Sei sulla pagina 1di 74

Esempi, complementi, tavole

(Versione del 11 settembre 2015)

Se lei si spiega con un esempio non

capisco pi´u nulla.

(Ennio Flaiano)

Il capitolo che segue propone esempi ed esercizi. In taluni casi `e necessario ricorrere ad una macchina calcolatrice ed alle tavole statistiche dei percentili delle leggi: normale, t-Student, Chi2.

1 Esempi celebri

Esempio 1.a. (Il problema degli sposi di D. Bernoulli, 1768. (1) ) In una data citt`a ci sono n coppie di sposi. Un’epidemia colpisce in egual modo

maschi e femmine, vecchi e giovani. Sapendo che k individui sono morti, calcolare la probabilit`a che una certa coppia di sposi sopravviva all’epidemia, nonch´e il numero medio di coppie sopravvissute.

R. Poich´e gli sposi sono 2 n, il numero di gruppi di taglia k che si possono formare

sono ( 2 n ) . Il numero di gruppi di taglia k che si possono formare (esclusa la coppia a cui siamo interessati) sono ( 2 n2 ) . Sia ω i l’evento “la coppia iesima sopravvive”,

k

k

sia Y i = Y (ω i ) la v.a. che vale 1 se accade ω i e 0 se non accade. La probabilit`a che la

=

coppia sopravviva `e dunque P(ω i ) = P(Y i = 1) = ( 2 n2 )

) = (2 n k)(2 n k 1)

2 n(2 n 1)

k

( 2 n

k

( 1

k n )( 1

2

2

k 1 ) .

La v.a.

k

2 n 1 ) .

= n

i=1

2 n

U

n

Y i , numero aleatorio di coppie che

Dunque

sopravvivono, ha media E(U ) = i=1

E(U) = n ( 1

Esempio 1.b.

E(Y i ) = n E(Y i ) = n P(Y i

=

1).

k n )( 1

Se n = 1000 e k = 500 si ha E(U ) 562.

=

( Il problema di Pepys (2) )

`

E pi´u probabile che si realizzi l’evento A =“in 6 lanci di un dado il 6 esce almeno 1

volta”, oppure l’evento B =“in 12 lanci di un dado il 6 esce almeno 2 volte”?

¯

R. Tenuto conto che A `e l’evento che si realizza quando in 6 lanci non esce alcun 6,

si

`e l’evento che si realizza quando in 12 lanci il 6 non esce mai ( B 0 ), oppure esce una

¯

¯

¯

ha P(A) = 1 P( A) = 1 ( 6 ) 6 = 1 0.3349 = 0.6651.

5

Per contro B = B 0

¯

¯

B 1

¯

6 , si

sola volta ( B 1 ). Poich´e

ha P( B) = P( B 0 B 1 ) = P( B 0 ) + P( B 1 ) = ( 5 6 ) 12 + ( 12 ) ( 6 ) 11 · 1 6 = 0.3813 e dunque

B 1 si realizza in ( 12 ) modi, tutti di probabilit`a (

¯

1

¯

¯

1

5

5

6 ) 11 ·

1

¯

¯

¯

¯

P(B) = 1 P( B) = 0.6187. Newton concluse che P(A) > P(B).

Esempio 1.c.

1) Daniele Bernoulli (1700-1782) matematico e fisico svizzero. 2) Dal nome del giocatore che propose il problema ad Isaac Newton (1642-1727).

1

Due dadi regolari sono lanciati. Calcolare la probabilit`a che: (i) appaia un doppio

6, (ii ) che appaiano facce uguali, (iii) che la somma S delle facce dia 5. Infine, `e pi´u probabile che S = 5 oppure S = 8?

R. Ai primi due quesiti si risponde ripetendo il ragionamento esposto nell’esempio

1.a. Per il quesito (iii ) si osservi che con due dadi i risultati (ugualmente) possibili

sono 6 2 = 36 e che la somma 5 si consegue in quattro modi (1, 4), (2, 3), (3, 2) e (4, 1). Dunque P{S = 5} = 4 L’evento S = 5 `e meno probabile di S = 8. La somma 8, infatti, si consegue nei

cinque modi: (2, 6), (3, 5), (4, 4), (5, 3) e (6, 2). Dunque P{S = 8} =

Esempio 1.d.

