Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Fabrizio Iozzi
Dipartimento di Scienza delle Decisioni,
Università Bocconi,
Milano, 20136
fabrizio.iozzi@unibocconi.it
14 luglio 2010
1
Capitolo 1
1
1. Calcolo delle probabilità
Definizione 1.2.1 (Spazio dei risultati). Si chiama spazio dei risultati l’insie-
me di tutti i possibili risultati di un certo esperimento.
Lo spazio dei risultati viene indicato di solito con la lettera Ω. Gli elementi
di Ω sono detti eventi elementari.
2
1.2. Formalizzazione: eventi e probabilità
corrisponde al sottoinsieme
Gli eventi sono sottoinsiemi di Ω e come tali con essi si possono definire le
operazioni di unione, intersezione e di complementare.
3
1. Calcolo delle probabilità
2. P (Ω) = 1
3. per ogni coppia di eventi A e B tali che A ∩ B = ∅, cioè per ogni coppia
di eventi incompatibili, si ha P (A ∪ B) = P (A) + P (B)
1. P (Ā) = 1 − P (A);
2. P (∅) = 0,
4
1.3. Probabilità condizionata
Negli esempi considerati, c’è uno stato informativo “precedente” e uno sta-
to informativo “successivo”. Nel gergo del calcolo delle probabilità, le corri-
spondenti probabilità sono dette “a priori” e “a posteriori”. Nello stimare la Probabilità a priori e a
probabilità di un certo evento A si passa da quella a priori a quella a posteriori posteriori
avendo saputo che un certo altro evento B si è verificato. Le probabilità nel
nuovo stato informativo si chiamano “probabilità condizionate”.
P (A ∩ B)
P (A|B) =
P (B)
5
1. Calcolo delle probabilità
Figura 1.1: Lancio di due dadi: in verde i lanci con somma maggiore di 6 (21);
in nero gli altri (15). La probabilità che la somma sia maggiore di 6 è 21/36.
Figura 1.2: Lancio di due dadi: se il primo dado mostra 3, lo spazio dei risultati
è ridotto alla sola terza riga. in verde i lanci con somma maggiore di 6 (3); in
nero gli altri (3). La probabilità che la somma sia maggiore di 6 dato che il
primo dado mostra 3 è 3/6.
6
1.3. Probabilità condizionata
7
1. Calcolo delle probabilità
te dopo il primo anno di uso è del 70%. Pertanto, detto F l’evento “l’automezzo
è funzionante dopo un anno”, si ha P (F ) = 0.7 e, ovviamente, P (F ) = 0.3.
Nel passato, ogni volta che è stato necessario acquistare un certo numero di
automezzi un gruppo di autisti esperti li ha collaudati e ha fornito un parere
positivo o negativo sull’acquisto. L’affidabilità degli esperti è riassunta dalle
seguenti considerazioni:
• quando gli automezzi hanno superato il primo anno di vita, gli esperti
hanno dato parere positivo l’80% delle volte
• quando gli automezzi non hanno superato il primo anno di vita gli esperti
hanno dato parere negativo il 90% delle volte.
Detti + l’evento “gli esperti danno parere positivo” e − l’evento “gli esperti
danno parere negativo”, le informazioni precedenti si traducono nelle relazioni
P (+|F ) = 0.8 e P (−|F ) = 0.9. I due punti appena evidenziati implicano
logicamente anche le affermazioni complementari. Per esempio, poiché quando
gli automezzi hanno superato il primo anno di vita, gli esperti hanno dato
parere positivo l’80% delle volte, allora nel restante 20% delle volte gli esperti
hanno “sbagliato” parere e hanno dato parere negativo ad automezzi che poi si
sono rivelati funzionanti. In simboli, P (−|F ) = 0.2. Analogamente, il secondo
punto implica che gli esperti, avendo a che fare con mezzi che poi si sono
rivelati non funzionanti, hanno dato parere positivo il 10% delle volte e quindi
P (+|F ) = 0.1.
Anche in questo caso si decide di chiedere il parere degli esperti e ci si
domanda come cambieranno le probabilità che i mezzi siano in funzione dopo
un anno. Visto che gli esperti sono tali, c’è da aspettarsi che il loro parere
influenzi la scelta, per cui se essi esprimeranno un parere positivo, la probabilità
che i mezzi saranno sufficientemente durevoli aumenterà mentre diminuirà in
caso contrario.
