Sei sulla pagina 1di 42

Lezione n.

2 - Oltre il determinismo:
cenni di calcolo delle probabilità
Statistica Sperimentale e Misure
Meccaniche

G. Barbato - A. Germak - G. Genta 1


DETERMINISMO E PROBABILITÀ
Tutte le attività basate su dati variabili non possono dare un esito
perfettamente determinato. Consideriamo un meccanismo
formato di dieci pezzi critici, tali cioè da bloccarne il
funzionamento se sono fuori tolleranza. Alcuni di essi possono
essere fuori tolleranza; è, quindi, possibile che il meccanismo non
funzioni.
La casistica sopra descritta è molto comune, quindi per gestire una
normale produzione è necessario utilizzare il concetto di
probabilità.
Oltre alla produzione, anche le fasi di progettazione e verifica
utilizzano dati non certi, per cui i concetti probabilistici hanno
un’importanza del tutto generale.

G. Barbato - A. Germak - G. Genta 2


PROBABILITÀ
Per parlare di probabilità usiamo un’azione molto semplice. Il
lancio di un dado a sei facce (antesignano dei processi aleatori,
infatti in latino alea vuol dire proprio dado da gioco).
Chiaramente dobbiamo inquadrare tale azione in uno schema ben
definito: molti eventi possono essere collegati al lancio di un dado:
il valore della faccia rivolta verso l’alto, la somma dei valori delle
facce laterali, la differenza tra le due facce più ortogonali alla
direzione sud-nord, l’evento che il dado cada dal tavolo.
Prima cosa si deve individuare l’evento che ci interessa, mettiamo
che come al solito sia il valore della faccia superiore. Dobbiamo
ora individuare l’insieme delle condizioni possibili di tale evento,
che nel nostro caso è semplice: i valori da 1 a 6.
Tale insieme assume il nome di spazio campionario o insieme
universo o popolazione, spesso indicato dal simbolo S.
G. Barbato - A. Germak - G. Genta 3
PROBABILITÀ
Individuato l’evento di cui vogliamo trattare, se facciamo una
scommessa puntiamo su una specifica estrinsecazione di tale
evento. Ad esempio scommettiamo che esca il due.
Più in generale potremmo puntare che esca il due oppure il tre. In
questa seconda condizione si individuano due elementi dello
spazio campionario che ci fanno vincere, e per questa ragione
vengono spesso detti eventi favorevoli. Nel campo tecnologico si è
interessati piuttosto a condizioni di rottura o di fuori tolleranza,
quindi il termine «favorevole» può essere fuorviante. Preferisco
usare il termine evento selezionato.
L’insieme degli eventi selezionati è detto spazio degli eventi,
spesso indicato dal simbolo F.
Nell’esempio fatto l’insieme spazio degli eventi è formato dagli
elementi faccia 2 e faccia 3.
G. Barbato - A. Germak - G. Genta 4
PROBABILITÀ

S
F
1 3
2
6
4 5

G. Barbato - A. Germak - G. Genta 5


PROBABILITÀ

Considerimo una condizione ideale, molto semplice.


Un dado di forma perfetta e di materiale omogeneo realizza una
simmetria ideale tra ciascuna delle sue facce (dado equo), per cui la
probabilità è uguale per ciascuna di esse.
Vista la condizione di simmetria, la probabilità non può essere diversa
tra le divere facce, quindi viene calcolata facendo il rapporto tra i casi
favorevoli (ho puntato sulle facce 2 o 3) ed i casi possibili (una
qualunque delle 6 facce del dado):
2
P=
6
Notate che 2 è la cardinalità #F dell’insieme F e 6 è la cardinalità #S
dell’insieme S. Possiamo assumere tale condizione come definizione
della probabilità:
#𝐹𝐹
P=
#𝑆𝑆

G. Barbato - A. Germak - G. Genta 6


PROBABILITÀ

Un problema del tutto generale consiste nel fatto che spesso le


condizioni ideali non rappresentano in modo adeguato la realtà,
per cui una buona strategia consiste nel prendere le condizioni
ideali come guida, ma confrontarle anche con la realtà.
La valutazione del tutto ideale della probabilità su basi ideali di
simmetria, ci porta alla definizione classica della probabilità.
Se un fenomeno si estrinseca in N tipi diversi di eventi, si ha:
#S = N
Se di tali tipi diversi, quelli selezionatisono NF, si ha:
#F= NF