Nel giuoco della zara (lancio di tre dadi) `e pi´u probabile che si realizzi la somma 9

oppure la somma 10?

R. I casi (ugualmente) possibili sono 6 3 = 216. La somma 9 si consegue in 25 modi

differenti: sei modi per ciascuna delle combinazioni (1, 2, 6), (1, 3, 5) e (2, 3, 4), tre

modi per (2, 2, 5) e (1, 4, 4), un modo per (3, 3, 3). Dunque P{S = 9} =

=

0.1157. La somma 10 si consegue in 27 modi differenti: sei modi per ciascuna delle

combinazioni (1, 3, 6), (1, 4, 5) e (2, 3, 5), tre modi per (2, 2, 6), (2, 4, 4) e (3, 3, 4).

Dunque P{S = 10} =

Esempio 1.e. Si rappresentino le leggi f 2 (·) e f 3 (·) della somma aleatoria ottenuta lanciando due e tre dadi regolari (giuoco della zara).

R.

, 18}, con probabilit`a

{

La figura 1

mostra i relativi istogrammi.

36 .

5

36 .

(Un quesito posto a Galileo. (3) )

25

216

216 27 = 0.1250.

Due dadi:

5

4

3

36 ,

1

36 ,

36 ,

3

216 ,

216 ,

2

36 ,

6

216 ,

si ha X ∈ X

1

36 }.

10

216 ,

= {2, 3,

, 12}, con probabilit`a {

∈ X

15

216 ,

= {3, 4,

10

216 ,

6

216 ,

3

216 ,

1

2

3

4

5

6

36 ,

36 ,

36 ,

36 ,

36 ,

36 ,

1

216 }.

Tre dadi (zara):

15

216 ,

21

216 ,

25

216 ,

27

216 ,

si ha X

27

216 ,

25

216 ,

21

216 ,

0.15

0.1

0.05

f 2 x

x

2

4

6

8

10

12

0.15

0.1

0.05

f 3 x

0.05 f 2 x x 2 4 6 8 10 12 0.15 0.1 0.05 f 3
0.05 f 2 x x 2 4 6 8 10 12 0.15 0.1 0.05 f 3

x

3

6

9

12

15

18

Figure 1: - Istogrammi del giuoco con due e tre dadi (zara).

Esempio 1.f. ( Il problema del fumatore Stefan Banach. (4) ) Un fumatore che ha in tasca due scatole di fiammiferi, ne sceglie una a caso ogni volta

che vuole accendere una sigaretta. Se in partenza entrambe le scatole contenevano N fiammiferi, si calcoli la probabilit`a che quando estrae una scatola e la trova vuota,

nell’altra siano contenuti ancora k ∈ {0, 1,

R.

2 . L’evento E descritto dal problema pu`o essere pensato come l’unione degli eventi equiprobabili ed incompatibili E A e E B , dove E A [E B ] `e vero se, in 2 N k prove,

, N } fiammiferi.

Sia A [B] l’evento “il fumatore ha scelto la scatola A [B]”, con P(A) = P(B) = 1

3) Il quesito fu posto a G. Galilei (1564-1642) dal Granduca di Toscana suo protettore, il quale credeva, ma non era del tutto certo, che il “9” e il “10” fossero equiprobabili. La risposta di Galileo si trova nel saggio Sopra le scoperte dei dadi. 4) Stefan Banach (1892-1945), matematico polacco e gran fumatore. Il problema fu proposto dal suo amico e collega Hugo Steinhaus (1887-1972) nel 1938.

2

ed N k volte e se in una ulteriore

prova la scatola scelta `e la A [ B ]. Si ha dunque P(E A ) = Bneg ( N k 2 , N + 1 ) =

le scatole A e B [B e A] sono state scelte N

1

( 2 Nk

N

)( 1 2 ) 2 N k+1 . Si ricava dunque P(E) = 2 · P(E A ) = ( 2Nk

N

)( 1

2 ) 2Nk .

Esempio 1.g. Una famiglia ha due bambini: (i) `e noto che uno di essi `e M , calcolare la probabilit`a che l’altro sia F ; (ii ) `e noto che il primo `e M , calcolare la probabilit`a che l’altro sia F . (Si ipotizzi che nascere M o F siano eventi equiprobabili e che vi sia indipendenza tra i sessi del primo e del secondo figlio.)

