Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Spazio di probabilità
dove
● Ω è l’insieme di tutti gli esiti, che prende il nome di spazio totale o spazio
campionario;
● A, una σ-algebra di parti di Ω, è l’insieme di tutti gli eventi;
● P è una probabilità su A
Ω = {1, 2, 3, 4, 5, 6}
A = P(Ω)
la probabilità di un evento è data dal rapporto tra il numero di casi favorevoli e il numero di
casi possibili:
(dove # indica la cardinalità, cioè il numero di elementi, di un insieme).
esempio:
La probabilità di un evento (a, b) è di fatto uguale a quella di [a, b], dato che i singoli punti a
e b hanno probabilità nulla, quindi considerarli o meno non influisce sul risultato. Nel caso in
cui a = 0, può essere ragionevole adottare il modello
Calcolo Combinatorio
Permutazioni
rappresentano le sequenza ordinate degli n oggetti (quindi tutte le loro possibili disposizioni
con ordini diversi)
Formula:
esempio 1
esempio 2
essendo una parola da 6 lettere potremmo dire 6!, ma questa parola ha la ripetizione di C e
dato che le due C possono avere solo 2! disposizioni diverse allora il calcolo è:
Disposizioni
ogni sottoinsieme ordinato di k elementi diversi tra loro selezionati da un insieme di
partenza avente n elementi dove n>k
Formula:
esempio 1
Quanti numeri di 3 cifre distinte si possono fare utilizzando solo cifre dispari?
esempio 2
Formula:
(coefficiente binomiale)
esempio 1
esempio 2
in una classe ci sono 7 ragazze e 10 ragazzi. Bisogna scegliere 3 ragazze e 6 ragazzi per
formare una rappresentativa della classe. in quanti modi si può fare?
Probabilità Condizionata
oss: P(B|B)=1
esempio 1
inoltre
Teorema della probabilità Totale
nota bene: se ci danno le probabilità condizionate di un evento B rispetto a tutti gli insiemi di
una partizione di ꭥ, possiamo calcolare la probabilità totale di B sommando queste
probabilità
Teorema di Bayes
si dice che il teorema di Bayes è uno strumento matematico che permette di aggiornare una
determinata probabilità (soggettiva) a priori A in base a nuove informazioni (oggettive) B La
probabilità “aggiornata” è quella “a posteriori” P(A|B)
Modello”Causa-Effetto”
Probabilità indipendente
X: S→R
essa associa ad ogni possibile risultato di un esperimento, cioè ad ogni elemento dello
spazio campione S, un numero reale
hanno un nome, un tipo e possono assumere diversi valori la quale noi conosciamo, ma
spesso non sappiamo quale valore essa effettivamente assumerà in un dato istante
Distribuzione di probabilità
La funzione
che ad ogni valore assunto dalla variabile aleatoria discreta X associa la corrispondente
probabilità è detta distribuzione di probabilità della variabile aleatoria X.
Distribuzione binomiale
Distribuzione Bernoulliana
Esempio
Varianza
Ci dice che il val. atteso di una funzione generica g di una var. aleatoria è pari al
valore atteso delle immagini tramite g della var. aleatoria!
Deviazione Standard
Un’altra misura di dispersione è la deviazione standard(la radice quadrata della
varianza), la cui definizione è molto semplice:
Variabile Aleatoria di Poisson
● è una delle variabili aleatorie più usate(una variabile aleatoria discreta: indica
il numero di occorrenze)
● dove c’è una restrizione dello scenario considerato (un intervallo di tempo,
un’area geografica, un volume nello spazio)
nota bene:
Non importa quale sia la dimensione dello scenario (1 giorno, 1 secondo, 1
anno, 10 nanosecondi, ecc.) L’unica cosa che importa è che tale contesto
venga stabilito, e all’interno di questo contesto, ci venga data un frequenza
media di occorrenza degli eventi (che dennoteremo con λ).
nota bene:
Infatti, paradossalmente, a rigore, la funzione di “massa” di probabilità per una v.a. continua
non esiste, perché la probabilità che una certa v.a. continua X venga ad avere esattamente
un certo valore x continuo è zero!
quando parliamo di probabilità di v.a. continue ci riferiremo sempre alla probabilità di eventi
in cui tali variabili prendono valori compresi in un intervallo Infatti, paradossalmente, a rigore,
la funzione di “massa” di probabilità per una v.a. continua non esiste, perché la probabilità
che una certa v.a. continua X venga ad avere esattamente un certo valore x continuo è zero!
Poi, questi intervalli potranno essere più piccoli o meno, ma le probabilità assumono questo
carattere di continuità, e quindi corrispondono sempre all’area sotto la curva della funzione
di massa, quindi all’integrale tra due valori:
è una distribuzione continua, il che significa che può assumere qualsiasi valore reale. Ha
una forma a campana simmetrica, con la cima al centro e la coda che si estende verso
l'infinito su entrambi i lati. è spesso utilizzata per rappresentare variabili casuali che tendono
a concentrarsi attorno a un singolo valore medio(esempio. L 'altezza degli esseri umani, del
peso dei cani o della temperatura media di una città.)
rappresentata:
Un caso speciale della v.a. Normale è quello della v.a Normale Standard, cioè la v.a.
Normale con media pari a 0 e deviazione standard pari a 1. viene solitamente indicata con la
Z maiuscola:
Approssimazione della binomiale
Probabilità congiunta
P({X=x}⋂{Y=y})=P(X=x,Y=y)
le tabelle possono avere limitazioni sul numero ad esempio se abbiamo 10 v.a discrete e
10
ciascuna di esse può assumere 5 valori avremo 5 eventi
soluzione: