Probabilità

d i
t u
i S
Statistica: Probabilità
g l
de
slide tratte da Introduzione all’inferenza statistica, 2a ed., Giappichelli
ti à
Alessandro Barbiero
s
EMA at UNIMI
e r a.a. 2020/2021
i v
U n
t
Alessandro Barbiero (EMA at UNIMI) Statistica: Probabilità a.a. 2020/2021 1 / 52
Probabilità: definizioni di base
d i
t u
i S
g l
esperimento (casuale): è un qualsiasi processo che produce un esito
incerto a priori. Es.: lancio di una moneta; lancio di un dado.
de
Ogni identica ripetizione di un esperimento si chiama prova
Il risultato della prova si chiama evento elementare. Gli eventi
ti à
elementari si indicano con la lettera ω
Con Ω indichiamo l’insieme di tutti i possibili eventi elementari. Ω è
r s
detto spazio degli eventi, spazio campionario o evento certo.
un qualunque sottoinsieme di Ω è un evento composto, o
e
semplicemente evento, costituito quindi da più eventi elementari. Si
v
i
indica solitamente con una lettera dell’alfabeto latino (A, B, C, . . . )
n
t U
Esempio
d i
t u
i S
g l
de
Consideriamo come esperimento casuale il lancio di una moneta, il cui
risultato (cui siamo interessati) è il “valore” riportato sulla faccia rivolta
ti à
verso l’alto della moneta (testa o croce)
Quindi, Ω può essere scritto come Ω = {Testa, Croce} o Ω = {T , C }.
r s
v e
n i
t U
Esempio
d i
t u
i S
g l
Consideriamo come esperimento casuale il lancio di un dado che riporta
de
sulle sue sei facce i numeri 1, 2, 3, 4, 5 e 6. Il risultato dell’esperimento è
il punteggio riportato sulla faccia rivolta verso l’alto del dado.
Quindi, Ω può essere scritto come {1, 2, 3, 4, 5, 6}.
ti à
L’evento A = “Esce un numero pari”, ovvero = {2, 4, 6} è un esempio di
evento composto, costituito da 3 eventi elementari.
s
L’evento B = “Esce un numero maggiore di 4”, ovvero = {5, 6} è un altro
r
e
esempio di evento composto, costituito da 2 eventi elementari.
i v
U n
t
Teoria degli insiemi e algebra degli eventi
d i
t u
i S
L’insieme vuoto si indica con ∅ ed è detto evento impossibile (non
si può mai realizzare)
g l
de
L’unione di due eventi A e B si indica con A ∪ B ed è l’insieme degli
eventi elementari che appartengono ad A o a B o a entrambi.
L’intersezione di due eventi A e B si indica con A ∩ B ed è l’insieme
ti à
degli eventi elementari che appartengono sia ad A sia a B.
Due eventi si dicono disgiunti o incompatibili o mutuamente
r s
esclusivi se la loro intersezione è vuota: A ∩ B = ∅
v e
con Ā si indica l’evento complementare di A, ossia l’evento
costituito da tutti gli eventi elementari di Ω che non stanno in A.
i
A è cioè quell’evento tale che A ∪ Ā = Ω e A ∩ Ā = ∅
n
t U
Unione e intersezione di eventi
d i
t u
8 Capitolo 1
i S
Ω
g l Ω
de
...........
....... ...........
..... ...
... ...
... ...
.................
........................................
.... ... .......... .......... ..........
... ... ............... ...................... ........
........
.......
A ...... ...... ......
.... ... ...... ..... ... .....
.....
A
.
... ... .... .....
ti à
... . .
.
.. .
...
. ... ... ........................................................................
B
... . ... . ...... ... .. .. .. ............
... .
. .... .... .....
........... ... ........
... .
...
.
... .. ... ........ .
...
......
... ... ..
. ....
.....
..........
...
....... ...........
...
.....
......
........ ... ..
..
.
....
.. ...
...
.....
....
....
....
A∩B ...
.
.
..
... B ...
...
.
..
............................................... .....
...... .
...... .........
.
.......
s
........ ........ ...
.. .....
.
.......... ...........
.
... .......
.......
..
...............
.................. .. .
...............................................................................................................
e r
i v
Figura 1.1 Diagrammi di Venn (ovvero rappresentazioni di insiemi su di un piano
attraverso linee chiuse). A sinistra la rappresentazione di due insiemi disgiunti:
n
A ∩ B = ∅ (quindi P (A ∪ B) = P (A) + P (B)) e a destra il caso di due insiemi con
intersezione non vuota A ∩ B $= ∅ (allora P (A ∪ B) = P (A) + P (B) − P (A ∩ B)).
U
ttutto quello che non è A, cioè: “domani non sarà nuvoloso”. In particolare vale
Alessandro Barbiero2 (EMA at UNIMI) Statistica: Probabilità a.a. 2020/2021 6 / 52
Unione e intersezione di eventi
d i
t u
i S
g l
de
ti à
r s
v e
n i
t U
Evento complementare
d i
t u
i S
g l
de
ti à
r s
v e
n i
t U
Teoria degli insiemi e algebra degli eventi
d i
t u
i S
Leggi di De Morgan:
g l
A∩B =A∪B
de
ti à
Il complementare dell’intersezione è l’unione dei complementari
r s A∪B =A∩B
e
Il complementare dell’unione è l’intersezione dei complementari
i v
U n
t
Impostazioni della probabilità
d i
t u
S
Diverse impostazioni del concetto di probabilità: qui ne vediamo le quattro
i
principali.
g l
Impostazione classica: presuppone che si conosca in anticipo Ω e che gli
eventi elementari che lo compongono siano equiprobabili. La probabilità di
de
un evento A è allora data da
numero di esiti favorevoli ad A
P(A) =
ti à
numero di esiti possibili
s
Esempio: lancio di un dado non truccato. La probabilità che esca un
punteggio pari è
e r 3 1
i v P(A) = P({2, 4, 6}) =