R. I quesiti (i ) e (ii ) non sono equivalenti. (Le parole in corsivo sono tutt’altro che

piccole ed inessenziali varianti linguistiche!) In una famiglia in cui ci sono due figli gli eventi elementari sono ω 1 = (M, M ), ω 2 = (M, F ), ω 3 = (F, M ), ω 4 = (F, F ). Ma

mentre nel quesito (i ), l’evento certo Ω `e dato dagli eventi {ω 1 , ω 2 , ω 3 } e gli eventi

favorevoli sono {ω 2 , ω 3 }, sicch´e la probabilit`a cercata `e

l’evento certo Ω `e dato da {ω 1 , ω 2 } e l’evento favorevole `e {ω 2 }, sicch´e la probabilit`a

cercata `e 1

2 . Esempio 1.h. ( Giuoco del lotto. ) Calcolare la probabilit`a che un giocatore realizzi un’ambata, un’ambo, un terno, una quaterna, una cinquina.

R. Come `e noto, in ogni ruota si effettuano 5 estrazioni senza restituzione da

un’urna contenente 90 palline numerate da 1 a 90. Poich´e nel giuoco del lotto l’ordine

d’estrazione non conta, il numero delle cinquine che si possono realizzare `e dato dalle combinazioni ( 90 ) = 43 949 268. Le giocate, di cui si calcolano le probabilit`a,

3 2 , viceversa, nel quesito (ii )

5

si riferiscono tutte ad una sola ruota.

Ambata. Il numero delle cinquine distinte contenenti il numero desiderato `e

pari alle combinazioni degli 89 numeri restanti presi a gruppi di 4. Dunque p 1 =

(

89

4

) : ( 90

5

) = 90 = 0.0555

5

Ambo.

combinazioni degli 88 numeri restanti presi a gruppi di 3. Dunque p 2 = ( 88

Il numero delle cinquine distinte aventi i due numeri fissati `e pari alle

) =

3 ) : ( 90

5

4·5

89·90 =

400.5

1

= 0.0025.

Terno, quaterna, cinquina.

assegnati sono p 3 = ( 87

0.196 × 10 5 e p 5 =

Similmente, le probabilit`a d’indovinare 3, 4, 5 numeri

5

) =

1

11748

=

0.851 × 10 4 , p 4 = ( 86

1

0.228 × 10 7 .

) : ( 90

5

) =

1

511038

=

2 ) : ( 90

1

43 949 268

=

Gli esempi che seguono provengono dal gioco del poker. Come a tutti (non) `e

si gioca con un mazzo di 32 carte di valore {7, 8, 9, 10, J, Q, K, A}

noto, il poker

nei quattro semi , , , . Il banco serve 5 carte ad ogni giocatore.

Esempio 1.i.

Calcolare la probabilit`a che ad un giocatore sia servito un full.

R. Si realizza un full se le 5 carte sono divisibili in due gruppi costituiti da un tris

(tre carte dello stesso valore) e da una coppia (due carte dello stesso valore). Ad esempio un tris di J e una coppia di 10. Il numero totale di mani `e dato da M = ( 32 ) = 201 · 376. Per “costruire” un full occorre prima scegliere due distinti valori, dove il numero delle scelte `e dato dalle

disposizioni D 8,2 = 8 × 7 = 56. Per ciascuna scelta, si possono formare ( 4 ) = 4 tris

e ( 4 ) = 6 coppie. Il numero totale dei full `e dunque D 8,2 ( 4

( Full nel giuoco del poker. )

5

3

3

)( 4

2

) = 56 × 4 × 6 = 1344.

2

Donde P full = 1344

M

= 6.674 · 10 3 .

3

Esempio 1.j. ( Giuoco del poker. )

Per i pi´u “interessati”. Si calcoli la probabilit`a che ad un giocatore sia servita una coppia, una doppia coppia, un tris, una scala, un colore, un poker, una scala reale.

R. Il lettore pu`o verificare le probabilit`a di conseguire i punti riportati nella tavola,

grazie alla procedura esposta nel precedente esempio.

punto

probabilit`a

coppia

P c = 107 · 520

M

= 0.534

doppia coppia

P dc = 24 · 192

M

= 0.120

tris

P tris = 10 · 752

M

= 0.0534

scala

P s =

5 · 100

M

= 0.0253

full

P full = 1344

M

= 6.674 · 10 3

colore

P col = 260

M

= 1.291 · 10 3

poker

P poker = 224

M

= 1.112 · 10 3

scala reale

P sr =

20

M = 9.932 · 10 5

Tav.1.1 - Probabilit`a nel gioco del poker; M = ( 32 ) = 201 · 376.

