Sei sulla pagina 1di 10

Risiko

Il gioco di risiko si basa sulla fortuna?


Esso consiste nel fare attacchi e difese tramite il lancio di dadi a 6 facce.
Il gioco è un costante tiro di dadi che potrebbe farlo sembrare completamente basato
sulla
fortuna.

Pensando però alla legge dei grandi numeri verrebbe intuitivamente da pensare che i due
giocatori non possano che aver avuto risultati molto simili in media all'interno della partita.
Alla fine della partita i giocatori avranno ottenuto circa lo stesso numero di 6 e circa lo
stesso
numero di 1, fatto lo stesso numero di attacchi fortunati e lo stesso numero di difese
sfortunate.

Ma rendiamo questo sentore in maniera rigorosa:

Definiamo lo spazio campionario Ω l'insieme delle sequenze infinite di risultati sui dadi.

Ω = � = (� 1 , … , � n , … ) / � i ∈ { 1, 2, 3, 4, 5, 6 } ∀i ∈ N *

Su questo spazio campionario definiamo un � - algebra F tale che la coppia (Ω, F) sia
uno spazio misurabile.
Su questo spazio misurabile definiamo una misura di probabilità P tale che la terna
(�, F, P) sia uno spazio di probabilità.
+∞
Su questo spazio di probabilità definiamo (X n ) n=1 una successione di VV.AA. I.I.D.
definite
come:
Ω → { 1, 2, 3, 4, 5, 6 } ⊂ R
Xi :
� → risultato dell' i-esimo lancio
Quindi abbiamo degli elementi matematici che guardano il nostro giocatore giocare,
quando
egli farà
l' i-esimo tiro (che è loro assegnato) si segneranno il risultato.
Su questi oggetti matematici è opportuno calcolare una serie di elementi (lo faremo sul
generico X i )
1. Il supporto
S Xi = { 1, 2, 3, 4, 5, 6 }
Questo è l'insieme dei possibili risultati con probabilità non nulla.
E' praticamente l'elenco dei possibili risultati dell'esperimento, i possibili numeri che
possono
uscire sul mio dado a 6 facce.
2. Il valore atteso
1 1 1 1 1 1 21 7
= 1⋅ +2⋅ +3⋅ +4⋅ +5⋅ +6⋅ = = = 3, 5
6 6 6 6 6 6 6 2
7
EXi = = 3, 5 = �
2
Questo è il valore atteso dell'esperimento.
Viene detto anche media, e, volendo, per la legge dei grandi numeri, è il valore della
media
dei risultati di infiniti esperimenti di questo tipo.
Se lancio tanti dadi e faccio la media dei risultati mi aspetto venga 3,5.
3. La varianza
VarXi = E(Xi - EXi ) 2
Z = (Xi - EXi ) 2 = f(Xi ) con f(x) = (x - �) 2
6 6
VarXi = EZ = ∑ f(x i )P(X = x i ) = ∑ (x i - �) 2 P(X = x i ) =
i=1 i=1
= (1 - 3, 5) P(X = 1) + (2 - 3, 5) P(X = 2) + (3 - 3, 5) 2 P(X = 3) +
2 2

+(4 - 3, 5) 2 P(X = 4) + (5 - 3, 5) 2 P(X = 5) + (6 - 3, 5) 2 P(X = 6) =


1 1 1 35
= 2 ⋅ (2, 5) 2 ⋅ + 2 ⋅ (1, 5) 2 ⋅ + 2 ⋅ (0, 5) 2 ⋅ =
6 6 6 12
35
VarXi = = �2
12
Questo è quanto un singolo esperimento possa finire lontano dal valore atteso.
⏨n
Su di esse definiamo la media campionaria X
n
1