6
= = 0.5
2
Ω
U n
perché 6 sono gli esiti possibili, cioè gli eventi elementari (equiprobabili) di
t
d i
t u
i S
Impostazione frequentista: si utilizza quando non è possibile stabilire a
g l
priori l’equiprobabilità degli eventi elementari. La probabilità in un evento
A è uguale alla frequenza relativa con cui si verifica A in una sequenza
de
infinita di prove dell’esperimento:
nA
P(A) = lim
ti à
n→∞ n
dove nA è il numero di volte che si è verificato A ed n è il numero delle
r s
prove (identiche) dell’esperimento.
In pratica,
v e P(A) ≈
nA
n i
con n sufficientemente grande.
n
t U
d i
t u
i S
g l
Impostazione soggettivista: la probabilità si definisce come il grado di
de
fiducia che si ha circa la possibilità di un evento. La probabilità dipenderà
dalle informazioni disponibili e quindi in generale sarà diversa da soggetto
ti à
a soggetto.
Formalmente, la probabilità di un evento A è il prezzo che un giocatore
se A non si verifica.
r s
razionale (coerente) è disposto a pagare per ricevere 1 se A si verifica e 0
v e
n i
t U
d i
t u
i
Impostazione assiomatica: la probabilità non viene qui definita in modo S
o “assiomi”
g l
“operativo”, le viene solo richiesto di soddisfare ai tre seguenti “requisiti”
de
I tre assiomi di Kolmogorov:
1 Per ogni evento A: P(A) ≥ 0
P(Ω) = 1
ti à
2
3 Se A e B sono due eventi incompatibili, P(A ∪ B) = P(A) + P(B)
r s
Il primo assioma ci dice che la probabilità è sempre non negativa.
v e
Il secondo che la probabilità dell’intero spazio campionario è 1.
Il terzo che la probabilità di due eventi incompatibili è uguale alla somma
i
delle probabilità dei due eventi.
n
t U
d i
t u
Conseguenze dei tre assiomi di Kolmogorov:
1 P(∅) = 0 (Ω = Ω ∪ ∅, 1 = P(Ω) = P(Ω) + P(∅))
i S
2 P(A) = 1 − P(A) (Ω = A ∪ A, 1 = P(Ω) = P(A) + P(A))
g l
de
3 Se A ⊂ B, P(A) ≤ P(B) (B = A ∪ B \ A, P(B) = P(A) + P(B \ A))
4 Per un qualsiasi evento A, 0 ≤ P(A) ≤ 1 essendo A ⊂ Ω
ti à
5 Principio delle probabilità totali: se A e B sono due eventi
qualsiasi, P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
6
r s
Se A e B sono due eventi qualsiasi, P(A ∪ B) ≤ P(A) + P(B)
Se si hanno n eventi A1 , A2 , . . . , An a due a due incompatibili
v e
(Ai ∩ Aj = ∅ ∀i 6= j), P( ni=1 Ai ) = ni=1 P(Ai )
S P
8
S
n i
Se tali eventi non sono a due a due incompatibili,
P( ni=1 Ai ) ≤ ni=1 P(Ai )
P
U
Sn
Nota: i=1 Ai = A1 ∪ A2 ∪ · · · ∪ An
t
Principio delle probabilità totali
d i
t u
i S
g l
de
ti à
r s
v e
n i
t U
Esempio
d i
Un esperimento casuale consiste nel lanciare due dadi regolari insieme e
registrarne il punteggio sulla faccia superiore. Dopo aver determinato lo spazio
t u
degli eventi elementari, calcolare la probabilità dei seguenti eventi:
i S
1 A = “I due punteggi sono uguali”
B = “I due punteggi danno somma 5”
g l
de
2
3 C = “Un punteggio è doppio dell’altro”
ti à
4 D = “Entrambi i punteggi sono dispari”
5 A∩D
6 A∪D
r s
e
Lo spazio degli eventi elementari è
v
i

