Sei sulla pagina 1di 20

Appunti introduttivi al Calcolo delle Probabilità per il corso di Statistica I – 2° modulo * corsi A e D, a.a. 2002 - 03

Esperimenti casuali 1

a cura di Bruno Cheli

E' ovvio che la teoria delle probabilità consideri solo fatti ed esperimenti casuali dove, in questo contesto, per fatto o esperimento casuale si intende qualsiasi avvenimento suscettibile di manifestazioni secondo una pluralità di alternative e del quale non è noto l'esito. Sarebbe infatti del tutto illogico, oltre che inutile, considerare in termini probabilistici un avvenimento che ammetta un solo esito possibile, in quanto tale esito rappresenta senz'altro l'evento certo. Del resto sarebbe altrettanto inutile considerare negli stessi termini un avvenimento del quale si conosce l'esito e sul quale non esiste quindi nessuna incertezza. Fatti o esperimenti casuali, in quanto caratterizzati da una pluralità di alternative, sono quindi il lancio di una moneta o di un dado, 1000 lanci di una moneta o di un dado, il sesso di un nascituro, l'altezza di una persona, ecc. Tuttavia per poter definire in termini matematici un fatto o un esperimento casuale è necessario definire esattamente quella pluralità di alternative che rappresenta in pratica l'insieme dei suoi risultati possibili. La definizione rigorosa dei risultati possibili altro non è che un procedimento di astrazione che traduce tale fatto o esperimento casuale in un fatto o esperimento casuale idealizzato. In molti casi il procedimento è estremamente semplice, se non addirittura banale; per esempio, per quanto riguarda il lancio della moneta o di un dado, è immediato che i risultati possibili siano rispettivamente 2 (testa e croce) e 6 (quante sono le facce del dado). In altri casi, invece, la determinazione dei risultati possibili è un procedimento più complesso e molto meno immediato. Ad esempio, l'altezza di una persona è un fatto casuale che ha come risultato un numero senz'altro positivo ma del quale non è noto l'estremo superiore. Volendo essere - ma solo in apparenza - realistici, si potrebbero supporre possibili solo altezze non superiori a 2,5 metri; tuttavia anche in questo caso si commetterebbe l'assurdo di considerare possibili altezze sino a 2,5 metri ed impossibili altezze di 2,5 metri più un millimetro.

* I presenti appunti non hanno alcuna pretesa di essere un’opera originale, avendo il solo scopo di servire da supporto allo studente, talvolta approfondendo, talvolta chiarendo o integrando argomenti già trattati sul libro di testo indicato per il corso. 1 Per questa parte si è fatto ampio riferimento alle dispense del Prof. L. Fattorini per il corso di Calcolo delle Probabilità all’Università di Siena negli anni ’80. Eventuali errori o inesattezze sono comunque da imputare esclusivamente al curatore dei presenti appunti.

In questa ed in situazioni analoghe è quindi conveniente (sebbene non vi sia nessuna regola prefissata al proposito) considerare come possibile qualsiasi valore positivo delle altezze, salvo assegnare poi probabilità pressoché nulle a valori che non sono assolutamente riscontrabili nella realtà.

Eventi e spazi campionari

Come già osservato, attraverso l'idealizzazione di un esperimento o di un fatto casuale si definisce in pratica l'insieme dei risultati possibili. Tale insieme è detto spazio campionario e sarà indicato con il simbolo S. In tal modo, ogni fatto o esperimento casuale viene rappresentato tramite il suo spazio campionario e, quindi, per descrivere da un punto di vista matematico un certo avvenimento casuale è sufficiente definire l'insieme S che gli corrisponde. I risultati possibili dell'esperimento sono gli elementi di S e sono detti eventi elementari ( o punti campione), in quanto non ulteriormente decomponibili in un numero qualsiasi di altri eventi. Tutti gli altri possibili eventi sono invece detti eventi composti, perché costituiti da un insieme di eventi elementari. Esempio: alcuni esperimenti casuali con i relativi spazi campionari

Esperimento

 

Spazio campionario

   

e 1 , e 2

Lancio di una moneta

S

= { T , C }

e 1 ,

, e 6

Lancio di un dado

S

= { 1, 2, 3, 4, 5, 6 }

Estrazione di una carta da un mazzo di 40

S

= { e 1 ,

, e 40 }

Doppio lancio di una moneta

S

= { ( T, T ), ( T, C ), ( C, T ), ( C, C ) }

Esempio di eventi composti

Nel lancio di un dado sono eventi composti:

E 1 = { Si verifica una faccia pari } = { 2, 4, 6 } E 2 ={ Si verifica una faccia 5 } = { 5, 6 }

In pratica ogni evento composto E, in quanto costituito da elementi di S, è un sottoinsieme dello

spazio campionario S; ovviamente anche ogni evento elementare e è un sottoinsieme di S che è costituito da un solo elemento. Quindi, usando la nota simbologia degli insiemi, dato in generale un

evento E, allora E S e si dice che tale evento si verifica se si verifica un evento elementare e

che gli appartiene, cioè e E. Ritornando all’ultimo esempio, l’evento E 1 = { faccia pari del dado } si verifica quando esce una qualsiasi delle 3 facce pari: 2, 4, 6.

Dato un esperimento casuale con relativo spazio campionario, quanti eventi (elementari e composti), si possono definire?