G. Barbato - A. Germak - G. Genta 7


IL CONCETTO CLASSICO DI PROBABILITÀ

Un dado di forma perfetta e di materiale omogeneo realizza una


simmetria ideale tra ciascuna delle sue facce (dado equo), per cui
la probabilità per ciascuna di esse è uguale.
Tale probabilità viene calcolata facendo il rapporto tra i casi
favorevoli (la faccia su cui ho puntato) ed i casi possibili (una
qualunque delle facce del dado).
Si consideri, ad esempio, il dado a 6 facce; il calcolo è immediato:

1
P=
6

G. Barbato - A. Germak - G. Genta 8


PROBABILITÀ

Volendo verificare sperimentalmente se le ipotesi adottate sono corrette (ad


esempio se il nostro dado è equo) dobbiamo fare un esperimento con numerosi
tentativi (lanci del dado) e assumere come F l’insieme delle volte in cui si
verifica l’evento selezionato e come S l’insieme di tutti i tentativi.
Si noti chein questo caso gli insiemi S ed F non sono più gli insiemi dei tipi di
eventi (cioè contenenti i diversi tipi di eventi possibili o selezionati), bensì gli
insiemi delle occorrenze degli eventi.
Se il numero totale di tentativinell’esperimento è n, si ha:
#S = n
Se un evento capita na volte nell’esperimento, si ha :
#F= na

Questo tipo di gestione ci porta alla definizione frequentista della probabilità.

G. Barbato - A. Germak - G. Genta 9


IL CONCETTO FREQUENTISTA DI PROBABILITÀ

L’ipotesi di dado equo non è sempre verificata: se il dado è


appesantito verso una faccia, la simmetria è rotta e la faccia
opposta ha maggiori probabilità di uscire. Spesso, la valutazione
delle probabilità è legata a una situazione complessa e può
essere fatta solo in modo sperimentale.
Lanciamo il dado n volte e contiamo quante volte na esce la
faccia A. Possiamo così stimare a posteriori la probabilità che
esca la faccia A dal rapporto:
na
P ( A) =
n
Questo rapporto non è costante, ma cambia casualmente in ogni
esperimento.
G. Barbato - A. Germak - G. Genta 10
IL CONCETTO FREQUENTISTA DI PROBABILITÀ
La distribuzione di probabilità delle 6 facce di un dado, che
idealmente dovrebbe essere uniforme, viene riscontrata vicina a
tale condizione solo con un numero elevato di lanci. La
distribuzione ottenuta con 50 lanci appare illusoriamente diversa.

G. Barbato - A. Germak - G. Genta 11


CONSIDERAZIONI SUI DUE CONCETTI DI PROBABILITÀ

Il concetto classico di probabilità può essere utilmente


applicato in modo semplice quando si possa ritenere che la
situazione sia ben rappresentata da un modello ideale.

Il concetto frequentista di probabilità richiede, in generale,


notevole lavoro, quindi è più costoso, ma fornisce, se
applicato correttamente, una informazione più aderente
alla realtà specifica testata (il risultato ottenuto non è
applicabile a un qualsiasi dado, ma solo a quello che è stato
provato).

G. Barbato - A. Germak - G. Genta 12


ESEMPIO DI CALCOLO DELLE PROBABILITÀ
Calcolare la probabilità che lanciando 2 dadi a 6 facce si ottenga come
somma 8.
Innanzitutto è opportuno evitare di considerare eventi contemporanei,
perché possono essere fuorvianti, quindi consideriamo separatamente
il risultato del primo lancio e poi quello del secondo.
Occorre definire un insieme di eventi F considerati favorevoli (quelli
che portano alla somma uguale a 8) e l’insieme degli eventi possibili S.
Il numero #S di elementi nello spazio campionario ed il numero #F di
volte in cui si può verificare un caso favorevole consentono di
calcolare la probabilità P(F) che avvenga l’evento F:

#F
P (F ) =
#S

G. Barbato - A. Germak - G. Genta 13


ESEMPIO DI CALCOLO DELLE PROBABILITÀ
Organizziamo l’insieme S in modo che sia comodo per il calcolo:

Risultano evidenti il numero di casi favorevoli #F=5 e il numero


di casi possibili #S=36, per cui la probabilità cercata è:

#F 5
P (=
F) =
# S 36
Spesso la difficoltà è dovuta all’identificazione dell’insieme S e
della sua numerosità. Si può ricorrere al calcolo combinatorio.
G. Barbato - A. Germak - G. Genta 14
CENNI DI CALCOLO COMBINATORIO
Permutazioni
Si consideri ora il seguente problema: in quanti modi si può ordinare un
gruppo di n oggetti?
Incominciamo da due oggetti a e b: li possiamo mettere nella
successione a, b oppure nella successione b, a, quindi abbiamo due
situazioni diverse che abbiamo ottenuto permutando l’ordine degli
oggetti (permutazioni).
Passiamo ora a tre oggetti a, b e c: organizziamo le permutazioni, prima
tenendo fisso a e permutando b e c, poi tenendo fisso b e permutando
a e c, infine tenendo fisso c e permutando a e b:

Osserviamo che il numero totale delle permutazioni è ottenuto


moltiplicando il numero n degli oggetti (in questo caso 3) per il numero
delle permutazioni di n-1 oggetti.
G. Barbato - A. Germak - G. Genta 15
CENNI DI CALCOLO COMBINATORIO
Permutazioni

La formula del calcolo delle permutazioni può essere così


determinata facilmente:

permutazione di un oggetto = 1
permutazione di due oggetti = 1·2
permutazione di tre oggetti = 1·2·3
n
permutazione di n oggetti = 1 ⋅ 2 ⋅ 3 ⋅=
n ∏=i
i =1
n!

G. Barbato - A. Germak - G. Genta 16


CENNI DI CALCOLO COMBINATORIO
Combinazioni
Esaminiamo le permutazioni di quattro oggetti a, b, c, d:

In quanti modi possono essere estratti k = 2 oggetti dal gruppo di n = 4


oggetti?
Prendiamo in esame i primi due oggetti in ognuna delle permutazioni. Si
noti, ad esempio, l’equivalenza tra le permutazioni 1, 2, 7 e 8
(contengono tutte gli oggetti a e b nelle prime due posizioni, seppure in
ordine differente).
G. Barbato - A. Germak - G. Genta 17
CENNI DI CALCOLO COMBINATORIO
Combinazioni

Possiamo osservare dalla struttura dei casi favorevoli:


1 a, b, c, d 7 b, a, c, d
2 a, b, d, c 8 b, a, d, c
che essi si presentano 2 volte (corrispondenti alle due
colonne) quante sono le permutazioni dei 2 oggetti a e b
e 2 volte (corrispondenti alle due righe) quante sono le
permutazioni dei rimanenti oggetti. In formula, se k è il
numero degli oggetti che portano ad un esito favorevole e
n-k quello degli oggetti rimanenti, il numero di
permutazioni equivalenti è dato da k!·(n - k)! = 2! · 2! = 4.
Questo rappresenta anche il numero totale delle
disposizioni, cioè dei modi in cui posso disporre n oggetti
in cui i primi k sono sempre gli stessi.
G. Barbato - A. Germak - G. Genta 18
CENNI DI CALCOLO COMBINATORIO
Combinazioni
Pertanto, il numero di modi possibili in cui si possono estrarre k
oggetti da un gruppo di n oggetti è dato dal numero delle
permutazioni degli n oggetti diviso per il numero delle disposizioni
degli n oggetti a k a k. Questo rappresenta anche il numero delle
combinazioni di n oggetti a k a k e si calcola con la formula:
n n!
C ( n=
,k ) = 
 k  k !( n − k ) !