Ω = (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
U n
(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)
t
Esempio
d i
t u
S

Ω = (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
l i
(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)
g
de
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
Numero di eventi elementi favorevoli ad A 6
P(A) = = = 1/6 = 0.167
Numero di eventi possibili 36
ti à
B = {(1, 4), (2, 3), (3, 2), (4, 1)}
s
4
P(B) = = 1/9 = 0.111
e r 36
C = {(1, 2), (2, 1), (2, 4), (3, 6), (4, 2), (6, 3)}
i v P(C ) =
6
36
= 1/6 = 0.167
U n D = {(1, 1), (1, 3), (1, 5), (3, 1), (3, 3), (3, 5), (5, 1), (5, 3), (5, 5)}
P(D) =
9
= 1/4 = 0.25
t
Alessandro Barbiero (EMA at UNIMI)
36
Statistica: Probabilità a.a. 2020/2021 17 / 52

Esempio
d i
t u
i
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
S
l
D = {(1, 1), (1, 3), (1, 5), (3, 1), (3, 3), (3, 5), (5, 1), (5, 3), (5, 5)}
g
de
A ∩ D = {(1, 1), (3, 3), (5, 5)}
3
ti à
P(A ∩ D) = = 1/12 = 0.083
36
A∪D =
r s
e
{(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6), (1, 3), (1, 5), (3, 1), (3, 5), (5, 1), (5, 3)}
v
P(A ∪ D) =
n i 12
36
= 1/3 = 0.333 = P(A) + P(D) − P(A ∩ D) = 1/6 + 1/4 − 1/12
t U
Probabilità condizionata
d i
t u
i S
Definizione 1.1
g l
de
Dati due eventi A e B, con P(B) > 0, si definisce la probabilità di A
condizionata a B come:
ti à
P(A ∩ B)
P(A|B) =
P(B)
r s
Se P(A|B) 6= P(A) significa che sapere che B si è verificato modifica la
v e
probabilità di A; cioè il verificarsi di B influenza la probabilità di A. In caso
contrario, si parla di indipendenza di A da B.
n i
t U
Indipendenza stocastica
d i
t u
i S
Definizione 1.2
g l
de
C’è indipendenza stocastica di A da B se e solo se
P(A|B) = P(A)
ti à
In realtà l’indipendenza è un concetto “simmetrico”, cioè se A è
r s
indipendente da B anche B è indipendente da A, per cui possiamo
considerare la prossima definizione alternativa di indipendenza tra due
eventi...
v e
n i
t U
Indipendenza
d i
t u
Nel caso di indipendenza, dalla definizione 1.1 segue che
P(A ∩ B) = P(A|B)P(B) = P(A)P(B), pertanto
i S
Definizione 1.3
g l
de
Due eventi A e B sono tra di loro indipendenti se e solo se
P(A ∩ B) = P(A) · P(B),
ti à
cioè quando la probabilità della loro intersezione è uguale al prodotto delle
due probabilità.
r s
WARNING!
v e
tra eventi!
n i
Attenzione a non confondere i concetti di indipendenza e incompatibilità
t U
Indipendenza
d i
t u
i S
g l
de
Sfruttando la definizione di probabilità condizionata, si può sempre
scrivere:
ti à
Definizione 1.4
P(A ∩ B) = P(A|B)P(B) = P(B|A)P(A)
r s
v e
n i
t U
Esempio
d i
Si consideri il lancio di un dado regolare. Calcolare
t u
1 la probabilità che esca un numero pari
i S
la probabilità che esca un numero pari sapendo che è uscito un numero più
l
2
piccolo di 5
g
la probabilità che esca un numero pari sapendo che è uscito un numero più
de
3
piccolo di 4
Si ha:
ti à
A = “Esce un numero pari” = {2, 4, 6},
B = “Esce un numero < 5” = {1, 2, 3, 4} e
s
C = “Esce un numero < 4” = {1, 2, 3}.
Allora
1 P(A) = 3
6
e r
= 1/2 = 0.5
iv
P(A|B) = P(A∩B) 2/6
2
P(B) = 4/6 = 0.5, essendo A ∩ B = {2, 4}. Quindi A e B sono
U
3
n indipendenti!
P(A|C ) = P(A∩C ) 1/6
P(C ) = 3/6 = 0.333, essendo A ∩ C = {2}. Quindi A e C non
t
sono indipendenti: sapere che si è verificato C , fa diminuire la probabilità di
A
Esercizio (vedi Es.1.4 libro)
d i
t u
i S
Siano A e B due eventi di Ω tali che P(A) = 0.5 e P(B) = 0.4.
g l
de
Determinare P(A ∩ B), P(A ∪ B) e P(A ∩ B) nel caso in cui:
1 A e B sono eventi incompatibili
ti à
2 A e B sono eventi indipendenti
3 B⊂A
4 P(A|B) = 0.6
r s
v e
n i
t U
Esercizio (vedi Es.1.4 libro)
d i
t u
S
Siano A e B due eventi di Ω tali che P(A) = 0.5 e P(B) = 0.4.
1
P(A ∪ B) = P(A) + P(B) = 0.9. Per de Morgan,

