Lezione 04 - 01/03/21

In questa lezione lasceremo un po' indietro la definzione classica di probabilità che può
essere usata solo in casi particolari, diamo la definzione generale
Definizione A. N. Kolmogorov 1933, definizione assiomatica della probabilità
Teoria che si basa sulla teoria degli insiemi.
Prima andiamo a vedere un insieme di definizioni prima di poter dare questa definizione.

Definizione Algebra
Sia F una famiglia di sottoinsiemi del nostro insieme di Ω. (Cioé un isieme di
sottonsiemi).
Diremo che F è un'algebra se:
1. Ω ∈ F
2. ∀ A ∈ F ⟹ A C ∈ F proprietà di chiusura rispetto alla
⏦ di Ω
sottinsieme
complementazione
3. ∀A, B ∈ F ⟹ A ∪ B ∈ F proprietà di chiusura rispetto all'unione finita
Unione finita perché se avessi 3 insiemi unisco i primi due che appartengono all'algebra e
poi il risultato lo unisco al terzo cosicché il risultato appartenga all'algebra

Esempio
Ω = { 1, 2, 3, 4, 5, 6 }
Consideriamo poi degli insiemi A i = { i } , i = 1, … , 6
Costruiamo la collezione di tutti i sottoinsiemi di �: P(Ω) detto insieme di potenza.
Diciamo che F = P(Ω) è una algebra.

Definiamo un'altra struttura sulla quale tutta la probabilità andrà a basarsi:

Definizione sigma algebra: � - Algebra

Sia F una famiglia di sottoinsiemi del nostro insieme di Ω.
Chiameremo F �-algebra se:
1. Ω ∈ F
2. ∀ A ∈ F ⟹ A C ∈ F proprietà di chiusura rispetto alla
⏦ di Ω
sottinsieme
complementazione
3. consideriamo una successione o sequenza o collezione di elementi di F (quindi di
sottonsiemi di �.
∞
La successione si indicherà con (A n ) n=1 / A i ∈ F ∀i = 1, … , ∞
∞
⟹ ⋃ Ai ∈ F proprietà di chiusura rispetto all'unione numerabile.
i=1
Se è vera la chiusura rispetto all'unione numerabile allora è valida anche l'unione finita:
Osservazione

F � - algebra ⟹ F algebra
F algebra ⟹ F � - algebra
Esempio � - algebra banale
F = { Ω, � } questi due sottoinsiemi di Ω e le 3 richieste sono soddisfatte quindi è una
algebra ed una � - algebra
Esempio più povero possibile
Esempio insieme di potenza di Ω
F = P(Ω) = 2 Ω
Esempio più povero possibile.

Proprietà 1 della � - algebra

Non la dimostreremo.
L'interesezione di un numero arbitrario di � - algebre (finito, numerabile, infito non
numerabile) è ancora una � - algebra su Ω.

Prendo due � - algebre le intereseco, ottengo qualcosa di più piccolo, che è ancora una
� - algebra.

Per esempio se interesco � - algebra banale con l'insieme di potenza ottengo di nuovo la
� - algebra banale che è sempre una � - algebra.

Definizione � - algebra generata da una collezione arbitraria di sottoinsiemi di Ω

Sia C una collezione arbitraria di sottoinsiemi di Ω.
Si considerino tutte le possibili � - algebre su Ω che contengono C.
Questo insieme di � - algebre che sto cercando esiste sempre perché l'insieme di
potenza
P(Ω) contiene sicuramente C.
la loro intersezione è ancora una � - algebra (per proprietà precedente) ed è la più
piccola
� - algebra che contiene C (perché sto facendo l'intersezione).
Questa � - algebra, denotata �(C) viene chiamata � - algebra generata da C.
Teorema Unicità della �(C)
La � - algebra generata dalla collezione arbitraria C di sottoinsiemi di Ω è unica
Essa chiaramente esiste (abbiamo visto che ce ne sia almeno una), ma potrei averne più
di
una.
Ovviamente non è così
Dimostrazione per assurdo
Pensiamo che esistano due � - algebre generate da C.
Le chiamiamo F 1 , F 2
Per la definizione di �(F) ⟹ F 1 ⊂ F 2 ∧ F 2 ⊂ F 1 ⟹ F 1 = F 2

Facciamo allora il primo collegamento con la teoria delle probabilità

Definizione Evento
Abbiamo già dato una definizione in probabilità classica e questa nuova definizione sarà
ad
essa coerente.
Chiameremo eventi gli elementi di una � - algebra.
Cosa sono perciò? Sono sottoinsiemi di Ω, il che è coerente con la definizione che
avevamo
già dato.

