ ℱ

 

E

- E, F

∈ ℱ

E ∪ F ∈

Operatore logico "" usato in modo inclusivo = l’evento " " si verifica se si verifica solo uno dei due oppure entrambi

Sia Ω un insieme ed una famiglia di sottoinsiemi di Ω.

è σ-algebra di sottoinsiemi di Ω se soddisfa alle seguenti proprietà:

- Ω ∈ ℱ

- ⇒ E c Ω

E ∈ ℱ

∈ ℱ

E

k=1

- E, F

∈ ℱ

E k ∈ ℱ

Probabilità e Statistica

Spazio di probabilità

A un esperimento aleatorio è associata una coppia (Ω, ℱ) in cui Ω = spazio campionario, = famiglia (σ-algebra) di sottoinsiemi di Ω rappresentanti i possibili eventi relativi all’esperimento

(Ω, ℱ) = spazio probabilizzabile

Probabilità = funzione che ad ogni evento ∈ ℱ associa un numero ()

Sia (Ω, ℱ) uno spazio probabilizzabile. Una probabilità su (, ) è una funzione tale che:

- P(E) ≥ 0 ∀ E ∈ ℱ → probabilità a ogni evento numero non negativo = probabilità di accadere

- P(Ω) = 1 → evento certo Ω = valore massimo che può assumere la probabilità

- se E 1 , E 2 , … ∈ ℱ sono eventi di a 2 a 2 disgiunti, cioè E h ∩ E k = ∅ se h ≠ k, allora P(⋃

data una successione di eventiE 1 , E 2 , … incompatibili o mutualmente escludetesi, le probabilità dell’evento

“almeno

σ-additività/additività completa (assioma)

k=1

E k )

= ∑

k=1

P(E k )

uno degli eventi E 1 , E 2 , … si verifica" è dato dalla somma delle singole probabilità degli eventi E 1 , E 2 , …

La terna (Ω, ℱ, ) viene detta spazio di probabilità IMPOSTAZIONE ASSIOMATICA DELLA PROBABILITÀ

Assiomi che definiscono la probabilità assolutamente naturali

Sia (Ω, ℱ, P) uno spazio di probabilità. Allora:

- P(∅) = 0 PROBABILITÀ DELLEVENTO IMPOSSIBILE

-

Se E 1 , E 2 , … ∈ ℱ, E h ∩ E k = ∅ se h ≠ k, allora P(⋃

Se E k ≔ ∅ per k = n + 1, n + 2, allora E 1 , E 2 , …, allora E 1 , E 2 è una successione di eventi disgiunti a coppie

e

k=1

E k )

n

k=1

= ∑

k=1

P(E k )

+ ∑

k=1

ADDITIVITÀ FINITA

P(E k )

= ∑

n

k=1

P(E k ) ,

k=1

E

k

= ⋃

n

k=1

E

k

P(⋃

n

k=1

E

k

)

= P(⋃

k=1

E k )

= ∑

P(E k )

poiché P(E k ) = P(∅) = 0 per k = n + 1, n + 2, …

Proprietà delle probabilità

Sia (Ω, ℱ, ) uno spazio di probabilità

- Se ∈ ℱ allora ( ) = 1 − () PROBABILITÀ DEI COMPLEMENTARI

Ω = E ∪ E c e E ∩ E c = ∅ 1 = P(Ω) = P(E) + P(E c ) P(E c ) = 1 − P(E)

- Se ∈ ℱ allora ( ) = 1 − () PROBABILITÀ DEI COMPLEMENTARI

P(E) = 1 −

P(E c ) P(E c ) ≥ 0 P(E) ≤ 1

- Se , ∈ ℱ e allora (\ = () − ())

F ⊂ E E = (E\F) ∪ F unione disgiunta P(E) = P(E\F) + P(F) P(E\F) = P(E) − P(F)

- Se , ∈ ℱ e allora () ≤ () MONOTONIA P(E) − P(F) = P(E\F) non negativo perché P(E) ≥ 0 ∀E ∈ ℱ

- Se , ∈ ℱ allora () + () − ( ∩ ) → Probabilità dell’unione

, ,

E ∪ F =

P(E)

P(E ∪ F) + P(E ∩ F)

P(E ∪ F) + P(E ∩ F) = P(E) + P(F)

(E ∩ F c ) ∪ (E ∩ F) ∪ (E c ∩ F) unione disgiunta ≥ 0 P(E ∪ F) = P(E ∩ F c ) ∪ P(E ∩ F) ∪ P(E c ∩ F)