l i
Se A e B sono incompatibili, per definizione P(A ∩ B) = 0 e quindi
P(A ∩ B) = P(A ∪ B) = 1 − P(A ∪ B) = 1 − 0.9 = 0.1

g
de
2 Se A e B sono indipendenti, allora P(A ∩ B) = P(A) · P(B) = 0.2 e
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.5 + 0.4 − 0.2 = 0.7.
ti à
P(A ∩ B) = P(A ∪ B) = 1 − P(A ∪ B) = 1 − 0.7 = 0.3
3 Se B ⊂ A, cioè se B è tutto contenuto in A, allora
r s
P(A ∩ B) = P(B) = 0.4 e P(A ∪ B) = P(A) = .5.
P(A ∩ B) = P(A ∪ B) = 1 − P(A ∪ B) = 1 − 0.5 = 0.5
4
v e
0.6 = P(A|B) = P(A ∩ B)/P(B) = P(A ∩ B)/0.4 → P(A ∩ B) =
n i
0.6 · 0.4 = 0.24 e quindi
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.5 + 0.4 − 0.24 = 0.66.
t U P(A ∩ B) = P(A ∪ B) = 1 − P(A ∪ B) = 1 − 066 = 0.34

Partizione
d i
t u
i S
g l
de
Definizione 1.5
n eventi A1 , A2 , . . . , An costituiscono una partizione di Ω se e solo se
Sn
ti à
i=1 Ai = Ω
1
2 Ai ∩ Aj = ∅ ∀i 6= j
s
cioè se la loro unione dà Ω e se sono a due a due incompatibili.
r
v e
n i
t U
Partizione
d i
t u
i S
g l
de
ti à
r s
v e
n i
t U
Partizione
d i
t u
i S
sempre scrivere
g l
Dato un qualsiasi evento E ed una partizione A1 , A2 , . . . , An di Ω, si può
de
n
[
E = (E ∩ A1 ) ∪ (E ∩ A2 ) ∪ · · · ∪ (E ∩ An ) = E ∩ Aj
ti à
j=1
In particolare, dato un evento A di Ω si può scrivere
r s E = (E ∩ A) ∪ (E ∩ A)
v e
i
dato che A e A costituiscono una partizione di Ω.
U n
t
Partizione
d i
t u
i S
g l
de
ti à
r s
v e
n i
In questo esempio,
E = (E ∩ A) ∪ (E ∩ A)
t U
Partizione
d i
t u
i S
g l
de
ti à
r s
v
In questo esempio, e
n i
E = (E ∩ A1 ) ∪ (E ∩ A2 ) ∪ (E ∩ A3 ) ∪ (E ∩ A4 ) ∪ (E ∩ A5 ) ∪ (E ∩ A6 )
t U
e si ha che E ∩ A6 = ∅
Teorema di Bayes
d i
t u
i S
g l
de
Teorema 1.1
Se A1 , A2 , . . . , An costituiscono una partizione di Ω ed E è un evento
qualsiasi in Ω, allora
P(Aj |E ) =
P(E ∩ Aj )
ti à
= Pn
P(E ∩ Aj )
= Pn
P(E |Aj )P(Aj )
s
P(E )
r
i=1 P(E ∩ Ai ) i=1 P(E |Ai )P(Ai )
v e
n i
t U
Teorema di Bayes
d i
t u
i S
g l
Gli eventi Aj possono essere interpretati come le possibili cause dell’evento
E . Il teorema risponde alla domanda “Qual è la probabilità, dato che si è
de
verificato E , che sia stato Aj a causarlo?”
P(Aj ) è la probabilità a priori di Aj , nota appunto a priori.
P(Aj |E ) è la probabilità a posteriori di Aj
ti à
Si sfrutta quindi l’informazione che si è verificato E per aggiornare la
probabilità dell’evento Aj , passando dalla probabilità a priori a quella a
posteriori (condizionata).
r s
v e
Nota: devono essere conosciute a priori anche le probabilità P(E |Aj )