Esempio 1.k. ( Il problema della ripartizione della posta. (5) ) Leo e Ugo partecipano ad una gara. Vince la somma S chi arriva per primo a

vincere N 0 partite. Per qualche ragione, la gara `e interrotta quando a Leo [ad Ugo] mancano ν L [ν U ] prove per vincere. Tenuto conto del punteggio acquisito da Leo ed Ugo, come ripartire equamente la somma S tra i due contendenti?

R. La divisione equa della posta tra Leo ed Ugo `e S · P(L) e S · P(U ), dove P(L) `e

la probabilit`a che Leo vinca la gara postoch´e essa possa essere ripresa dove `e stata interrotta. Si indichi con A (successo per Leo) e B (successo per Ugo) l’esito della singola prova con P(A) = θ e P(B) = 1 θ. Proseguendo la contesa, il giuoco ha termine non appena uno dei due arriva ad N 0 successi. Vince Leo se egli realizza ν L successi prima che Ugo ne realizzi ν U , vince Ugo se consegue ν U successi prima che Leo ne faccia ν L . Se vince Leo, `e evidente che l’evento che chiude la sequenza delle prove `e A e che gli eventi B (favorevoli ad Ugo) presenti nella sequenza sono j < ν U ; la generica sequenza che vede Leo come vincitore `e dunque del tipo

5

(ν L 1 j)

(1,0)

B, A, B,

, A, B,

A

(ν L ,j)

,

j = 0, 1,

, ν U 1 .

Tale sequenza (ordinata) ha probabilit`a θ ν L (1 θ) j .

Poich´e le sequenze che

presentano ν L 1 successi e j insuccessi sono ( ν L +j1 ) , ricaviamo che

j

P(L) =

ν U 1

j=0

( ν L + j 1

j

) θ ν L (1 θ) j ,

P(U) =

ν L 1

j=0

( ν U + j 1

j

) θ ν U (1 θ) j .

5) Il problema della ripartizione della posta risale al medioevo. Proposto nel 1654 dal cavaliere De Mer´e alla attenzione di Pascal, il problema si trova (per la prima volta) correttamente risolto in una lettera di Pascal a Fermat, nonch´e nella risposta di Fermat a Pascal. L’approccio risolutivo qui seguito ricalca l’idea, dovuta a Fermat, secondo cui ci`o che conta non sono i punti totalizzati (al momento della interruzione), bens´ı i punti che mancano alla vittoria.

4

Come `e facile constatare, tali probabilit`a non dipendono n´e da N 0 , n´e dal numero

di punti gi`a conseguiti, bens´ı da ν L e ν U , oltrech´e da θ. Nell’esempio numerico di

cui alla tavola 1.2 si `e posto θ = 1

2 .

ν L

ν U

P(L) P(U)

2

2

1/2

1/2

2

4

13/16

3/16

2

6

15/16

1/16

4

6

191/256

65/256

4

8

227/256

29/256

Tav.1.2 - Tavola per la divisione della posta.

Se per vincere a Leo e ad Ugo manca lo stesso numero di partite, la posta S va (banalmente) ripartita a met`a. Se a Leo mancano 4 punti e ad Ugo 6, a Leo vanno quasi i 3 4 della posta; e se poi a Leo mancano 4 punti e ad Ugo 8, a Leo spetta quasi l’89 % di S.

Esempio 1.l. ( L’ago di Buffon. (6) )

Su un foglio di orizzontale solcato da una serie di rette parallele distanti 2d l’una dalla successiva, si lancia a caso un ago di lunghezza 2a < 2d. Qual’`e la probabilit`a che l’ago incontri una delle rette? R. Il problema pu`o essere formalizzato considerando il centro dell’ago C e (solo)

la retta pi´u vicina ad esso. Con riferimento alla figura 2[A], sia y la distanza di C

da tale retta e sia z l’angolo compreso fra l’ago e la direzione ortogonale alle rette parallele. Dire che l’ago attraversa la retta, vedere la figura 2[A], equivale a dire che a · cos z > y. Sicch´e la probabilit`a da calcolare `e θ = P(a · cos Z > Y ). Vedere figura

2[B].

y a cos z C d z A
y
a cos z
C
d
z
A

d

a

0

y B f z a cos z z 0 1 Π 2
y
B
f z a cos z
z
0
1
Π
2

Figure 2: Metodo dell’ago di Buffon.