= P(E),

P(E ∩ F) + P(E c ∩ F) = P(F)

∈ ℱ ( ∪ ∪ ) = [( ∪ ∪ )] = [() + () + ()] − [( ∩ ) + ( ∩ ) + ( ∩ )]

Probabilità e Statistica

Principio di inclusione-esclusione di Poincaré

Sia (Ω, ℱ, ) uno spazio di probabilità ed 1 , 2 , … , ∈ ℱ eventi. Allora:

(⋃

=1

) = ∑(−1) +1

=1

1 , 2 ,…, =1 1 < 2 <⋯<

( 2 ∩ … ∩ )

= ∑(−1) +1

=1

{ 1 , 2 ,

, }⊂{1,2,…,}

( 2 ∩ … ∩ )

Dimostrazione per induzione → proposizione vera per n=2 perché se E, F ∈ ℱ, allora P(E ∪ F) = P(E) + P(F) − P(E ∩ F)

verificata per tutti gli interi ≤ n e per ogni famiglia di eventi in , proposizione vera per n + 1

n+1

⟹ P (⋃

k=1

E

k

) = P ((⋃ E k ) ∪ E n+1 ) = P (⋃ E k

n

k=1

n

k=1

n

) + P(E k+1 ) − P (⋃(E k ∩ E k+1 ) ) =

k=1

n

= ∑(−1)

r+1

r=1

n

= ∑(−1)

r+1

r=1

n+1

= ∑(−1)

r+1

r=1

{k 1 ,k 2 ,

,k r }⊂{1,2,…,n}

P(E k ∩ E k 2 ∩ … ∩ E k r )

+

P(E n+1 )

n

− ∑(−1) r+1

r=1

{k 1 ,k 2 ,

,k r }⊂{1,2,…,n}

P(E k ∩ E k 2 ∩ … ∩ E k r ∩ E n+1 )

=

{k 1 ,k 2 , {k 1 ,k 2 ,

,k r }⊂{1,2,…,n} ,k r }∌(n+1)

P(E k ∩ E k 2 ∩ … ∩ E k r )

n

+ ∑(−1) r+1

r=1

{k 1 ,k 2 , {k 1 ,k 2 ,

,k r }⊂{1,2,…,n} ,k r }∈(n+1)

{k 1 ,k 2 ,

,k r }⊂{1,2,…,n+1}

P(E k ∩ E k 2 ∩ … ∩ E k r )

P(E k ∩ E k 2 ∩ … ∩ E k r )

Spazi finiti o numerabili

Ω numerabile, { 1 , 2 , … } numerazione dei punti di Ω.

σ-algebra = insieme di tutti i sottoinsiemi di Ω, (Ω)

Probabilità e Statistica

Probabilità su (, ), assegnando una successione p 1 , p 2 , … tale che p k ≥ 0 ∀k = 1,2, …:

∑ p k = 1

k=1

Attribuendo agli eventi elementari le probabilità P({ω 1 }) = p 1 , P({ω 2 }) = p 2 , …, allora le probabilità di ogni evento

E ∈ ℱ

E =

k:ω k ∈E

k } , unione disgiunta → proprietà di σ-additività:

P(E) =

k:ω k ∈E

P({ω k })

=

k:ω k ∈E

= probabilità su () (∅) = 0, () = ∑

=1

= 1

p k

σ-additività segue dalla definizione e dal fatto che, poiché

sommare somme parziali disgiunte e ottenere il medesimo risultato come somma totale

=1

= serie a termini positivi convergente, si possono

Sia Ω un insieme numerabile e sia { 1 , 2 , … } una numerazione dei punti di Ω e sia ℱ = ()

- Ogni probabilità su (, ℱ) individua una successione di numeri reali 1 , 2 , … che soddisfano ponendo ({ }) =

- Data una successione 1 , 2 , … che soddisfa che ({ }) = → probabilità data da:

=1

= 1

=1

= 1 , esiste un’unica misura di probabilità su (, ℱ) tale

() =

:

∀ ⊂

→ può essere ripetuto per Ω finito

Ogni successione [sequenza] di termini positivi per la quale la somma dei termini è 1 fornisce un esempio di modello probabilistico su uno spazio numerabile [finito] → alcune si impongono come modelli naturali per certi tipi di fenomeni

Modello di Poisson

Probabilità, dipendente da un parametro positivo λ, definita su = {0,1,2, … } dalla successione

=

!

