l02 - Oltre Il Determinismo - Cenni Di Calcolo Delle Probabilita'

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. Se montiamo un meccanismo
formato di dieci pezzi critici, tali cioè da bloccare il funzionamento
del meccanismo se sono fuori tolleranza, e non è possibile fare un
controllo al 100% dei pezzi da montare, per cui alcuni di essi
possono essere fuori tolleranza, avremo una probabilità non nulla
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.
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.
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, oppure, più in
generale, 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, in genere, si è
interessati 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.
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 viene calcolata facendo il
rapporto tra i casi favorevoli (ho puntato sulle facce 2 e 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:
#
P
#

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 di F e di S su basi di simmetria, ci
porta alla definizione classica della probabilità. Se vogliamo
verificare sperimentalmente se le conclusioni ottenute 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. Quest’ultima condizione ci
porta alla definizione frequentista della probabilità.

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

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.
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.

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).

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 selezionati (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 evento selezionato consentono di calcolare la
probabilità P(F) che avvenga l’evento F:
#F
P F  
#S

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.
CENNI DI CALCOLO COMBINATORIO
Permutazioni
Si consideri 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.
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  n !
i 1

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).
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.
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

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 5 oggetti diversi estraibili dalla popolazione di 90 oggetti,
quindi le combinazioni di 90 oggetti a 5 a 5 .
Nel caso in esame si ha n = 90 e k = 5, per cui si ottiene:
n! 90 !
#S    43 949 268
k!n  k ! 5 !85!
Il calcolo della cardinalità dello spazio degli eventi è molto più
complesso, quindi conviene cercare esempi su casi di numerosità
più piccole e da tali esempi dedurre le formule generali.

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.

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
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
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?

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 del percorso indicato è:
P = (2/50)∙(1/49)

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?
P =(2/50)∙(48/49)∙(1/48)

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?
P = (48/50)∙(2/49)∙(1/48)

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)
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.

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
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.

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

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
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).
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).
PROBABILITÀ CONDIZIONATA
Problema
Il termine probabilità viene spesso usato in modo indifferenziato. Consideriamo, ad
esempio, la probabilità di ammalarsi e la probabilità di guarire. A parte ciò che capita,
ammalarsi o guarire, non sembrano concettualmente molto diversi, invece dal punto
di vista della statistica lo sono profondamente.
Per comprendere la differenza bisogna focalizzare l’attenzione sullo spazio campione
nei due casi:
• Nel primo caso, probabilità di ammalarsi, si indica la percentuale di popolazione
che entra nella condizione patologica
• Nel secondo caso, probabilità di guarire, si indica la percentuale di ammalati che
esce nella condizione patologica
Nel primo caso, quindi, lo spazio campione è costituito dall’intera popolazione; Nel
secondo caso solo dalla parte di popolazione che è ammalata

Per chiarire questa situazione 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.
Nel nostro caso i numeri associati alla probabilità di guarire sono una
probabilità condizionata; probabilità dell’evento E di uscire dalla
malattia, dopo che si è verificato l’evento F di essere entrati nella
malattia.

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. Si noti che se utilizziamo i
termini dell’esempio malattia‐guarigione, E è rappresentato dall’insieme di individui
della popolazione che guariscono, F dall’insieme di individui della popolazione che si
sono ammalati di una certa malattia, EF dall’insieme di individui che sono guariti da
quella malattia, quindi:
Numero casi favorevoli = #EF
Numero eventi possibili = #F

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

Teorema delle probabilità totali
Se abbiamo tre meccanismi, i = 1, 2, 3 che hanno rispettivamente una probabilità P(D1) di
rompersi quando vengano usati, ed una probabilità P(B1) di essere usati, la probabilità P(A)
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

Teorema delle probabilità totali
La probabilità che avvenga una rottura può anche essere schematizzata
tramite i diagrammi di Venn.
P  A    P  B i   P  A | B i    P  B i   P  Di 
i i

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: P  Bi A  P  ABi   P ( Bi )  P  A | Bi 
Si ottiene:
P  Bi A  P  Bi   P  A | Bi  P  Bi   P  A | Bi 
P  B i |A    
P  A P  A  P  Bk   P  A | Bk 
k

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

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)

l02 - Oltre Il Determinismo - Cenni Di Calcolo Delle Probabilita&#39;

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

l02 - Oltre Il Determinismo - Cenni Di Calcolo Delle Probabilita&#39;

Caricato da

Copyright:

Formati disponibili

Lezione n.

G. Barbato ‐ A. Germak ‐ G. Genta 1

G. Barbato ‐ A. Germak ‐ G. Genta 5

G. Barbato ‐ A. Germak ‐ G. Genta 6

Un dado di forma perfetta e di materiale omogeneo realizza una

G. Barbato ‐ A. Germak ‐ G. Genta 7

G. Barbato ‐ A. Germak ‐ G. Genta 9

G. Barbato ‐ A. Germak ‐ G. Genta 10

G. Barbato ‐ A. Germak ‐ G. Genta 11

La formula del calcolo delle permutazioni può essere così

G. Barbato ‐ A. Germak ‐ G. Genta 14

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

G. Barbato ‐ A. Germak ‐ G. Genta 17

G. Barbato ‐ A. Germak ‐ G. Genta 18

G. Barbato ‐ A. Germak ‐ G. Genta 19

G. Barbato ‐ A. Germak ‐ G. Genta 22

G. Barbato ‐ A. Germak ‐ G. Genta 23

G. Barbato ‐ A. Germak ‐ G. Genta 24

G. Barbato ‐ A. Germak ‐ G. Genta 25

La probabilità totale è data dalla somma delle probabilità dei tre

G. Barbato ‐ A. Germak ‐ G. Genta 27

G. Barbato ‐ A. Germak ‐ G. Genta 29

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

G. Barbato ‐ A. Germak ‐ G. Genta 30

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

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

G. Barbato ‐ A. Germak ‐ G. Genta 34

G. Barbato ‐ A. Germak ‐ G. Genta 35

G. Barbato ‐ A. Germak ‐ G. Genta 36

G. Barbato ‐ A. Germak ‐ G. Genta 37

G. Barbato ‐ A. Germak ‐ G. Genta 38

G. Barbato ‐ A. Germak ‐ G. Genta 39

G. Barbato ‐ A. Germak ‐ G. Genta 40

Tenendo conto che, per la definizione generale:

G. Barbato ‐ A. Germak ‐ G. Genta 41

G. Barbato ‐ A. Germak ‐ G. Genta 42

Potrebbero piacerti anche

l02 - Oltre Il Determinismo - Cenni Di Calcolo Delle Probabilita'

l02 - Oltre Il Determinismo - Cenni Di Calcolo Delle Probabilita'