Quindi, deciso (in base all'esperimento) lo spazio campionario, dobbiamo definire su di

esso
una
� - algebra.
Tutto ciò ci serve per definire in maniera corretta la nozione di probabilità.

Definizione spazio misurabile

La coppia (Ω, F) dove F è una � - algebra costruita su Ω è detta spazio misurabile.
La particolarità è che abbiamo un insieme (Ω) ed una struttura che contiene, come
elementi, tutti i possibili sottoinsiemi dell'isieme.
Quindi, questa struttura, chiamata F, prende Ω e mette in fila, li espone, tutti i suoi
sottoinsiemi e li considera come elementi di una stessa collezione.
Perciò il sottoinsieme è reso elemento di un altro insieme.

Questo permette di associarvi un elemento che permette di misurare l'importanza di ogni

singolo sottinsieme.
Nella definizione classica avevamo la cardinalità dell'insieme osservato fratto la
cardinalità di
Ω, ergo un metodo di vedere l'importanza del sottinsieme in esame rispetto all'insieme
ambiente.
Qui stiamo facendo una cosa simile e per fare questo ci serve esporre tutti i sottoinsiemi
di
Ω uno vicino all'altro.

Esempio Spazio campionario di Bernoulli

Ω = � = (� 1 , � 2 , � 3 , … ) , � i ∈ { 0, 1 } , i ∈ N*
⏠⏣⏣
⏡⏣⏣
⏢
⏠⏣⏣⏣⏣ ⏡⏣⏣⏣⏣
sequenza di ⏢
coordinate cioè la singola coordinata
può essere 0 o può essere 1
A parole: lo spazio campionario di Bernoulli è l'insieme delle sequenze o successioni
infinite
binarie.

Un elemento possibile di questo insieme potrebbe essere: �' = (1, 1, 1, 0, 0, 1, … ).

Con questa struttura è possibile pensare di definire le sequenze a lunghezza finita.
 �'

insieme di tutte
�''' un suo sottinsieme �'' le possibili succesioni

�''''

Se io nel sottoinsieme raggruppo tutte le sequenze che iniziano con (1, 1):
(1, 1, 1, 1, 1, …)
(1, 1, 1, 1, 0, …)
(1, 1, 1, 0, 1, …)
(1, 1, 0, 1, 1, …)
Questo sottoinsieme di Ω lo chiamiamo la sequenza finita (1, 1).

Adesso immaginiamo di costruire una � - algebra a partire da questo.

Prendo tutti possibili sottinsiemi e li espongo uno di fianco all'altro, quindi ci saranno
anche
dei sottoinsiemi che corrispondo alle sequenze finite.

Così costruisco lo spazio delle sequenze binarie a lunghezza finita:

Ωn = � = (� 1 , � 2 , � 3 , … , � n ) , � i ∈ { 0, 1 } , i ∈ N *
⏠⏣⏣⏣⏣
sequenze di⏡⏣⏣⏣⏣
lunghezza n⏢

Quindi posso considerare uno spazio campionario alternativo Ω n che contiene solamente
le
sequenze di lunghezza n.

Per esempio

Ω2 = � = (� 1 , � 2 ), � i ∈ { 0, 1 } , i ∈ N *
Questo essere lo spazio campionario adatto al lancio di due monete.
Esistono in linea di principio i lanci successivo al secondo, ma non li considero (non li
eseguo proprio in realtà).
NB Questa operazione di raggruppamento vale in generale
Ω = { 1, 2, 3, … , 6 }
Definisco gli eventi
Basso = { 1, 2 }
Medio = { 3, 4 }
Alto = { 5, 6 }
Tramite di essi posso definire un nuovo spazio campionario
Ω' = { basso, medio, alto }
O di nuovo usato una azione di accorpamentoi che ho appena utilizzato nelle sequenze di
Bernuolli prima definite.
A livello concettuale posso decidere di lavorare sullo spazio campionario di partenza o si
di
uno cotruito successivamente.

Sullo spazio campionario di Bernoulli useremo sempre come � - algebra, P(Ω).