(probabilità che Aj causi E ).
n i
t U
Esercizio su teorema di Bayes
d i
t u
i S
g l
de
ti à
E’ noto che due virus A e B possono provocare una certa patologia E . I due virus
r s
non possono convivere nello stesso organismo. Il virus A è presente nel 30% dei
casi, il virus B nel 70% dei casi. La probabilità che si sviluppi la patologia E a
v
Con quale probabilità e
seguito di un’infezione da virus A è 2%, mentre per il virus B è del 10%.
n i
preso a caso un individuo dalla popolazione degli infetti, l’individuo sviluppa
la patologia E ?
t U sapendo che l’individuo infetto ha sviluppato la patologia E , risulta infettato

dal virus A?
d i
t u
i S
g l
de
ti à
r s
v e
n i
t U
d i
t u
Abbiamo
i S
P(A) = 0.3, P(B) = 0.7
P(E |A) = 0.02, P(E |B) = 0.1
g l
de
quindi, per la legge delle probabilità totali (A1 e A2 adesso sono A e B)
ti à
P(E ) = P(A ∩ E ) + P(B ∩ E ) = P(A)P(E |A) + P(B)P(E |B)
= 0.3 · 0.02 + 0.7 · 0.1 = 0.006 + 0.07 = 0.076
r
Applicando la formula di Bayes s
v e P(A ∩ E ) 0.006
n i P(A|E ) =
P(E )
=
0.076
= 0.079
t U
Schemi di estrazione
d i
t u
i S
estrarre n. Ciò si può fare in due modi:
g l
Consideriamo un’urna contenente N palline numerate da cui se ne vogliano
de
senza reinserimento: a ogni estrazione la pallina estratta non viene
reinserita nell’urna, che cambia “composizione” dopo ogni estrazione.
Il numero di palline che si possono estrarre sarà sempre ≤ N
ti à
con reinserimento: dopo ogni estrazione la pallina estratta viene
r s
reinserita nell’urna, che mantiene quindi immutata la sua
composizione di estrazione in estrazione. n può essere qualsiasi intero
≥ 1, anche > N
v e
i
E’ possibile anche tener conto o meno dell’ordine di estrazione...
n
t U
Esempio
d i
Si considerino i due schemi di estrazione, con e senza reinserimento, di
t u
n = 2 palline in un’urna contenente N = 3 palline numerate da 1 a 3. Per
i S
conto dell’ordine di estrazione.
g l
ciascuno schema, considerare i due casi in cui si tiene conto o non si tiene
de
Estrazione senza reinserimento
Tenendo conto dell’ordine, Ω = {(1, 2), (1, 3), (2, 3), (2, 1), (3, 1), (3, 2)}.
La cardinalità di Ω è in generale data dalla formula
ti à
N(N − 1)(N − 2) . . . (N − n + 1), in questo caso 3 · 2 = 6
r s
Non tenendo conto dell’ordine (in questo caso, si parla di estrazione in
blocco), Ω = {(1, 2), (1, 3), (2, 3)}.
v e N
!
i
La cardinalità di Ω è in generale data dalla formula , in questo caso
n
n
!
3
=3
t U
2