Se la prova `e casuale, allora le v.a.

1

La v.a.

Z

e Y

sono indipendenti ed uniformi in

(Z, Y ) ψ(z, y) =

( 0, 2 π ) e (0, d).

d·π · 1 D (z, y), con D = [0, d] × [ 0, 2 π ) .

congiunta (Z, Y ) ha pertanto f.d.p.

1

2

6) Il problema fu proposto negli anni 1733-1777 dal naturalista G. L. Leclerc (1707-1789) di- venuto in seguito conte di Buffon. Esso costitu´ı uno dei primi esempi di probabilit`a geometriche.

5

La probabilit`a cercata, la si indichi con θ, vedere sempre figura 2[B], risulta

θ =

0

1

2 π

0

a·cos z

ψ(z, y) dy dz =

· π 1

2

d

0

2 π

a · cos z dz

=

2 · a d ·

π ,

(7)

(1)

2 · a .

da cui π

d · θ procedura per costruire una stima empirica πˆ del numero π.

Esempio 1.m. ( Il giuoco delle concordanze. (8) )

Siano date tre lettere da infilare in tre buste gi`a dotate di indirizzo. Un impiegato distratto imbusta le lettere a caso. Calcolare: (i) che tutto fili liscio, (ii ) che almeno un destinatario riceva la lettera che gli compete, (iii ) che nessuno dei destinatari riceva la propria lettera.

R. Siano A, B e C i tre destinatari. Se con A si indica l’evento: “il destinatario

A riceve la sua lettera”, e con B e C gli analoghi eventi, i quesiti si riducono a

Questo sorprendente risultato sugger`ı, allo stesso Buffon, una

=

¯

¯

¯

calcolare: (i) P{A B C}, (ii ) P{A B C}, (iii ) P{ A B C}.

Per il quesito (i ) si deve richiamare il teorema delle probabilit`a composte; ergo

P{A B C} = P{A} P{B|A} P{C|A, B} =

6 . Per rispondere a (ii ) si deve ricordare il teorema delle probabilit`a totali per eventi qualsiasi. Si ha: P{A} = P{B} = P{C} = 3 , P{A, B} = P{A, C} = P{B, C} = 1 (Si tenga presente che P{A, B} = P{A} P{B|A} = 6 , o anche che P{A, B} =

6 .

1

3

·

1

2 · 1 =

1

1

1

P{A, B, C}). Perci`o: P{A B C} = 3( 1 3 ) 3

1

6 +

1

6 =

6 4

= 0.6667.

¯

¯

¯

Al quesito (iii ) si risponde ricordando che l’evento ( A, B, C) `e il complementare

di (A B C).

Esempio 1.n.

Si

risponda al quesito (ii ) dell’esempio precedente quando i destinatari sono N .

R.

Per il teorema delle probabilit`a totali per eventi qualsiasi si ha

P {

i=1 A i } = ( N

N

1

)

1

N

( N

2

)

1

1

1 + ( N

N

N

3

)

1

1

1

N N 1

N 2 −· · · =

= 1

1

2 + 6

1

1

24 + · · · + (1) N +1

1

N! =

N

j=1

1

(1) j+1 j! = 1

N

j=0

(1) j j! 1 .

Per N → ∞, si ha

P { i=1 A i } = 1 e 1 1 0.3679 = 0.6321.

=

Esempio 1.o. ( Roulette russa). Leo e Ugo, a turno, tirano un colpo con una pistola a tamburo a 8 colpi 7 dei quali a salve. Il primo tiro spetta ad Leo. Si calcoli la probabilit`a che “vinca” Ugo.

R. Sia L [U ] l’evento: “Leo [Ugo] tira e parte il colpo”; si ha P(L) = P(U ) =

p = 1 8 . Gli eventi elementari possibili sono: ω 1 = L : vince Leo con probabilit`a

7) Diversamente detto, θ indica il rapporto fra l’area della superficie sottesa dalla funzione y = a · cos z nell’intervallo [ 0, 2 π ] , e l’area del rettangolo D

1

θ

=

Area(D) ·

1

0

1

2 π

a · cos z dz

=

2 · a

d · π [ sin z ]

1

2 π

=

2 · a

0 d · π .