Perciò otteniamo una coppia
(Ω, P(Ω)) → spazio misurabile di Bernoulli

Esempio altro spazio misurabile che useremo spesso

R con la � - algebra dei Borelliani
Ω=R
G = "famiglia degli insiemi aperti R"
↓
(a, b) , ∈ R, a < b.
Prendo allora �(G) = "� - algebra dei Borelliani di R" = �(R) = B R
Definizione Borelliani di R
Definiti nella riga sopra.
Essi sono infatti gli elementi della � - algebra dei Borelliani di R, cioè gli insiemi aperti di
R.

NB Dato Ω un spazio topologico, la � - algebra generata dalla famiglia degli aperti su Ω

viene denominata � - algebra dei Borelliani (abbiamo generalizzato quanto detto prima).

Esempio Rn
In questo caso scriveremo � R n = B R n � - algebra dei Borelliani di R n

Osservazione

Consideriamo G 1 = (-∞, a] , a ∈ R al variare di a in R ho delle semirette

⏠⏣⏣ ⏡⏣⏣ ⏢
semiretta chiusa a destra
⟹ �(G 1 ) = B(R)
Dimostrazione
Prendiamo una semiretta (fissando a)
prendo esattamente tutti gli altri elementi
di R e ne faccio la complementazione
⏜⏟⏟⏟⏟⏟⏟
⏝⏟⏟⏟⏟⏟⏟
C ⏞
(-∞, a] = (a, +∞)
⏠⏣⏣⏡⏣⏣
⏢
la riscrivo in questo modo
perché è un insieme aperto (gli estremi non sono inclusi
⫙
⫙ anche il complementare è da includere per le
proprietà della �-algebra
�(G 1 ) �(G)
⟹ �(G 1 ) ⊂ �(G)
⏠⏣⏣
⏡⏣⏣
⏢
al variare di a in R
Facciamo anche vedere il contrario
(a, b) , a < b
Prendo ⫙ essendo un aperto
�(G)
(a, b) = (-∞, a] C ∩ (-∞, b)
∥
(a, +∞)
ogni singolo elemento
dell'unione ∈ �(G1 )
è una semiretta ∈ �(G1 ) che, essendo una,
che è una �-algebra �-algebra è chiusa R ∋ b n ↗ b, successione di numeri reali che tende a b
quindi le appartiene anche rispetto alla unione ∞
il suo complementare numerabile
(-∞, b n ] = (-∞, b) ⋃
⏜⏟⏟⏟⏟ ⏞ ⏜⏟⏟⏟
⏝⏟⏟⏟⏟
C ⋃
∞ ⏝⏟⏟⏟
⏞
= (-∞, a] n=1 ∩ n=1
(-∞, b n ]
⫙ ⫙
�(G 1 ) �(G 1 )
⏠⏣⏣⏣⏣⏣
∈ �⏡⏣⏣⏣⏣⏣
(G1 ) ⏢
⟹ �(G) ⊂ �(G 1 )
Posso perciò concludere:
�(G) = �(G 1 ) QED ⊠
Posso perciò definire � - algebra dei Borelliani a partire dagli aperti e dalle semirette.

Questa proprietà si riferisce ovviamente ad R.

Definizione misura di probabilità

Dato uno spazio misurabile (Ω, F).
Sia una funzione di insieme
P:F→R
P agisce sui sottonsiemi di Ω ergo sugli elementi di F.
Non è detto che si faccia riferimento a tutti i sottoinsiemi di Ω, ma facciamo riferimento
solo
agli elementi di F, che, nel caso F ≠ P(Ω), non sono tutti i possibili sottoinsiemi,
essa deve essere tale che:
1. ∀A ∈ F , P(A) ⩾ 0
2. P(Ω) = 1
∞
3. (A n ) n=1 ⊂ F successione di eventi / A i ∩ A j = � ∀i ≠ j
assiomi della probabilità
∞ ∞
⟹ P ⋃ i=1 A i = ∑ i=1 P(A i )
⏠⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣
�-additività ⏢
è detta funzione di probabilità

La misura di probabilità è quindi una funzione definita sulla � - algebra di uno spazio
campionario che restituisca valori in R.
Proprietá 1 della misura di probabilità

P(�) = 0
Dimostrazione
� = �∪�
� = �∩�
successione infinita
di insiemi vuoti
⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
Allora considero la successione: ( �) n e uso la � - additività:
∞ ∞
P(�) = P ⋃� = ∑ P(�) = 0
i=1 i=1 ⏠⏣⏣
⏡⏣⏣
=0
⏢

