Introduzione al Calcolo delle

Probabilità
• In tutti quei casi in cui le manifestazioni di un
fenomeno (EVENTI) non possono essere
determinate a priori in modo univoco, e i risultati
possono essere oggetto di discussione e di
valutazioni diverse, la “Probabilità” è strumento
“fondamentale”.

• La “Probabilità” consiste in una

valutazione numerica associata alla
previsione del risultato di un esperimento
o di una prova, che può dar luogo a diversi
risultati (Esperimento Aleatorio)
 Definizione CLASSICA
Laplace (1812)

• Si definisce PROBABILITÀ di un evento il

rapporto tra il numero dei casi favorevoli e
il numero di casi possibili, purché questi
siano tutti ugualmente probabili.

Numero di Casi Favorevoli

P(.) 
Numero di Casi Possibili
 Esempio: Lancio di un dado
• Qual è la probabilità che nel lancio di un
dado esca 6?
Numero di Casi Favorevoli 1
P(Esce 6)    0.167  16,7%
Numero Casi Possibili 6

• Qual è la probabilità che nel lancio di un

dado esca il 6 o il 5?
Numero di Casi Favorevoli 2
P(Esce 6 o 5)    0.333  33,3%
Numero Casi Possibili 6
 Limiti

• È tautologica: casi possibili = casi probabili

• È un metodo aprioristico basato su proprietà fisiche

geometriche ecc. evidenti (si applica non a caso ai
giochi, come nell’esempio dei dadi)

• Non è estendibile a situazioni in cui il numero di eventi

(favorevoli o no) sia infinito
 Definizione FREQUENTISTA
Von Mises (1919)
• La probabilità è la frequenza limite di un evento favorevole in un
insieme di prove (poiché ad ogni prova corrisponde un evento si
vede la corrispondenza con la defnizione di Laplace).
• Deriva dalla cosiddetta legge dei grandi numeri:
in una ripetizione abbastanza prolungata di prove la frequenza di un
evento deve tendere alla sua probabilità.
m
P(A) 
n
• In una successione di prove ripetute nelle stesse condizioni n, la
frequenza relativa m/n con la quale si verifica un evento A si
avvicina alla probabilità dell’evento stesso, e l’approssimazione
tende a migliorare con l’aumentare delle prove (Legge empirica del
caso).
– n è il numero di prove ripetute nelle stesse condizioni;
– m è il numero di volte in cui si verifica l’evento A.
 Limiti
• Questa definizione implica il concetto di sequenza di prove
empiriche (ad esempio i risultati di un esperimento, una serie di
osservazioni pianificate e così via) tali che: sia possibile usare solo le
prime n senza che si abbiano distorsioni e che, se invece di usare
tutte le prove se ne usi un sottoinsieme qualsiasi, si ottenga sempre
lo stesso risultato
• la legge dei grandi numeri e' valida solo per la parte che afferma
che lo scarto tra probabilità e frequenza relativa di un evento tende,
in una serie tendente ad infinito di prove, a zero. Non e' valido
affermare che la frequenza relativa tende ad un limite e che questo
e' la probabilità dell'evento. Una serie empirica non e' una serie
matematica e quindi non ha senso parlare di passaggio al limite.
• il requisito che un sottoinsieme delle prove porti a risultati identici e'
incoerente (basta selezionare un sottoinsieme che non contiene
alcun evento favorevole)
 Definizione SOGGETTIVA
De Finetti (1931)
• Nella definizione soggettiva la probabilità misura il grado
di fiducia che un soggetto ha nel verificarsi dell’evento

P(A)= grado di fiducia accordato al verificarsi

dell’evento A

Nella realtà scientifica sono inclusi fenomeni che non possono

essere ricondotti a condizioni di ripetibilità e equiprobabilità , perché
considerati eventi unici o irripetibili. Per questi fenomeni, sia
l’approccio classico che quello frequentista falliscono.