Coefficiente binomiale
d i
t u
Il “coefficiente binomiale di N su n” è dato da
i S
N
n
!
=
N!
n!(N − n)!
g l
dove n! si legge “n fattoriale” ed è dato da
de
ti à
n! = n · (n − 1) · (n − 2) · 2 · 1
r s
e rappresenta il numero di permutazioni di n oggetti, cioè il numero di
e
modi! in cui si possono ordinare n oggetti.
v
N
n
n i
rappresenta il numero di possibili combinazioni di N oggetti presi
n a n (a gruppi di n).
t U
Coefficiente binomiale
d i
Nota: per convenzione si ha 0! = 1. t u
Si ricorda inoltre la proprietà di “simmetria” del coefficiente binomiale:
i S
N
!
=
N
!
g l
de
N −k k
da cui, in particolare,
ti à
! ! ! !
N N N N
= = 1; = =N
0
r s N N −1 1
Esempio:
v e
n i 8
3
!
=
8!
3!5!
=
8 · 7 · 6 · 5!
3!5!
=
8·7·6
3·2·1
=
8·7·6
6
= 56
t U
Estrazione
d i
t u
Estrazione con reinserimento
i S
Tenendo conto dell’ordine,
g l
Ω = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)}.
de
La cardinalità di Ω è in generale data dalla formula N n , in questo caso
32 = 9
ti à
Non tenendo conto dell’ordine,
Ω = {(1, 1), (1, 2), (1, 3), (2, 2), (2, 3), (3, 3)}.
s
!
N +n−1
3+2−1
!
e r
La cardinalità di Ω è in generale data dalla formula
4
!
4!
n
, in
questo caso
i v 2
=
2
=
2!2!
=6
U n
t
Principio delle probabilità composte - caso generale
d i
Abbiamo visto che P(A ∩ B) = P(A|B)P(B) = P(B|A)P(A). Più in
t u
S
generale, nel caso di intersezione tra n eventi qualsiasi A1 , A2 , . . . , An , si
i
l
può scrivere
n
g
de
\
P( Ai ) = P(A1 ) · P(A2 |A1 ) · P(A3 |A1 ∩ A2 ) · · · · · P(An |A1 ∩ · · · ∩ An−1 )
i=1
ti à
r s
v e
n i
t U
Estrazione: esempio
d i
Un’urna contiene 10 palline: 6 rosse e 4 nere. Si estraggono 3 palline con
t u
reinserimento: qual è la probabilità che siano tutte rosse?
i
Essendo l’estrazione con reinserimento, l’urna mantiene invariata la composizione S
dello stesso esperimento (estrazione di una pallina da un’urna):
g l
ed è come se avessi tre estrazioni indipendenti, ovvero tre ripetizioni identiche
de
3 3
3 6 3 27
P(R1 ∩R2 ∩R3 ) = P(R1 )P(R2 )P(R3 ) = P(R) = = = = 0.216
10 5 125
ti à
Si estraggono 3 palline senza reinserimento: qual è la probabilità che siano
s
tutte rosse?
e r
Essendo l’estrazione senza reinserimento, l’urna cambia la composizione dopo
ogni estrazione. La probabilità cercata possiamo calcolarla sfruttando il concetto
v
di probabilità condizionata.
n i
P(R1 ∩R2 ∩R3 ) = P(R3 |R2 ∩R1 )P(R2 |R1 )P(R1 ) =
4 5 6
· · =
4·5·6 1
= ≈ 0.167
t U
Alessandro Barbiero (EMA at UNIMI) Statistica: Probabilità
8 9 10 8 · 9 · 10 6
a.a. 2020/2021 42 / 52
Estrazione: esempio
d i
t u
i S
Si estraggono 3 palline senza reinserimento: qual è la probabilità che siano
tutte rosse?
Si può risolvere anche
in
g l
questo modo: le possibili combinazioni di 10 palline
de
10
prese a 3 a 3 sono ; le combinazioni ”favorevoli” (cioè di 3 palline tutte
3
6
ti à
rosse) sono . Quindi la probabilità cercata è
3
s