,

= 0,1, …

Modello geometrico

Probabilità, dipendente da un parametro , 0 < < 1, definita su = {1,2, … } dalla successione

= (1 − ) 1 ,

= 1,2, …

Modello binomiale

Probabilità, dipendente da due parametri intero e positivo e , 0 < < 1, definita su = {0,1, … , } dalla sequenza

= ( ) (1 − ) ,

= 0,1, … ,

Probabilità e Statistica

Possibilità condizionata e indipendenza

Probabilità condizionata: sia {Ω, ℱ, P} uno spazio di probabilità e sia F ∈ ℱ un evento tale che P(F) > 0. Dato un qualsiasi evento E ∈ ℱ, si chiama probabilità condizionata di E dato F il numero

P(E|F) ≔ P(E P(F) F)

(|) = probabilità che si verifichi sapendo che si è verificato

Formule importanti

Formula delle probabilità totali Utile nelle applicazioni in cui si ha a che fare con esperimenti aleatori di cui le condizioni di preparazione dell’esperimento aleatorio sono a loro volta casuali

Sia (Ω, ℱ, ) uno spazio di probabilità e 1 , 2 , … , ∈ ℱ una partizione finita di Ω, se ℎ ≠ , tale che ( ) > 0 per = 1,2, … , . Allora per ogni evento ∈ ℱ si ha

Sia E ∈ ℱ Ω =

F h ∩ F k = ∅

n

k=1

se

h = k

() = ∑ (| )( )

F

k

,

E ⊂ Q

(E

n

k=1

=1

E = E ∩ Ω =

n

k=1

(E

∩ F k )

∩ F k )

= unione disgiunta → additività

n n

⇒ P(E) = ∑ P(E ∩ F k )

k=1

= ∑ P(E|F k )P(F k )

k=1

=1

e = ∅

→ segue direttamente dalla definizione di probabilità condizionata

Formula di Bayes Utile nelle applicazioni in cui viene data un’informazione a posteriori su un evento aleatorio e viene chiesto in che modo si sia realizzato tale evento

Sia (Ω, ℱ, ) uno spazio di probabilità e 1 , 2 , ∈ ℱ una partizione finita Ω tale che ( ) > 0 per = 1,2, Se ∈ ℱ è tale che () > 0, si ha

( |) =

(| )( )

=1

(| )( )

, ℎ = 1,2, … ,

Dalla definizione di probabilità condizionata si ha P(F h |E) = P(F h ∩ E) P(E)

→ la formula si ottiene applicando la formula delle probabilità totali al denominatore dell’uguaglianza

P(E|F h )P(F h )

P(E)

=

, .

Regola di moltiplicazione Utile nelle applicazioni in cui si ha un’estrazione in sequenza e senza rimpiazzo

Sia (Ω, ℱ, ) uno spazio di

probabilità ed

1 , 2 , … , ∈ ℱ eventi tali che ( 1 2 … ∩ 1 ) > 0

( 1 2 ∩ … ∩ ) =

( 1 )( 2 | 1 )( 3 | 2 1 ) … ( | 1 2 ∩ … ∩ 1 )

E 1 ∩ E 2 ∩ … ∩ E n1 ⊂ E 1 ∩ E 2 ∩ … ∩ E n2 ⊂ ⋯ ⊂ E 1 ,

0 < P(E 1 ∩ E 2 ∩ … ∩ E n1 ) ≤

= P(E 1 )P(E 2 |E 1 )P(E 3 |E 2 ∩ E 1 ) … P(E n |E 1 ∩ E 2 ∩ … ∩ E n1 )

proprietà di monotonia

P(E 1 )

=

P(E 1 ∩ E 2 ∩ … ∩ E n2 ) ≤ ⋯ ≤

P(E 1 ) P(E 1 ) ∩ P(E 2 ) P(E 1 )

⋅ P(E 1 ∩ E 2 ∩ E 3 )

P(E 1 ∩ E 2 )

P(E 1 ∩ E 2 ∩ … ∩ E n )

P(E 1 ∩ E 2 ∩ … ∩ E n1

Probabilità e Statistica

Indipendenza

Due eventi sono indipendenti se il realizzarsi di uno dei due non influenza il verificarsi dell’altro → un numero finito e qualunque di eventi sono indipendenti se il realizzarsi di un numero finito di essi non influenza il verificarsi dei rimanenti

Sia (Ω, ℱ, P) uno spazio di probabilità. Gli eventi , ∈ sono indipendenti se P(E ∩ F) = P(E)P(F) se E, F sono eventi indipendenti tali che P(E), P(F) > 0 allora P(E|F) = P(E) e P(F|E) = P(F)