• Per quantificare la probabilità dal punto di vista

soggettivo bisogna far riferimento alle scommesse. La
probabilità che un evento si verifichi è pari al prezzo che
il soggetto è disposto a pagare per ricevere 1 se l’evento
si verifica e 0 se l’evento non si verifica.
 Limiti
• È basata su probabilita' a priori

• È basata su probabilita' soggettive

 Soluzione: Reichenbach (1935)

Rinunciando a definizioni di contenuto si

definisca la probabilità come un tipo speciale di
relazione tra due classi di proposizioni.

Possiamo così fruttare le conoscenze sulla teoria

degli insiemi e sul calcolo logico.
La probabilità P(.) è una misura che associa
ad ogni Evento “A” un valore numerico
“P(A)” che esprime l’incertezza relativa al
verificarsi dell’Evento

P(s)
s P(.)
 Eventi ed Insiemi

L’EVENTO E’ L’ELEMENTO DI BASE AL QUALE

PUO’ ESSERE APPLICATA UNA PROBABILITA’,
ESSO E’ IL RISULTATO DI UN’OSSERVAZIONE
O DI UN ESPERIMENTO
 Eventi ed Insiemi
SPAZIO DEGLI EVENTI (S): l’insieme di tutti i possibili esiti di
un esperimento (serie di prove con esiti non prevedibili)
EVENTO (E, F, A..) : è un qualsiasi sottoinsieme (collezione di possibili
esiti) dello spazio S.
Si dice che un evento si verifica se l’esito dell’esperimento è incluso nella
definizione data di evento

E
Evento certo (S) = (E) + (Ē)
 Eventi ed Insiemi
Lo spazio degli eventi (S) è composto da tutti i possibili esiti di
un esperimento:

- Eventi semplici
- Eventi composti (combinazioni di eventi semplici)
- Evento Certo (S)
- Evento impossibile (Ø)
 Eventi ed Insiemi
ES: Risultati possibili nel duplice lancio di una moneta

S = {(testa, testa), (testa, croce), (croce, testa), (croce, croce)}

E (evento semplice) = {(testa, croce)}

E (evento composto) = 1 testa = {(testa, croce), (croce, testa)}

Ē = (evento complementare di E) ={(testa, testa), (croce, croce)}

 Eventi ed Insiemi
ES: Lancio di un dado:
S:
S
Eventi Semplici (A, B, C, D, E, F):
esce 1, esce 2, esce 3, esce 4, esce
1 2 3 5, esce 6
Eventi composti (X, Y): esce un
numero pari, esce un numero
4 5 6 dispari….
Evento certo: esce un numero da 1
a6
Evento impossibile: esce 7
 Operazioni sugli eventi:
• L’Unione di due eventi A e B (A  B),
definita come l’insieme degli esiti che
appartengono o all’evento A o all’evento B
o simultaneamente ad A e B.
• L’Intersezione di due eventi A e B
(AB), definita dall’insieme degli esiti che
verificano contemporaneamente A e
l’evento B
• Il Complemento di un evento E, indicato
con “Ē ” che rappresenta l’evento “non E”,
ed è dato da S-E
 DIAGRAMMA DI VENN
S S
Unione
Intersezione

A A
B B

S S
Complemento

A AA
B Ā

In questo caso i 2 eventi si dicono MUTUALMENTE ESCLUSIVI ovvero non possono accadere
simultaneamente, gli eventi non hanno esiti in comune
INTERSEZIONE = INSIEME VUOTO
 Esempio: Lancio di 1 dado

S={1,2,3,4,5,6}
A={ESCE 2,3,5}
B={ESCE UN NUMERO PARI}

(AB)=?
(AB)=?
Ā=?
 Esempio: Lancio di 1 dado

S={1,2,3,4,5,6}
A={ESCE 2,3,5}
B={ESCE UN NUMERO PARI}

(AB)={2,3,4,5,6}
(AB)={2}
Ā={1,4,6}
 Evento condizionato
• Un evento condizionato A|B (da leggersi ‘A dato B'), con B≠Ø, è:
– indeterminato, quando B è falso (e non interessa, una volta acquisita
questa informazione, l'evento A);
– vero, quando B è vero ed anche A è vero;
– falso, quando B è vero ed A è falso.