8) Tale problema fu proposto dal matematico francese P.R. de Montmort (1678-1719).

6

¯

¯

¯

P(ω 1 ) = p; ω 2 = L U :

con P(ω 3 ) =

p L = h=0 p · (1 p) 2h .

ricava p L =

per n pari, vince Ugo con probabilit`a p U = 1p

vince Ugo con P(ω 2 ) = p(1 p); ω 3 =

, etc.

vince Leo

Ergo, per n dispari, vince Leo con probabilit`a

Per calcolare p L si tenga conto che 1 = j=1 p(1 p) j =

Da cui si 15 8 mentre,

L U L :

p(1 p) 2 ;

h=0 p · (1 p) 2h + h=0 p · (1 p) 2h+1 = p L + (1 p)p L = (2 p)p L .

1

2p . Dunque per n dispari, vince Leo con probabilit`a p L =

2p =

7

15 .

2 Altri esempi

Gli esempi che seguono richiedono la conoscenza del calcolo delle probabilit`a di primo livello. Esempio 2.a.

Siano L ed U i giorni della settimana in cui sono nati Leo ed Ugo. Calcolare la probabilit`a che i due amici: (i) siano nati entrambi di sabato, (ii ) siano nati lo stesso giorno.

R. Per comodit`a si rinominano i giorni della settimana con g 1 , g 2 ,

, g 7 . (Sabato `e

g 6 .) Assumendo l’equiprobabilit`a del giorno di nascita e l’indipendenza delle nascite

7 1 . Dunque P{L = U =

g 6 } = P{L = g 6 P{U = g 6 } = 49 . Per calcolare P{L = U }, quesito (ii ), si osservi

che l’evento L = U `e l’unione di sette eventi equiprobabili e disgiunti: P{L = U } =

P{L = U = g 1 } +

Esempio 2.b. Calcolare la probabilit`a p n che in n prove bernoulliane l’evento A avente probabilit`a

di Leo ed Ugo, segue che, j, P{L = g j } = P{U = g j } =

1

+P{L = U = g 7 } = 7 ·

1 1

49

=

7 .

n 1 si verifichi almeno una volta.

¯

R.

n prove bernoulliane `e pari a ( 1 n ) n . Dunque p n = 1 ( 1 n ) n e, per n grande,

p n = 1 e 1 .

Esempio 2.c. La macchina M 1 , costituita dagli apparecchi A, B, C disposti in serie, non `e pi´u

funzionante se uno almeno dei tre si guasta. La macchina M 2 , costituita dagli ap- parecchi A, B, C disposti in parallelo, smette di funzionare se tutti e tre si guastano. Gli apparecchi sono uguali e la probabilit`a che uno di essi sopravviva per un anno `e pari a 0.7. Calcolare la probabilit`a che, trascorso un anno, M 1 ed M 2 siano sempre funzionanti.

R. Se con A si indica l’evento: “l’apparecchio A `e funzionante dopo un anno”,

e con B e C gli analoghi eventi, la probabilit`a che M 1 funzioni ancora equivale

a calcolare P{A, B, C}. La probabilit`a che M 2 sia ancora funzionante equivale a

calcolare P{A B C}. La prima probabilit`a, vedi l’esempio E, `e 0.7 3 = 0.343, la

seconda `e 1 0.3 3 = 0.973.

Esempio 2.d.

Poich´e P{ A} = 1 n ne consegue che la probabilit`a che A non si verifichi mai in

1

1

1

Una scimmia vuole occultare 3 noci in 5 scatole. Posto che tutto si svolga in modo casuale, calcolare la probabilit`a: (i ) p 3 che le tre noci si trovino in un’unica scatola; (ii ) p 2 che due finiscano in una scatola e l’altra in una diversa scatola; (iii ) p 1 che

le tre noci vadano in tre differenti scatole.

7

, A 5 le 5 scatole. Tutti i risultati di sorteggio {A i , A j , A k },

dove i, j, k possono ripetersi, sono 5 3 . Perci`o: (i) p 3 =

sono tanti quante sono le scatole); (ii ) p 2 = 12 25 (i casi per i quali risulta i = j ̸= k

sono 3 × 4 × 5; ovvero: 5 sono le scelte della scatola in cui infilare 2 noci, 4 sono, per ciascuna di esse, le scelte della scatola in cui infilare la restante noce e ( 3 ) = 3

(i casi per i quali

( 3 ) = 10 sono le scelte delle 3 scatole in cui

infilare le 3 noci e 3! = 6 sono le permutazioni di 3 oggetti).