Si tratta di calcolare la probabilità di F dato uno dei due pareri possibili.
Se gli esperti daranno un parere positivo, applicando il teorema di Bayes si
avrà
P (+|F )P (F )
P (F |+) =
P (+|F )P (F ) + P (+|F )P (F )
0.8 × 0.7
=
0.8 × 0.7 + 0.1 × 0.3
0.56
= = 0.9491 . . .
0.59
Di conseguenza sarà anche P (F |+) = 0.0508 . . .
Se invece il parere sarà negativo si avrà
P (−|F )P (F )
P (F |−) =
P (−|F )P (F ) + P (−|F )P (F )
0.2 × 0.7
=
0.2 × 0.7 + 0.9 × 0.3
0.14
= = 0.1818 . . .
0.77
Di conseguenza sarà anche P (F |−) = 0.8181 . . .
8
1.3. Probabilità condizionata
P (+|F )P (F )
P (F |+) =
P (+|F )P (F ) + P (+|F )P (F )
1 × 0.7 0.7
= = =1
1 × 0.7 + 0 × 0.3 0.7
che implica P (F |+) = 0, e
P (−|F )P (F )
P (F |−) =
P (−|F )P (F ) + P (−|F )P (F )
0 × 0.7 0
= = =0
0 × 0.7 + 0.9 × 0.3 0.77
che implica P (F |−) = 1. Tradotte in linguaggio naturale, le espressioni prece-
denti dicono che se gli esperti danno un parere positivo, l’automezzo funzionerà
sicuramente, mentre se daranno un parere negativo l’automezzo non funzione-
ra. L’aumento delle probabilità al 100% ha trasformato gli esperti in profeti
infallibili! Naturalmente la situazione appena illustrata non è praticamente
realizzabile ma ha importanza come “caso limite” a cui si tende quando le
probabilità sono vicine a 1.
Se una sola delle due probabilità è uguale a 1, per esempio P (+|F ) = 1,
mentre l’altra rimane uguale, P (−|F ) = 0.9, i calcoli danno:
P (+|F )P (F )
P (F |+) =
P (+|F )P (F ) + P (+|F )P (F )
1 × 0.7
=
1 × 0.7 + 0.1 × 0.3
0.7
= = 0.9589 . . .
0.73
che implica P (F |+) = 0.0410 . . . , e
P (−|F )P (F )
P (F |−) =
P (−|F )P (F ) + P (−|F )P (F )
0 × 0.7
= =0
0 × 0.7 + 0.9 × 0.3
che implica P (F |−) = 1. Questi risultati si spiegano facilmente. Con i mezzi
funzionanti, F , gli esperti sono infallibili (P (+|F ) = 1) ed emettono sempre un
parere positivo. Con gli automezzi non funzionanti (F ), invece, emettono pareri
9
1. Calcolo delle probabilità
negativi solo il 90% delle volte e per il restante 10% emettono pareri positivi.
Il risultato è che se si riceve un parere positivo non si è sicuri se si tratta di un
parere dato su mezzo funzionante o su un mezzo non funzionante, anche se la
probabilità che sia funzionante è alta. Se si riceve un parere negativo, invece,
non può che provenire da un mezzo non funzionante e quindi le conclusioni
sono certe.