S
A|B Si verifica B

A
B diventa il nuovo S spazio
B Degli eventi di A

– è l’insieme degli esiti che appartengono ad A nello spazio degli eventi

B, poiché B si è già verificato.
 Esempio
Si lancia una coppia di dadi la somma dei
risultati è 6, qual è la probabilità che uno dei
due dadi segni 2?

A= SOMMA E’ 6 (si è già verificato)

B= UN DADO SEGNA 2
 Esempio
Si lancia una coppia di 1 2 3 4 5 6
dadi la somma dei
risultati è 6, qual è la
probabilità che uno dei 1 2 3 4 5 6 7

due dadi segni 2?

2 3 4 5 6 7 8

A= SOMMA E’ 6 (si è già

3 4 5 6 7 8 9
verificato)
B= UN DADO SEGNA 2 4 5 6 7 8 9 10

5 6 7 8 9 10 11
B|A =
6 7 8 9 10 11 12
 Caratteristiche della misura di
Probabilità
1. La probabilità di un evento è un numero
compreso tra 0 e 1
0  Pr(A)  1
2. La probabilità di un evento certo è 1P(S) = 1
3. La probabilità di un evento impossibile (o di un
insieme vuoto) è “0” P(Ø) = 0
4. La probabilità dell’evento complementare (Ā) di
A è data dalla differenza tra la probabilità di
tutto lo spazio campionario (1) meno quella
dell’evento
P(Ā)=1-P(A)
 Legge delle Probabilità Totali
per Eventi Incompatibili
Dati due eventi incompatibili, cioè AB=Ø
allora la probabilità della loro unione è uguale
alla somma delle probabilità degli eventi:

P(A  B)=P(A)+P(B)

La legge delle probabilità totali per eventi

incompatibili può essere generalizzata ad un
insieme finito o numerabile di eventi a due a
due incompatibili
 Legge delle Probabilità Totali
• In generale per calcolare la probabilità
dell’unione di due eventi non è sufficiente
conoscere le probabilità dei due eventi. Bisogna
sapere di quanto essi si sovrappongono cioè
conoscere la probabilità dell’intersezione dei due
eventi.

P(AB) = P(A) + P(B) - P(AB)

 Esempio: Lancio di 1 dado

S={1,2,3,4,5,6}
A={ESCE 2,3,5}
B={ESCE UN NUMERO PARI}

P(AB)=?
 Esempio: Lancio di 1 dado

S={1,2,3,4,5,6}
A={ESCE 2,3,5}
B={ESCE UN NUMERO PARI}
P(A)=3/6
P(B)=3/6
P(AB) =1/6
P(AB)=3/6+3/6-1/6=5/6=0.83
 Esempio
Consideriamo 2 gruppi sanguigni a cui una persona può
appartenere: 0, B
Ipotizzando di conoscere le due probabilità
P(gruppo 0)=0.46
P(gruppo B)=0.08
Ci chiediamo qual è la probabilità che un individuo
appartenga ad uno dei due gruppi

i due eventi sono incompatibili  DISGIUNTI

P(gruppo 0  gruppo B) = 0.46+0.08=0.54

 Legge delle Probabilità Composte

Dati due eventi A e B,

P(A  B) = P(A|B)P(B) = P(B|A)P(A)

P(A|B)=P(A  B) /P(B)

dove P(A|B) è la probabilità condizionata di A

dato B e con P(A  B) si indica la probabilità
congiunta degli eventi A e B
 Probabilità Condizionata
Dati due eventi A e B, se P(B)>0, allora la
probabilità che A si verifichi dato che B si è
già verificato, è chiamata Probabilità
Condizionata e si indica con:
P(A  B)
P(A B) 
P(B)

IL FATTO CHE L’EVENTO B SI SIA GIA’ VERIFICATO FA

RESTRINGERE LO SPAZIO DEI POSSIBILI ESITI PER A,
TALE SOTTOINSIEME E’ DEFINITO IN MODO DA
CONTENERE TUTTI E SOLTANTO GLI EVENTI CHE
RAPPRESENTANO IL VERIFICARSI DELL’EVENTO
CONDIZIONANTE
 Esempio
Si lancia una coppia di 1 2 3 4 5 6
dadi la somma dei
risultati è 6, qual è la
probabilità che uno dei 1 2 3 4 5 6 7

due dadi segni 2?