Esempio 2.e. Un ladro possiede un mazzo di n 0 chiavi che sicuramente contiene la chiave utile per aprire un certo uscio. La situazione non consente al ladro di fare pi´u di s tentativi. Calcolare la probabilita che il ladro fallisca nella sua impresa.

R.

, s. Il l’evento considerato dal problema `e

risulta i ̸= j ̸= k sono 10 × 6; infatti:

sono le combinazioni di 3 oggetti presi a gruppi di 2); (iii) p 1 = 12

25 1 (i casi per cui `e i = j = k

R. Si indichino con A 1 ,

2

25

5

Sia E j = “il ladro azzecca la chiave al jesimo tentativo”. Si ha P(E j ) = · n

0

2

n 0 1 ···

1

n 0 j+1 =

1

0 , j = 1, 2,

n

n 0 1

n

0

¯

¯

¯

F = E 1 E 2 ∩ ··· ∩ E s . In forza del teorema di De Morgan abbiamo F =

Tenuto conto che gli eventi E j sono disgiunti si ricava P(F ) = 1

s j=1 E j .

.

s

j=1 P(E j ) = n 0 n s 0

Esempio 2.f. Un ubriaco possiede un mazzo di n 0 chiavi che contiene la chiave utile per aprire

l’uscio di casa sua. Se la chiave, scelta a caso, non quella giusta viene rimessa nel mazzo e si ripete il tentativo. Calcolare la probabilita che che l’ubriaco debba fare pi´u di tre tentativi per entrare in casa sua

G ( x θ ) , con θ =

Esempio 2.g. La malattia M presente in una certa popolazione scolastica colpisce un alunno su 10000. Si decide di sottoporre gli alunni a screening di massa il quale, essendo poco

preciso, diagnostica “falsi positivi” e “falsi negativi” con probabilit`a pari a 0.04 e 0.02. Calcolare la probabilit`a che un alunno diagnosticato positivo sia, in realt`a, negativo.

R. Si indichi con M [S] l’evento “l’alunno `e positivo [negativo]” e con (+) [()]

“l’alunno `e dichiarato positivo [negativo]”. Le probabilit`a a priori sono P{S} = 0.9999, P{M } = 0.0001, le probabilit`a di “falso positivo” e di “falso negativo” sono P{(+)|S} = 0.04 e P{()|M } = 0.02. Le verosimiglianze sono riportate nella tavola

R. Sia X il numero aleatorio di prove per conseguire il “successo”.

Si ha X

1 0 . Dunque P(X > 3) = ( 1 θ ) 3 .

n

Stato di natura

()

(+)

Sano

0.96

0.04

Tav.2.1 - Verosimiglianze.

Malato

0.02

0.98

Per rispondere al quesito si ricorre al teorema di Bayes

P{M |(+)} =

P{M } P{(+)|M }

.0001 · .98

P{M } P{(+)|M } + P{S} P{(+)|S} = .0001 · .98 + .9999 · .04 = 0.00244 ,

Dunque P{S|(+)} = 1 0.00244 = 0.99756. Si noti che la diagnosi (+) non implica che l’alunno sia malato. Il teorema di Bayes assicura che se a priori la probabilit`a

8

di essere malati era 0.0001, la probabilit`a a posteriori, pur cresciuta di k 25 volte

`e ancora molto bassa.

Esempio 2.h. Le ditte di assistenza a domicilio A 1 , A 2 e A 3 occupano 9, 15 e 8 infermieri, 3, 6 e 6

dei quali sono maschi. Si sa che le ditte si dividono il 50%, 40% e 10% degli assistiti. Calcolare la probabilit`a che un certo cliente sia assistito dalla ditta A j , j = 1, 2, 3, quando nel suo domicilio troviamo: (i) un infermiere maschio (d’ora in poi M 1 ), (ii ) due infermieri maschi (M 2 ).