Proprietà 2 della misura di probabilità (finito additività)

N
Prendo una successione di eventi (A n ) n=1 ⊂ F , A i ∩ A j = � ∀i ≠ j , N ∈ N *
Allora:
N N
P ⋃ Ai = ∑ P(A i )
i=1 i=1

Dimostrazione
A partire dalla mia successione di partenza, io costruisco una successione ausiliaria:
∞
(B n ) n=1 / B i = A i , i = 1, … , N ⊛
B i = � , i = N + 1, N + 2, … ⊛⊛
NB (B i ) i è formatata da insiemi disgiunti (o eventi incompatbili che dir si voglia) per il
N
semplice fatto che (A n ) n=1 è formata da insiemi disgiunti per Hp.
Vogliamo provare ora che:
N ∞ ∞
P ⋃ Ai =P ⋃ Bi = ∑ P(Bi ) =
⏠⏣⏣
⏡⏣⏣
⏢
i=1 i=1 �-additività i=1
Prendo questa serie e la decompongo in due parti:
N N
= ∑ i=1 P(B i ) + ∑ i=N+1 P(B i ) = ∑ P(A i ) + ∑ i=N+1 P(�) = ∑ P(A i ) QED ⊠
N ∞ ∞

⏠⏣⏣⏣
⊛ Qui⏡⏣⏣⏣
Ai =B⏢
I
⏠⏣⏣⏣ ⏡⏣⏣⏣
⊛⊛ Qui B i =� ⏢
i=1 ⏠⏣⏣⏣ =⏡⏣⏣⏣
0 ⏢ i=1
Proprietà 3 della misura di probabilità
Sia l'evento A ∈ F, allora:

P A C = 1 - P(A)
Dimostrazione
Ω = A ∪ A C , A ∩ A C = � cosa evidente, sono per forza disgiunti per definizione di
complementare.
additività finita
⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
1 = P(Ω) = = P(A) + P A C ⟹ P A C = 1 - P(A)
Proprietà 4

∀A ∈ F , P(A) ∈ [0, 1]
Dimostrazione
P(A) ⩾ 0 , P A C ⩾ 0
per⏠⏣⏣⏣ ⏡⏣⏣⏣
il primo ⏢
assioma ⏠⏣⏣⏣
F è una⏡⏣⏣⏣ ⏢
�-algebra
perciò A C ∈F
Perciò vale di nuovo
il primo assioma
So poi che:
appena visto ⩾ 0
⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
P(A) = 1 - P AC ⩽ 1 QED ⊠
⏠⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣
appena dimostrato ⏢
Proprietà 5 della misura di probabilità: monotonia
Simile alla monotonia delle funzioni a valori reali, con la differenza cha la funzione di
probabilità è una funzione che prende in ingresso degli insiemi.
Due eventi A, B ∈ F / A ⊂ B ⟹ P(A) ⩽ P(B)
Dimostrazione
B = A∪ AC ∩ B
⏠⏣⏣⏣ ⏡⏣⏣⏣ ⏢
evento incompatibile con A
P(B) = P(A) + P A C ∩ B ⩾ P(A) QED ⊠
⏠⏣⏣⏡⏣⏣
⏢
finito additività ⏠⏣⏣⏣
⩾ 0 per⏡⏣⏣⏣ ⏢
il primo
assioma
Proprietà 6 della misura di probabilità
Importante perché sarà alla base della prossima lezione.
Eventi A, B ∈ F ⟹ P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
Dimostrazione
A ∪ B = A ∪ A C ∩ B questi due insiemi sono disgiunti e quindi posso applicare la
finito-
additività

P(A ∪ B) = P(A) + P A C ∩ B (1)

⏠⏣⏣⏡⏣⏣
⏢
finito additività
Dopodiché B è sempre scomponibile nella seguente unione disgiunta:

B = (B ∩ A) ∪ B ∩ A C
P(B) = P(B ∩ A) + P B ∩ A C (2)
⏠⏣⏣⏡⏣⏣
⏢
finito additività
Prendo la parte quadrettata della equazione (1) e la sostituisco nella parte quadrettata
della
equazione (2).
P(B) = P(B ∩ A) + P(A ∪ B) - P(A)
P(A ∪ B) = P(B) + P(A) - P(A ∪ B) QED ⊠