2 3 4 5 6 7 8

A= SOMMA E’ 6 (si è già

3 4 5 6 7 8 9
verificato)
B= UN DADO SEGNA 2 4 5 6 7 8 9 10

5 6 7 8 9 10 11
B|A =
6 7 8 9 10 11 12
 Esempio
Si lancia una coppia di dadi la somma dei
risultati è 6, qual è la probabilità che uno dei
due dadi segni 2?

A= SOMMA E’ 6 (si è già verificato)

B= UN DADO SEGNA 2

P(B|A) = P(B ∩ A)/P(A)= (2/36)/(5/36) =

2/5
 Indipendenza tra due Eventi
• Se due eventi A e B sono indipendenti
allora l’avverarsi di 1 non incide
sull’avverarsi di un altro.
• Due eventi A e B sono indipendenti
(probabilisticamente o stocasticamente) se
P(A  B) = P(A|B)P(B) = P(A)P(B)
• Deriva che la probabilità condizionata di A
dato B diventa
P(A|B) = P(A)
 Esempio
Popolazione: 750 individui
100 maschi e 150 femmine con schizofrenia (MSi e FSj)
200 maschi e 300 femmine con depressione (MDi e FDj)

Consideriamo i tre eventi così definiti

B1={Estrarre una persona con schizzofrenia}

Pr(B1)= [250/750]

C1={Estrarre una maschio} 

Pr(C1)= [300/750]

QUAL E’ LA PROBABILITA’ DI ESTRARRE UN MASCHIO CON

SCHIZZOFRENIA?
Pr(B1 ∩ C1 ) = ?
 LA PROBABILITA’ CONDIZIONATA E’

Pr(C1 |B1) = Pr(C1 ∩ B1) / Pr(B1) = (100/750)/(250/750) = 100/250 = 0.4

PER LA REGOLA DEL PRODOTTO

Pr(C1 ∩ B1) = Pr(C1 |B1) Pr(B1) = (100/250)(250/750) =100/750 = 0.133

INDIPENDENZA

Pr(C1 ) = (100+200)/750 =300/750 = 100/250 = 0.4 = Pr(C1 |B1)

C1 E B1 SONO INDIPENDENTI

Infatti

Pr(C1 )Pr(B1 ) = (300/750)*(250/750) = 100/750 = 0.133 = Pr(C1 ∩ B1)

 Teorema delle Probabilità Totali,
generalizzata a n eventi
Siano A1,A2,…,An eventi incompatibili tra loro ed
esaustivi (la somma delle loro probabilità è 1), sia B
un evento a questi collegato, allora
A2

B
A
1
A
4
A
3

P(B)=P(B ∩ A1)+P(B ∩ A2)+…+P(B ∩ An)=

P(B|A1)xP(A1)+P(B|A2)xP(A2)+…+P(B|An)xP(An)
 Esempio
“con determinati sintomi si può avere la malattia A, la
malattia B o la malattia C”.
“è possibile guarire in 3 giorni?”

P(3 gg|A)=0.98 P(A)=0.25

P(3 gg|B)=0.63 P(B)=0.10
P(3 gg|C)=0.01 P(C)=0.65

P(3 gg)=P( 3 gg|A)xP(A)+P(3 gg|B)xP(B)+P(3 gg|C)xP(C)=

=0.98x0.25+0.63x0.10+0.01x0.65=0.31
 Teorema di Bayes
Definisce la probabilità a posteriori che un dato evento che si
è verificato sia dovuto ad una determinata causa

P(A|B) = P(B|A) x P(A) /P(B)

si ottiene dalla relazione simmetrica

P(A  B) = P(A|B)P(B) = P(B|A)P(A)

i termini indicano
P(A|B) probabilità a posteriori di A
P(A) probabilità a priori di A
P(B|A)/P(B) verosimiglianza di B dato A