R. Indicando le ipotesi con A j =“la ditta di assistenza `e la jesima”, j = 1, 2, 3, si

adottano come probabilit`a a priori P(A j ) le quote di mercato. La verosimiglianza

=

associata alla ditta A 1 `e P(M 1 |A 1 ) = 3

=

= 0.3333, caso (i ), e P(M 2 |A 1 ) =

3

9

·

2

8

9

0.0833, caso (ii ). Similmente si calcolano le altre verosimiglianze.

Grazie alla P(M k ) = j=1 P(A j )P(M k |A j ), k = 1, 2, si calcolano i denominatori della formula di Bayes: P(M 1 ) = 0.4017, caso (i) e P(M 2 ) = 0.1524, caso (ii ).

Le probabilit`a a posteriori degli eventi A j avendo osservato

caso (ii ), sono riportate nella Tav.2.2. Si noti come l’ipotesi A 1 [A 3 ] si indebolisca

[rafforzi] con l’accadere di M 1 , e pi´u ancora di M 2 .

M 2 ,

3

M 1 ,

caso (i),

e

   

ipotesi

A 1

A 2

A 3

totali

   

a priori

P(A j )

0.50

0.40

0.10

1.

 

verosimiglianze

P(M 1 |A j )

0.3333

0.4000

0.7500

-

(i)

P(A j ) · P(M 1 |A j ) 0.1667

0.1600

0.0750

0.4017

a

posteriori

P(A j |M 1 )

0.4149

0.3983

0.1867

0.9999

 

verosimiglianze

P(M 2 |A j )

0.0833

0.1429

0.5357

-

(ii )

P(A j ) · P(M 2 |A j ) 0.0417

0.0572

0.0536

0.1524

a

posteriori

P(A j |M 2 )

0.2734

0.3750

0.3916

1.

Tav.2.2 - Tavola dei calcoli per la formula di Bayes, casi (i) e (ii).

Esempio 2.k.

Due giocatori lanciano una moneta bilanciata n volte ciascuno. Calcolare la proba- bilit`a che essi realizzino lo stesso numero di teste.

l’evento: il jesimo giocatore, con j = 1, 2, realizza k teste. Dunque

P

)

R. Sia ω

ω = n

(j)

k

(2)

(

k

) = (( n )(

k

1

2

) 2 (

2 ) 2n = (

1

) n ) 2 = ( n

2 ) 2n · n

1

k

) 2 ( 1 2 ) 2n . La probabilit`a cercata `e P ( n

k=0 ( n

k

) 2 = ( 2n

n

)

·

2 ) 2n .

( 1

k

ω

k=0 ( n

k

(1)

(1)

ω

(2)

k

k=0 ω k

Esempio 2.l. Determinare il minimo numero intero n di lanci (di un dado regolare) tale che la probabilit`a di osservare almeno un “6 ” in n lanci, superi

6 1 , sia X il numero aleatorio di “6 ” che si realizzano in n lanci,

R. Sia P(6) = θ =

2 ,

2 1 . Essa `e soddisfatta n

n 0 = 4. (Infatti P(X 1|n 0 ) = 1

Esempio 2.m. (Il problema dell’incontro.) Due amici si sono dati un appuntamento in un punto stabilito tra le 8 e le 9. Chi arriva attende l’arrivo dell’altro per 20 minuti e poi se ne va. Sapendo che ciascuno dei due arriva a caso nel lasso di tempo che va dalle 8 alle 9 e che i tempi di arrivo sono indipendenti, si calcoli la probabilit`a che essi si incontrino.

1

2 .

con X Bin(x|θ, n).

La condizione P(X 1|n) >

2 1 , cio`e (

2 1 .)

5 6 ) n

1

2 , ovvero P(X

= 0|n)

1

produce la disuguaglianza (1 θ) n

625 1296 >

9

60

20

0

60 20 0 y A x 0 20 60 Figure 3: - Problema dell’incontro. Casi favorevoli
y A x 0 20 60
y
A
x
0
20
60

Figure 3: - Problema dell’incontro. Casi favorevoli e casi possibili.

R. I tempi di arrivo X ed Y dei due amici sono, per ipotesi, v.a.iid con X

unif (·|0, 60) e (X, Y ) ∈ Q = (0, 60) × (0, 60). I due si incontrano sse | X Y |< 20,

cio`e se si verifica l’evento A = (Y < X + 20) (Y > X 20) ⊂ Q. Vedere figura 3.

La probabilit`a che | X Y |<