Nel caso in esame si ha n = 4 e k = 2, per cui si ottiene:


n! 4! 24
C ( n=
,k ) C ( 4,2
= ) = = = 6
k !( n − k ) ! 2!( 4 − 2 ) ! 2 ⋅ 2

come si può facilmente controllare:


1 a, b 3 a, d 5 b, d
2 a, c 4 b, c 6 c, d

G. Barbato - A. Germak - G. Genta 19


CENNI DI CALCOLO COMBINATORIO
Applicazioni
L’applicazione del calcolo combinatorio aiuta molto ma
non è sempre semplice. Se per esempio vogliamo
calcolare la probabilità di vincere un terno al lotto
classico (5 estrazioni su 90 oggetti), possiamo calcolare la
cardinalità #S dello spazio campionario come il numero
di gruppi di 3 oggetti diversi estraibili dalla popolazione
di 90 oggetti, quindi le combinazioni di 90 oggetti a 3 a 3
.
Nel caso in esame si ha n = 90 e k = 3, per cui si ottiene:

.
𝑛𝑛! 90!
#𝑆𝑆 = = = 117480
𝑘𝑘! � 𝑛𝑛 − 𝑘𝑘 ! 3! � 90 − 3 !

G. Barbato - A. Germak - G. Genta 20


CENNI DI CALCOLO COMBINATORIO
Applicazioni
Il calcolo della cardinalità dello spazio degli eventi può essere anche
più complesso. In questo caso possiamo considerare che vengono
estratti 5 numeri, ma con 5 numeri si possono formare molti terni che
risulteranno tutti vincitori. Il numero dei terni che possono essere
formati da 5 numeri è la combinazione di 5 numeri a 3 a 3.
Nel caso in esame si ha n = 5 e k = 3, per cui si ottiene:

𝑛𝑛! 5!
#𝐹𝐹 = = = 10
𝑘𝑘! � 𝑛𝑛 − 𝑘𝑘 ! 3! � 5 − 3 !

La probabilità di vincere un terno è quindi:


#𝐹𝐹 10
𝑃𝑃 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = = = 8.51𝐸𝐸 − 05
#𝑆𝑆 117480

G. Barbato - A. Germak - G. Genta 21


PROBABILITÀ COMPOSTA
Diagramma ad albero
Esaminiamo alcune situazioni:
1. se lancio due volte un dado con sei facce, che probabilità ho che
esca due volte il cinque?
2. se ho estratto dal mazzo di 52 carte due assi, che probabilità ho,
estraendo altre tre carte, di pescare gli altri due assi?
3. se ho estratto dal mazzo di 52 carte quattro carte del seme di fiori
in scala dall’1 al 4, che probabilità ho di estrarre una quinta carta
sempre del seme di fiori oppure un 5?
È sempre possibile schematizzare il processo con un diagramma ad
albero, che si ottiene rappresentando con una biforcazione o, più in
generale, con una suddivisione (come i rami di un albero) ogni
possibile alternativa.
Conviene preparare tale diagramma descrivendo la successione
temporale degli eventi semplici.

G. Barbato - A. Germak - G. Genta 22


PROBABILITÀ COMPOSTA
Diagramma ad albero
Esempio 1
Se lancio due volte
un dado con sei
facce, che
probabilità ho che
esca due volte il
cinque?

La probabilità è data dall’unico percorso possibile:P = (1/6)·(1/6)=1/36


G. Barbato - A. Germak - G. Genta 23
PROBABILITÀ COMPOSTA
Diagramma ad albero
Esempio 2
Se ho estratto
dal mazzo di
52 carte due
assi, che
probabilità ho,
estraendo
altre tre carte,
di pescare gli
altri due assi?

La probabilità totale è data dalla somma delle probabilità dei tre


possibili percorsi:
P = (2/50)·(1/49)+(2/50)·(48/49)·(1/48)+ (48/50)·(2/49)·(1/48)
G. Barbato - A. Germak - G. Genta 24
PROBABILITÀ COMPOSTA
Diagramma ad albero
Esempio 3
Se ho estratto dal mazzo di 52 carte quattro carte del seme di fiori in
scala dall’1 al 4, che probabilità ho di estrarre una quinta carta sempre
del seme di fiori oppure un 5?

In questo caso, non riusciamo a fare un diagramma ad albero con due


vie, una legata all’evento favorevole di estrarre una carta del seme di
fiori, l’altra di estrarre un 5.
Le due condizioni poste in alternativa non si escludono mutuamente:
vi è tra i cinque il seme di fiori oppure tra le carte di fiori anche un
cinque.

