Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Lezione 3
1 Probabilità
Casualità
fn (A)
P (A) := lim
n→0 n
Una denizione del genere potrebbe valere solo se si eettua un numero
assai elevato di prove, tutte uguali e nelle stesse condizioni.
1
Esempio 1.1. Qual è la probabilità che un lavoratore sia vittima di
un incidente sul lavoro?
soggettivista: si misura sulla base del grado di ducia che una persona ha
nel vericarsi di un certo evento. Si denisce come il prezzo equo che
un individuo ritiene equo pagare per ricevere 1 se l'evento si verica e
0 se non si verica.
casi favorevoli
P (A) = .
casi possibili
Esempio 1.4.
2
Eventi Insiemi
NOT complemento
AND intersezione
OR unione
3
Ω
1. Prop. commutativa: A ∪ B = B ∪ A; A ∩ B = B ∩ A
A.2 P (Ω) = 1
4
A.1 vuol dire che la probabilità associata ad un evento è un numero non
negativo e rappresenta la probabiltà che esso si verichi. A.2 implica che
l'evento certo (che si verica sicuramente) ha il valore massimo assunto dalla
probabilità. A.3 è l'assioma della σ -additività.
1. P (Ā) = 1 − P (A)
2. P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
A B
Si ricava che:
A = (A ∩ B) ∪ (A ∩ B̄)
B = (A ∩ B) ∪ (Ā ∩ B)
A ∪ B = (A ∩ B) ∪ (A ∩ B̄) ∪ (Ā ∩ B)
5
Gli eventi ora descritti sono tutti incompatibili (i.e., hanno intersezione
vuota). Se passiamo alla probabilità, avremo:
P (A) = P (A ∩ B) + P (A ∩ B̄)
P (B) = P (A ∩ B) + P (Ā ∩ B)
P (A ∪ B) = P (A ∩ B) + P (A ∩ B̄) + P (Ā ∩ B)
dunque,
Esempio 1.5. Nel gioco dei dadi, si consideri il lancio contemporaneo di due
dadi equi. Calcolare la probabilità dei seguenti eventi:
1. almeno un dado dà 6
2. nessun dado dà 6
6
4. solo il secondo dado dà 6
5. solo un dado dà 6
{(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6), (4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Sia A l'evento il primo dado dà 6 e sia B l'evento il secondo dado dà
6. Si ha:
casi favorevoli 6 1
P (A) = = = = P (B) .
casi possibili 36 6
1 1 1 11
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = + − =
6 6 36 36
25
P (A ∪ B) = 1 − P (A ∪ B) =
36
5
P (A ∩ B̄) = P (A ∪ B) − P (B) =
36
10
P (C) = P (A ∩ B̄) + P (Ā ∩ B) = .
36
7
1.2 Probabilità condizionata e indipendenza
Esempio 1.6. Quanto vale la probabilità che la somma delle facce di due
dadi sia 12, sapendo che su uno dei due è uscita la faccia 6?
P (A ∩ B) 1/36 1
P (A|B) = = = ,
P (B) 11/36 11
essendo A ∩ B = {(6, 6)} e
B = {(1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (5, 6), (6, 5), (6, 4), (6, 3), (6, 2), (6, 1)} .
P (A ∩ B) = P (A|B) · P (B)
P (A1 ∩A2 ∩· · ·∩An ) = P (A1 )P (A2 |A1 )P (A3 |A2 ∩A1 ) · · · P (An |An−1 · · · A1 )
Proof.
8
3. Due eventi sono indipendenti se P (A∩B) = P (A)P (B). In questo caso,
P (A|B) = P (A).
P (A ∩ B) P (A)P (B)
P (A|B) = = = P (A)
P (B) P (B)
B5
B7
B6
B4
B3
B1
B8
B2
Si ricava che:
n
[
A= (A ∩ Bk )
k=1
9
allora
n
! n
[ X
P (A) = P (A ∩ Bk ) = P (A ∩ Bk )
k=1 k=1
n
X
= P (A|Bk )P (Bk )
k=1
B5
B7
B6
B4
B3
B1
B8
B2
10
Sn
Inoltre, A⊂Ω= i=1 Bj , dunque
n
[ n
[
A=A∩Ω=A∩ Bj = (A ∩ Bj ) ,
i=1 i=1
n
X n
X
P (A) = P (A ∩ Bj ) = P (A|Bk ) · P (Bk )
j=1 j=1
P (Bk |A)P (A)
⇒ P (Bk |A) = Pn .
j=1 P (A|Bk ) · P (Bk )
11
1. Determinare la probabilità che un computer estratto a caso dalla pro-
duzione sia difettoso.
Calcolo
combi-
natorio
n!
Dn,k = .
(n − k)!
0
Dn,k = nk .
12
Combinazioni semplici: contano i gruppi di k elementi, di un insieme di
cardinalità n, che dieriscono tra loro per almeno un elemento, ma non
importa l'ordine con il quale gli elementi sono disposti
n
Cn,k = .
k
• Coeciente binomiale:
n n!
:=
k k!(n − k)!
6 6! 6·5·4·3·2·1
Per esempio, 3
= 3!3!
= 3·2·3·2
= 20
Esempio 1.7. Nel gioco del poker, ciascun giocatore ha in mano 5 carte,
servite da un mazzo di 52 carte francesi. Calcolare:
Avere un poker servito vuol dire avere, tra le 5 carte ricevute all'inizio,
4 assi ed una carta diversa. Dunque, i casi favorevoli si calcolano come
13
il numero di modi di ricevere la quinta carta, dalle 52 − 4 = 48 carte
rimanenti nel mazzo, ossia, C48,1 = 48 modi.