Sia (Ω, ℱ, P) uno spazio di probabilità. Gli eventi E 1 E 2 , … , E n sono indipendenti se comunque preso un sottoinsieme

{h 1 , h 2 , … , h k } ⊂ {1,2, … , n} con k ≥ 2 si ha P(E h 1 ∩ E h 2

… E h k ) = P(E h 1 )P(E h 2 ) … P(E h k )

Sia (Ω, ℱ, P) uno spazio di probabilità. Si dice che gli eventi E 1 , E 2 , … sono indipendenti se preso comunque un sottoinsieme finito di eventi della successione esso è costituito da eventi indipendenti

→ una successione di eventi è costituita da eventi indipendenti se preso comunque un sottoinsieme finito di eventi della successione, esso è costituito da eventi indipendenti

Sia (Ω, ℱ, P) uno spazio di probabilità e siano A 1 , … , A n e F eventi con P(F) > 0 A 1 , A 2 , … , A n si dicono condizionatamente indipendenti dato F se essi sono indipendenti rispetto alla probabilità

P F

l’indipendenza di due eventi non implica la loro indipendenza condizionatamente a un altro evento

Prove di Bernoulli

Esperimento aleatorio = prova → possibile ottenere solo 2 possibili risultati: successo o fallimento Possibile ripetere in condizioni identiche questo esperimento un certo numero ∈ ℕ di volte in modo tale che ogni prova non influenzi le altre

Spazio di probabilità (Ω, ℱ, ) partendo falle caratteristiche di esperimento aleatorio = numero delle prove → ogni possibile risultato delle prove può essere rappresentato da una stringa binaria o -upla ( 1 , 2 , … , ),

- = 1 -esima prova = successo

- = 0 -esima prova = fallimento

Candidato come spazio degli eventi elementari = insieme = {( 1 , 2 , … , ): ∈ {0,1}, = 1,2, … , }

Ω = insieme finito di cardinalità 2 :

- ℱ ≔ ()

- Per individuare è sufficiente determinare ({})

∀ ∈

→ le varie prove non si influenzano a vicenda = indipendenza degli eventi

→ ripetizione esperimento in condizioni identiche = uguale probabilità di successo a ogni prova:

( 1 ) = ( 2 ) = ⋯ = ( ) = ∈ (0,1)

∀ = ( 1 , 2 , … , ) ∈ vale

{} = (

=1

) ∩ (

=0

)

({}) =

( )

=1

=0

( )

→ indipendenza di 1 , 2 , … , :

=

(1 − )

=

 

=1

=0

=1

→ numeri tali che = 1

=

=1

,

numeri tali che = 0 = − ∑

(1 − )

=1

=1

Probabilità e Statistica

⟹ ∀ ∈ , ({}) è determinata una volta noto il numero di cifre uguali a 1 di ω = numero di successi ottenuti nelle prove → ({}) = (1 − ) , = numero di successi, = probabilità di ottenere un successo in una singola prova

Spazio di probabilità di Bernoulli: sia ∈ ℕ, ∈ (0,1) Posto ≔ {( 1 , 2 , … , ): ∈ {0,1}, = 1,2, … , }, ℱ

({( 1 , 2 , … , )}) =

probabilità di Bernoulli o spazio di probabilità di prove di Bernoulli

≔ (),

=1

(1 − )

=1

∀( 1 , 2 , … , ) ∈ , la terna (Ω, ℱ, ) si chiama spazio di

La probabilità di osservare successi in una sequenza di ≥ 1 prove di Bernoulli se la probabilità di successo della singola prova è ∈ (0,1) è data da

( ) (1 − )

Sia (Ω, ℱ, ) lo spazio di probabilità di Bernoulli, ∈ ℱ l’evento " ", cioè

= {( 1 , 2 , … , ) ∈ : ∑

ℎ=1

=

} ⟹ ( ) =

∑ ({})

= ∑ (1 − )

= | | (1 − )

ma | | = ( ) → per elencare tutte le stringhe lunghe in cui cifre sono uguali a 1 e sono uguali a 0, basta

fissare i posti degli 1 → può essere fatto in ( ) modi

Gli eventi , = 0,1, … , che fissano il numero di successi in prove di Bernoulli, hanno probabilità che corrispondono ai valori del modello binomiale uno spazio di probabilità induce sullo spazio campionario

̃

= {0,1,

, } dell’esperimento che considera il numero dei successi nelle prove, un modello binomiale di

parametri e