6
p= =
3
10
6! 3!7!
·
e
3!3! 10! r =
6 · 5 · 4 · 3!
3!3!
3!7!
10 · 9 · 8 · 7!
=
6·5·4
10 · 9 · 8
= 0.167
i v
U n
t
Poker
d i
Es. quante sono le possibili “mani” che si possono ottenere con un mazzo
t u
di 52 carte da poker?
i S
g l
de
ti à
r s
Combinazioni di 52 carte prese 5 a 5:
e
iv
!
52 52! 52 · 51 · 50 · 49 · 48 · 47! 52 · 51 · 50 · 49 · 48
= = =
5 5!47! 5!47! 5!
U n =
52 · 51 · 50 · 49 · 48
120
= 2.598.960
t
Poker
d i
Qual è la probabilità di avere in mano un poker d’assi?
t u
i S
g l
de
ti à
E = {Poker d’assi} , P(E ) =?
equiprobabili.
r s
So che le possibili “mani” (che costituiscono Ω) sono 2.598.960 e sono
e
Quante sono le “mani” (cioè, i casi) favorevoli a E ?
v
n i
Sono 48, perché in mano devo avere
48 carte (a esser precisi, 44 · 48

1

).
i 4 assi e una qualsiasi delle rimanenti
t U |E |
Quindi P(E ) = |Ω| 48
= 2.598.960 ≈ 0.0000185 (una probabilità su 54.145).
NB: con |E | talvolta si indica la cardinalità di E
Perché non conviene giocare al Lotto
d i
Pensiamo alle estrazioni del gioco del Lotto. Vengono estratte 5 palline
t u
(numerate) da un’urna
S
che ne contiene 90. Quindi, ad ogni estrazione possono
i
essere estratte 90
l

5 possibili cinquine. Vediamo cosa vuol dire

90 90! 90 · 89 · 88 · 87 · 86
g
de
= = = 43.949.268
5 85! · 5! 5·4·3·2
Quindi se puntiamo su una “cinquina secca”, la probabilità di vincere è
ti à
praticamente nulla (e verremmo pagati 6 milioni di volte la posta, anzi
5.640.000).
r s
v e
n i
t U
Perché non conviene giocare al Lotto
d i
t u
i S
Qual è invece la probabilità di fare ambo?
g l
Calcoliamo il numero di casi favorevoli (cioè il numero delle cinquine che ci fanno
de
fare ambo): i due numeri su cui ho puntato li tengo fissi, e considero tutte le
possibili combinazioni dei rimanenti 88 numeri presi 3 a 3
La probabilità risulta allora
2
88
2 · 3
ti à
88!
85!3! 5! 2 1
s
P(ambo) = 90 = 90!
= = =
90 · 89 · 3!

801 400.5
e r 5 85!5!
(P.S.: l’ambo viene pagato 250 volte la posta, meno le trattenute del 6%...)
i v
U n
t
Esercizio
d i
t u
i S
Siano A e B due eventi tali che P(A) = 0.7 e P(B) = 0.4
A e B possono essere incompatibili? Perché?
g l
de
Supponiamo che A e B siano indipendenti. Calcolare
1 P(A|B)
ti à
2 P(B|A)
3 P(A ∪ B)
s
4 P(A)
P(B)
r
5
e
6 P(A|B)
v
7 P(B|A)
n i
t U
Esercizio
d i
t u
i S
g l
de
A e B possono essere incompatibili? Perché?
ti à
Se A e B fossero incompatibili, allora si avrebbe
P(A ∪ B) = P(A) + P(B) = 0.7 + 0.4 = 1.1 > 1, che andrebbe contro una
delle conseguenze dei tre assiomi di Kolmogorov (P(A) dev’essere ≤ 1 per
r s
qualsiasi A in Ω!). Quindi no, A e B non possono essere incompatibili.
v e
n i
t U
Esercizio
d i
t u
Supponiamo che A e B siano indipendenti. Calcolare
i S
P(A|B) = P(A) = 0.7 (A è indipendente da B!)
l
1
2 P(B|A) = P(B) = 0.4 (B è indipendente da A!)