48
P (aaaa) = = 1.8469 10−5
2598960
13 × 48
P (poker) = = 0.000240096038415366
2598960
La probabilità cercata è:
13 4
× 12
1
× 2 3
× 43
P (coppia) = = 0.4226 ,
2598960
13
dove 1
è il numero di carte per ciascun seme (quindi il numero di
4
coppie che si possono formare), 2 conta il numero di modi di scegliere
12
due carte uguali, 3 conta il numero di modi di scegliere le tre carte
3
restanti e diverse, 4 conta i modi per scegliere il seme.
Esercizio 1.4. Sia dato l'insieme A = {2, 3, 5, 6, 7, 9}. Se non sono permesse
ripetizioni,
14
Esercizio 1.5. Ogni anno si sceglie una delegazione di 4 studenti che parte-
cipa ad una conferenza nazionale.
15
FX denisce la distribuzione delle probabilità di eventi in un esperimento
casuale.
4. P (X > x) = 1 − FX (x)
v.a. discreta: X si dice discreta se il suo supporto (i.e., l'insieme dei valori
assunti) è discreto. Esempi di v.a. discrete sono: il numero di volte
che bisogna lanciare una moneta prima di ottenere testa, il numero di
domande corrette in un quiz vero/falso, il numero di teste nel lancio di
3 monete.
X x1 x2 ··· xk
Prob. p(x1 ) p(x2 ) ··· p(xk )
con le condizioni:
k
X
p(xi ) ≥ 0, ∀ i = 1, . . . , k e p(xi ) = 1 .
i=1
16
Esempio 1.9. Lancio di tre monete.
X 0 1 2 3
1 3 3 1
p(X) 8 8 8 8
Ω = {(i, j) : i = 1, . . . , 6, j = 1, . . . , 6}
X 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
p(X) 36 36 36 36 36 36 36 36 36 36 36
• V.a. binomiale.
Consideriamo un esperimento aleatorio con due soli esiti, successo
S e fallimento F. Si ripete l'esperimento un numero n ∈ N di
volte, in condizioni identiche, in modo che ciascuna prova non
inuenzi le altre (e.g., lancio della moneta).
Spazio campionario:
Ei ∩ Ej = ∅, P (Ei ) := p, ∀ i = 1, . . . , n .
Allora, si ha:
\ \
{ω} = {(a1 , . . . , an )} = Eh ∩ Ēh .
h|ah =1 k|ak =0
17
Infatti: ah = 1 se si verica l'evento Eh e sarà pari a 0 se,
invece, si verica il suo complementare; questo accade per n
eventi distinti. Per esempio:
La probabilità corrispondente è:
Y Y
P ({ω}) = P (Eh ) · P (Ēk )
h|ah =1 k|ak =0
= [p · p · · · p] · [(1 − p) · (1 − p) · · · (1 − p)] ,
| {z } | {z }
k volte n−k volte
X X
P (Bk ) = P ({ω}) = pk (1 − p)n−k
ω ∈ Bk ω ∈ Bk
k n−k n k
= |Bk |p (1 − p) = p (1 − p)n−k .
k
18
1. Supponendo di scegliere, a caso e con riposizione, 10 persone
che si sono recate allo sportello, calcolare la probabilità, che il
numero totale di operazioni di prelievo sia maggiore di 9.
2. Se, su 6 estrazioni a caso e con riposizione, almeno tre persone
hanno eettuato un prelievo, calcolare la probabilità che il
numero totale di operazioni di prelievo sia maggiore di 4.
19
D'altro canto, noi siamo interessati a P (X = k), ossia, la proba-
bilità che si verichi un guasto esattamente all'istante k. Allora,
si ha:
P (X = k) = p(1 − p)k−1 , k ≥ 1 .
Calcolare:
• V.a. di Poisson.
Ad un centralino, sia X il numero di telefonate che arrivano ad
un operatore in un ssato intervallo di tempo, sia n il numero di
20
utenti che cercano di contattare il centralino e sia p ∈ (0, 1) la
probabilità che ciò accada. Generalmente, si ha n >> p.
Dunque, X ∼ Bin(n, p). D'altra parte, se n è molto più grande
di p, non è facile calcolare la probabilità P (X = k), sfruttando
la legge di probabilità binomiale. Operiamo, allora, in un modo
diverso. Poniamo λ := n · p, che implica p = λ/n e
k n−k
n λ λ
P (X = k) = 1−
k n n
k
n −k
n! λ λ λ
= 1− 1−
k!(n − k)! nk n n
−k k n
n! λ λ λ
= k 1− 1−
n (n − k)! n k! n
" −k k n #
n! λ λ λ
lim P (X = k) = lim 1− 1−
n→0 n→0 nk (n − k)! n k! n
" −k # k n
n! λ λ λ
= lim k lim 1− lim 1 −
n→0 n (n − k)! n→0 n k! n→0 n
λk −λ
= e .
k!
La v.a. che conta quanti eventi si vericano in un dato intervallo
(discreto) di tempo si chiama v.a. di Poisson e si ha
(
λk −λ
k!
e , k≥0
X ∼ P o(λ), P (X = k) = .
0, altrimenti
21
3. passino al più 4 auto;
• V.a. ipergeometrica.
Consideriamo un'urna, contentente N palline, di cui r rosse e le
restanti bianche, ed eettuiamo n estrazioni, senza rimessa. Sia
X la v.a. che conta il numero di palline rosse estratte dal blocco
di n palline.
r N −r
k
· n−k
P (X = k) = N
.
n
22