G. Barbato - A. Germak - G. Genta 25


PROBABILITÀ COMPOSTA
Diagramma ad albero
È possibile fare il diagramma ad albero solo se si isolano tre diverse
situazioni (eventi che si escludono mutuamente):
• che esca una carta del seme di fiori che non sia un 5;
• che esca un 5 che non sia di fiori;
• che esca il 5 di fiori.

P = (8/48)+(3/48)+(1/48)=12/48
G. Barbato - A. Germak - G. Genta 26
PROBABILITÀ COMPOSTA
Diagrammi di Venn
L’incompatibilità o la non incompatibilità tra eventi può essere
evidenziata tramite i diagrammi di Venn.
Lo spazio dei campioni S rappresenta l’insieme dei possibili eventi,
mentre con l’insieme E si può indicare l’insieme degli eventi favorevoli.

G. Barbato - A. Germak - G. Genta 27


PROBABILITÀ

Evento: uscita della faccia 2 o della faccia 3 nel lancio di un dado a 6


facce

S
E
1 3
2
6
4 5

G. Barbato - A. Germak - G. Genta 28


PROBABILITÀ COMPOSTA
Diagrammi di Venn
La condizione di incompatibilità può essere rappresentata dai due
eventi E ed F corrispondenti a insiemi disgiunti.

Se l’evento favorevole è dato dall’unione degli eventi E e F


incompatibili, la probabilità totale sarà la somma delle due rispettive
probabilità. #E + #F #E #F
P (E ∪ F) = = + = P ( E ) + P (F )
#S #S #S

G. Barbato - A. Germak - G. Genta 29


PROBABILITÀ
Evento E: uscita della faccia 2 nel lancio di un dado a 6 facce
Evento F: uscita della faccia 3 nel lancio di un dado a 6 facce

S
F
6
1 3
E
4 2 5

G. Barbato - A. Germak - G. Genta 30


PROBABILITÀ COMPOSTA
Diagrammi di Venn
Nel caso di non incompatibilità tra gli eventi E ed F per calcolare la
probabilità che avvenga uno qualsiasi degli eventi favorevoli bisogna
suddividerli nelle loro componenti incompatibili.
S EF
F

Ѐ possibile ottenere la probabilità totale con la seguente formula:


# E + # F − # EF # E # F # EF
P (E ∪ F) = = + − = P ( E ) + P (F ) − P (EF )
#S #S #S #S
G. Barbato - A. Germak - G. Genta 31
PROBABILITÀ
Evento E: uscita di un 5
Evento F: uscita di una carta da fiori

S
5… E
…p F
5f
…f
…c
…q
G. Barbato - A. Germak - G. Genta 32
PROBABILITÀ COMPOSTA
Diagrammi di Venn
Esempio 3
Se ho estratto dal mazzo di 52 carte quattro carte del seme di fiori in
scala dall’1 al 4, che probabilità ho di estrarre una quinta carta sempre
del seme di fiori oppure un 5?

S EF
F
# E + # F − # EF 9 + 4 − 1 12
E P ( E ∪=
F) = =
#S 48 48

Lo spazio dei campioni S è di 48 carte, di cui se E corrisponde a ”seme


di fiori” ed F corrisponde a ”un 5” si ha #E = 9, #F = 4, #EF = 1 (5 di
fiori).
G. Barbato - A. Germak - G. Genta 33
PROBABILITÀ COMPOSTA
Diagrammi di Venn
Si considerino ora tre eventi non disgiunti E, F e G.

# E + # F + # G −# EF −# FG −# EG + # EFG
Si ottiene che: P (E ∪ F ∪ G ) =
#S

Si sommano i termini dispari (fattori singoli ed intersezioni triple) e si


sottraggono quelli pari (intersezioni doppie). Questa regola è applicabile
per un numero qualsiasi di eventi (incompatibili o compatibili).
G. Barbato - A. Germak - G. Genta 34
PROBABILITÀ CONDIZIONATA

Problema
In un reparto di produzione si utilizzano, con un impiego in ore di
lavoro B1, B2 e B3, tre diverse tipologie di macchine utensili per le quali
i fornitori dichiarano una probabilità di rottura all’ora rispettivamente
pari a P(D1), P(D2) e P(D3). Che probabilità c’è che avvenga una
rottura?