g
de
3 P(A ∪ B) = P(A) + P(B) − P(A ∩ B) =
P(A) + P(B) − P(A) · P(B) = 0.7 + 0.4 − 0.7 · 0.4 = 0.82
ti à
4 P(A) = 1 − P(A) = 1 − 0.7 = 0.3
5 P(B) = 1 − P(B) = 1 − 0.4 = 0.6
6
r s
P(A|B) = P(A ∩ B)/P(B) = P(A ∪ B)/P(B) =
(1 − P(A ∪ B))/P(B) = 0.18/0.6 = 0.3
7
v e
P(B|A) = P(B ∩ A)/P(A) = P(B ∪ A)/P(A) =
n i
(1 − P(B ∪ A))/P(A) = 0.18/0.3 = 0.6
Nota: P(A|B) = P(A) e P(B|A) = P(B): cioè, A e B sono indipendenti.
t U
Questo risultato si può mostrare che è valido in generale, cioè se A e B
sono indipendenti, lo sono anche A e B.
Esercizio
d i
t u
A Gianni ogni tanto piace andare al cinema del suo paese, che ogni sera proietta
i S
un film diverso: per il 50% dei casi si tratta di film d’autore, per il 30%
commedie, per il 20% film dell’orrore. Se la sera viene proiettato un film d’autore,
g l
Gianni - che si annoia facilmente - va a vederlo con una probabilità del 10%; se
c’è un commedia, Gianni va a vederla con una probabilità del 50%; se c’è un
de
horror Gianni va a vederlo con una probabilità dell’80%.
Ieri sera Gianni era al cinema: con che probabilità ha visto una commedia?
ti à
r s
v e
n i
t U
Esercizio
d i
t u
i S
E = “Gianni va al cinema”
A1 = “Film d’autore”
A2 = “Commedia”
P(A1 ) = 0.5
P(A2 ) = 0.3
g l
P(E |A1 ) = 0.1
P(E |A2 ) = 0.5
de
A3 = ”Horror” P(A3 ) = 0.2 P(E |A3 ) = 0.8
P(E |A2 )P(A2 )
ti à
Cerco P(A2 |E ) = , con
P(E )
P(E ) = P(A1 ∩ E ) + P(A2 ∩ E ) + P(A3 ∩ E )
r s
= P(E |A1 )P(A1 ) + P(E |A2 )P(A2 ) + P(E |A3 )P(A3 )
e
= 0.1 · 0.5 + 0.5 · 0.3 + 0.8 · 0.2 = 0.05 + 0.15 + 0.16 = 0.36
Quindi, P(A2 |E ) =
n iv P(E |A2 )P(A2 )

P(E )
=
0.15
0.36
=
5
12
≈ 0.417
t U

Probabilità

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Probabilità

Caricato da

Copyright:

Formati disponibili

d i

i v P(A) = P({2, 4, 6}) =

3 Se A e B sono due eventi incompatibili, P(A ∪ B) = P(A) + P(B)

3 C = “Un punteggio è doppio dell’altro”

Statistica: Probabilità a.a. 2020/2021 17 / 52

P(A ∩ B) = P(A) · P(B),

P(A ∪ B) = P(A) + P(B) = 0.9. Per de Morgan,

P(A ∩ B) = P(A ∪ B) = 1 − P(A ∪ B) = 1 − 0.9 = 0.1

t U P(A ∩ B) = P(A ∪ B) = 1 − P(A ∪ B) = 1 − 066 = 0.34

Alessandro Barbiero (EMA at UNIMI) Statistica: Probabilità a.a. 2020/2021 25 / 52

In particolare, dato un evento A di Ω si può scrivere

t U sapendo che l’individuo infetto ha sviluppato la patologia E , risulta infettato

Alessandro Barbiero (EMA at UNIMI) Statistica: Probabilità a.a. 2020/2021 37 / 52

Quindi se puntiamo su una “cinquina secca”, la probabilità di vincere è

2 P(B|A) = P(B) = 0.4 (B è indipendente da A!)

P(E |A2 )P(A2 )

P(E ) = P(A1 ∩ E ) + P(A2 ∩ E ) + P(A3 ∩ E )

n iv P(E |A2 )P(A2 )

Potrebbero piacerti anche