Xn = ∑ Xi
n i=1
Esso è una funzione matematica che, fissato n, prende il risultato dei primi n lanci e ne fa
la
media.
(Le funzioni matematiche sono delle specie di robot astratti:
Prendiamo questa situazione, ho fatto 3 lanci.
Nelle definizioni che abbiamo dato avrò 4 robot, che si parleranno fra loro.
il robot X 1 che si segnerà quanto ho fatto al primo lancio
il robot X 2 che si segnerà quanto ho fatto al secondo lancio
il robot X 3 che si segnerà quanto ho fatto al terzo lancio
⏨3 che chiederà ai tre robot di dirgli i risultati che si sono segnati e ne farà la
il robot X
media.
⏨3 dirà poi a noi il risultato).
il robot X

Su di essa definiamo gli stessi oggetti matematici prima definiti:


1. Il supporto:
SX
⏨n = [1, 6]

2. Il valore atteso
7
⏨n = � =
EX
2
3. La varianza
�2 35
⏨n =
Var X =
n 12n
Possiamo già vedere da qui che all'aumentare del numero dei lanci la varianza della
media
campionaria (quindi la dispersione dei risultati) diminuisce sempre di più.

Entriamo ora nel vivo, vogliamo capire, fatti n lanci, con che probabilità la media dei
risultati
non si scosta di più del valore p, rispetto al valore atteso?

In formula:
⏨n - � | < p) = ?
P(| X (1)
Per fare questo calcolo usiamo la disuguaglianza di Chebyshev:
VarX
P(| X - EX | ⩾ �) ⩽
�2
La trasformiamo in maniera da farla diventare più simile a (1)
VarX
1 - P(| X - EX | < �) ⩽
�2
VarX
-P(| X - EX | < �) ⩽ -1
�2
VarX
P(| X - EX | < �) ⩾ 1 - (2)
�2
La similitudine tra (2) e (1) si palesa quando poniamo:

X=⏨
Xn
7
EX = E ⏨
Xn = � =
2
2
� 35
⏨n =
VarX = Var X =
n 12n
2 2
� = p →� = p
Sostituiamo tutti questi valori in (2)
35
7 7p 12n
P ⏨n -
X < ⩾ 1-
2 200 p2
7 7p 35
P ⏨
Xn - < ⩾ 1-
2 200 12np 2
Un numero ragionevole da porre potrebbe essere p = 0, 5.
Vogliamo in pratica capire quale sia la probabilità dei lanci rimanga tra 3 e 4.
Per esempio calcoliamo dopo n = 100 lanci (palusibile in una partita di Risiko)
7 7 ⋅ 0, 5 35
P ⏨
X 100 - < ⩾ 1- = 0, 88
2 200 12 ⋅ 100 ⋅ 0, 5 2
C'è quindi una probabilità dell' 88%, con 100 lanci, di rimanere in una media di lanci fra il
3e
il 4.
Qua sotto vediamo che un grafico nel quale, all'aumentare di lanci, viene associata la
probabilità di avere una media dei lanci fra 3 e 4.
1.1 probabilità che la media dei lanci sia fra 3 e 4
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1

0 20 40 60 80 100 120 140 160 180 200


-0.1
-0.2 numero lanci
-0.3
-0.4

Qua sotto invece vediamo, posto che facciamo 100 lanci, qual è la probabilità di avere
una
media dei lanci che non si discosta più di un certo valore dal valore atteso 3,5

probabilità che la media dei lanci si discosti dal valore atteso 3,5 più del valore nell'asse orizzontale
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8


-0.1
valore di discostamento considerato
-0.2

Leggere l'ultimo grafico è magari un po' complesso, ma leggiamone due punti importanti:
Vado in corrispondenza di 1 sull'asse orizzontale e leggo sull'asse verticale circa 0,96.
Quindi c'è una probabilità del 96% che il nostro giocatore non si scosti più di 1 dal valore
Vado in corrispondenza di 2 sull'asse orizzontale e leggo sull'asse verticale circa 0,999.
Quindi c'è una probabilità del 99,9% che il nostro giocatore non si scosti più di 2 dal
valore
atteso nel caso in cui faccia 100 lanci.