Si osservi infine il caso in cui le percentuali di affidabilità sono entrambe
uguali al 50%, P (+|F ) = 0.5 e P (−|F ) = 0.5. Si ha P (−|F ) = 0.5 e P (+|F ) =
0.5 e quindi
P (+|F )P (F )
P (F |+) =
P (+|F )P (F ) + P (+|F )P (F )
0.5 × 0.7 0.35
= = = 0.7
0.5 × 0.7 + 0.5 × 0.3 0.5
P (−|F )P (F )
P (F |−) =
P (−|F )P (F ) + P (−|F )P (F )
0.5 × 0.7 0.35
= = = 0.7
0.5 × 0.7 + 0.5 × 0.3 0.5
10
1.5. Il concetto di valore atteso
e che
Eventi A1 A2 A3
Probabilità (p1 , p2 , p3 ) 0.1 0.6 0.3
Determinazioni di X (x1 , x2 , x3 ) 100000 200000 250000
Si osservi che il valore atteso di una variabile aleatoria non è, in generale,
una delle determinazioni possibili per la variabile aleatoria. Si può dare un
senso intuitivo al significato del valore atteso immaginando di poter ripetere
l’esperimento, nelle medesime condizioni e quindi con le stesse probabilità, un
11
1. Calcolo delle probabilità
1.6 Esercizi
Esercizio 1.6.1. Una società finanziaria ha appena investito 10 milioni di euro
in immobili costruiti in una certa zona di Milano. L’AD della società stima in
0.3 la probabilità che nei prossimi due anni gli immobili aumentino il valore
del 30% e in 0.5 che il valore aumenti dello 0.1%. Esiste infine la possibilità
che il valore degli immobili rimanga invariato. Si calcoli il valore atteso degli
immobili dopo due anni.
Esercizio 1.6.2. Una azienda sta organizzando un viaggio premio per la pro-
pria clientela VIP. La scelta è caduta su un certo villaggio turistico in un’isola
tropicale. La dirigenza dell’azienda stima che la probabilità di successo del
viaggio sia dell’80%. Per prassi consolidata, prima di confermare il viaggio un
paio di dirigenti dell’azienda si recheranno sul posto per esprimere un parere,
positivo o negativo, sulla meta turistica. Nel passato si è visto che quando la
meta è stata gradita dai clienti, i dirigenti avevano espresso parere positivo nel
90% dei casi, mentre quando la meta non è stata gradita dai clienti, i dirigenti
hanno espresso parere negativo nell’80% dei casi. I due dirigenti sono sulla
via del ritorno. Come potrebbe cambiare la probabilità che il viaggio sia un
successo per i clienti?
Domanda 1.7.2. Dato che P (A|B) = 0.4 si può concludere che P (A|B) = 0.6?
Domanda 1.7.3. Dato che P (A|B) = 0.4 si può concludere che P (A|B) = 0.6?
Domanda 1.7.4. Di due eventi A e B si sa che P (A) = 0.4 e che P (B) = 0.3.
Può succedere che P (A ∪ B) = 0.8?
12
Soluzioni degli esercizi proposti
13
1.7. Domande a risposta breve
1.6.1 Il valore degli immobili in milioni di euro è una variabile aleatoria X con
determinazioni x1 = 13, x2 = 11 e x3 = 10 con probabilità p1 = 0.3, p2 = 0.5
e p3 = 0.2. Il valore atteso di x è quindi
1.6.2 Sia S l’evento “il viaggio è di successo” e “+” l’evento “il parere dei
dirigenti è positivo”. Prima che i dirigenti riferiscano il loro parere, si ha
P (S) = 0.8 e di conseguenza P (S) = 0.2. Si sa inoltre che P (+|S) = 0.9
e che P (+|S) = 0.8; da queste relazioni si deduce che P (+|S) = 0.1 e che
P (+|S) = 0.2. Il parere dei due dirigenti è incognito. Se esso sarà positivo, si
dovrà calcolare P (S|+). Applicando il teorema di Bayes si ha
P (+|S)P (S)
P (S|+) =
P (+|S)P (S) + P (+|S)P (S)
0.9 × 0.8 0.72
= =
0.9 × 0.8 + 0.2 × 0.2 0.76
18
= ' 0.9473
19
Se esso sarà negativo, si dovrà calcolare P (S|+). Sempre applicando il teorema
di Bayes si ha
P (+|S)P (S)
P (S|+) =
P (+|S)P (S) + P (+|S)P (S)
0.1 × 0.8 0.08
= =
0.1 × 0.8 + 0.8 × 0.2 0.24
1
= ' 0.3333
3
1.7.1 No, perché il valore atteso di una variabile aleatoria discreta è compreso
tra il minimo ed il massimo delle sue determinazioni.
1.7.3 Sı̀, perché le due probabilità sono quelle di eventi complementari condi-
zionate allo stesso evento B.
1.7.5 Sı̀. Se A implica B allora P (A) < P (B) e quindi B può effettivamente
avere probabilità uguale a 0.8.
15