Per affrontare questo problema, bisogna definire il concetto di


probabilità condizionata, P(E|F), che rappresenta la probabilità che
si verifichi l’evento condizionato E dopo che si è verificato l’evento
condizionante F. Questa probabilità deve essere applicata solo dopo
che la prima condizione (evento F) si è verificata.

Le probabilità P(D1), P(D2) e P(D3) corrispondono a tale concetto.

G. Barbato - A. Germak - G. Genta 35


PROBABILITÀ CONDIZIONATA

Per calcolare la probabilità condizionata possiamo utilizzare la definizione


generale di probabilità, facendo il rapporto tra il numero di casi favorevoli,
nei quali si è verificato sia l’evento condizionante F sia l’evento condizionato
E, rispetto ai casi possibili, che sono quelli in cui si è verificato l’evento
condizionante F.

Numero casi favorevoli = #EF


Numero eventi possibili = #F
Probabilità condizionata = P(E|F),

G. Barbato - A. Germak - G. Genta 36


PROBABILITÀ CONDIZIONATA
Ne segue che:
# EF
P (EF )
P (E | F) =
# EF
= #S =
#F #F P (F)
#S

da cui si trae anche:

P (EF ) = P (F) ⋅ P (E | F)

G. Barbato - A. Germak - G. Genta 37


PROBABILITÀ CONDIZIONATA
Teorema delle probabilità totali
La probabilità che avvenga una rottura può essere calcolata col
seguente diagramma ad albero.

La probabilità totale P(A) che avvenga una rottura è data dalla somma
delle probabilità che si ottengono seguendo i tre diversi percorsi.

P (A ) = ∑ P (B i ) ⋅ P (D i ) = ∑ P (B i ) ⋅ P (A | B i )
i i

G. Barbato - A. Germak - G. Genta 38


PROBABILITÀ CONDIZIONATA
Teorema delle probabilità totali
La probabilità che avvenga una rottura può anche essere schematizzata
tramite i diagrammi di Venn.

P ( A ) =∑ P ( Bi ) ⋅ P ( A | Bi ) =∑ P ( Bi ) ⋅ P ( Di )
i i

G. Barbato - A. Germak - G. Genta 39


PROBABILITÀ CONDIZIONATA
Formula di Bayes
La probabilità condizionata P(A|Bi) è la probabilità che avvenga una
rottura quando si usa la macchina Bi. Spesso siamo interessati a
sapere, se avviene una rottura, quale sia la probabilità P(Bi|A) che
sia dovuta alla macchina Bi.
Ricordando che: P (EF ) = P (F) ⋅ P (E | F)

Nel nostro caso: ABi ) P ( Bi ) ⋅ P ( A | Bi )


Bi A ) P ( =
P (=

Si ottiene:

P ( Bi A ) P ( Bi ) ⋅ P ( A | Bi ) P ( Bi ) ⋅ P ( A | Bi )
( Bi |A )
P= = =
P ( A) P ( A) ∑ P ( Bk ) ⋅ P ( A | Bk )
k

G. Barbato - A. Germak - G. Genta 40


CONDIZIONE DI INDIPENDENZA DI DUE EVENTI
Un evento E si dice indipendente da un evento F quando la
probabilità di E non è modificata dalla condizione di F. In formule:
P(E) = P(E|F)

Consideriamo un caso semplice:

P(E)/P(E)= 1 = P(E|F)/P(E)

Tenendo conto che, per la definizione generale:

P(E|F)= P(EF)/P(F)
Si ha:
P(EF)/[P(E)·P(F)] =1
E quindi:
P(EF)=P(E)·P(F)

G. Barbato - A. Germak - G. Genta 41


CONDIZIONE DI INDIPENDENZA DI DUE EVENTI
Si ha anche, che se E è indipendente da F anche F è indipendente da
E:
P(F) = P(F|E)
infatti:
P(F) = P(FE)/P(E) =[P(E)·P(F|E)]/P(E) = P(F|E)

G. Barbato - A. Germak - G. Genta 42