Esempio: Dato

S = { T, C }; tutti i suoi sottoinsiemi sono:

{ T };

{ C };

{ T, C } =

S;

;

E’ immediato constatare che sono 2 2 = 4

Esempio: Dato

S = { 1, 2, 3, 4, 5, 6 }; tutti i suoi sottoinsiemi sono:

{ 1 };

{ 2 };

;

{ 6 };

{ 1, 2 };

{ 1, 3 };

;

{ 1, 2, 3 };

Si dimostra che sono 2 n = 2 6 = 64

{ 1, 2, 4 };

;

S;

;

In generale, dato un qualsiasi spazio campionario S formato da n eventi elementari, tutti i possibili eventi (sottoinsiemi di S) che si possono definire, sono 2 n .

Operazioni logiche sugli eventi

Sulla base della teoria degli insiemi, consideriamo alcune operazioni logiche sugli eventi. Definizione: L'evento E è detto impossibile quando non contiene nessun evento elementare,

cioè

E = .

Ad esempio, nel lancio di un dado, l’evento che si verifichi una faccia contraddistinta da più di 7 punti è impossibile. Definizione: Poiché lo spazio campionario S è formato da tutti i possibili risultati dell'esperimento casuale, esso si verifica sempre e pertanto viene anche detto evento certo.

Definizione: Dati due eventi E 1 , E 2 S si dice che E 1 è uguale ad E 2 , cioè E 1 = E 2 se e solo se

Definizione:

e E 1 allora e E 2 e viceversa, ovvero quando il verificarsi di E 1 implica il verificarsi di E 2 e viceversa. Dato l'evento E S si dice evento complementare (o evento opposto) di E e si

indica con E' l'evento formato da eventi elementari e tali che ovvero E' è l'evento che si verifica se non si verifica E. In particolare segue che S' =

e E,

e E' ,

E'

E
E

S

Esempio:

Considerando il lancio di un dado, siano A = { 1, 3, 5 },

B = { 4, 6 }

 

si ha: A' = { 2, 4, 6 },

B' = { 1, 2, 3, 5 };

Si noti che per qualsiasi evento E si verificano sempre:

i)

ii)

E

E

E' = S; E' = ;

Definizione:

Dati n eventi E 1 , E 2 ,

, E n

è detto evento unione e si indica con E 1 E 2

oppure con

n

U =1 E i l'evento composto da quegli eventi elementari e tali che e

i

E n

n

U

=1 E i

i

allora

verifica almeno uno degli eventi E i .

e E 1

o

e E 2

o

o

e E n , ovvero l'evento che si verifica quando si

E 1 ∪ E 2 E 1 E 2
E 1 ∪
E 2
E 1
E 2

S

Definizione:

Dati n eventi E 1 , E 2 ,

, E n è detto evento intersezione e si indica con E 1 E 2

oppure con

n

I E i l'evento composto da quegli eventi elementari e tali che e

i=1

E n

n

I E i

i=1

allora e ∈ E 1 ed e ∈ E 2 ed ed e ∈ E
allora e ∈ E 1
ed
e ∈ E 2
ed
ed e ∈ E n , ovvero l'evento che si verifica quando si
verificano tutti gli eventi E i .
E 1 ∩
E 2
S
E
1
E
2

Esempio:

( lancio di un dado )

 

Dati gli eventi

A = { 1, 3, 5 },

B = { 3, 4, 5, 6 } A B = { 3, 5 }

 

Si ha:

A B = { 1, 3, 4, 5, 6 },

Si noti che:

A B accade quando si verificano simultaneamente sia A che B, dal momento che è formato dagli eventi elementari in comune ad A e B; pertanto, l'evento (A B ) si può indicare indifferentemente anche con ( A e B ).

A B accade non soltanto quando si verificano A e B simultaneamente, ma anche quando si verifica uno soltanto dei due eventi; esso si può indicare indifferentemente anche con ( A o B ).

Definizione:

Due eventi E 1 , E 2 S sono detti incompatibili se E 1 E 2 = , ovvero quando il verificarsi di E 1 esclude il verificarsi di E 2 e viceversa.

E 1
E 1
E 2
E 2

S

Esempio:

Dati gli eventi risulta che

A = { 1, 3, 5 },

B = { 4, 6 },

C = { 1, 2, 3 }

 

A

B

= ;

A

C = { 1, 3 };

B

C = ;

Pertanto solo gli eventi A e C risultano tra loro compatibili, mentre sia A che C risultano incompatibili con B.

Definizione:

Dati due eventi E 1 , E 2 S, si dice che E 2 implica E 1 e si indica con E 2 E 1 quando

E 2 è composta da eventi elementari e tali che e E 2 allora e E 1 , ovvero quando il verificarsi di E 2 comporta anche il verificarsi di E 1 .

Esempio:

Definizione:

Definizione:

Definizione:

E 1 E 2
E 1
E 2

S

Nel lancio di un dado, l’evento E 2 = {2, 4} implica che si verifichi una faccia pari data dall’evento E 1 = {2, 4, 6}.

Dati due eventi E 1 ed E 2 , è detto evento differenza e si indica con E 1 E 2 l'evento

composto da quegli eventi elementari e tali che se e E 1 allora e E 2 ovvero l'evento che si verifica se si verifica E 1 e non E 2 . Ovviamente se E 1 E 2 allora E 1 E 2 = ; se E 1 ed E 2 sono disgiunti, allora

E 1 E 2 = E 1 mentre se E 2 E 1 allora E 1 E 2 è detta differenza propria; è inoltre

ovvio che E S, E E = .

, E n essi sono detti incompatibili se per ogni coppia di eventi , n ) si verifica che E i E j = , ovvero quando il verificarsi di

Dati n eventi E 1 , E 2 , E i , E j ( i, j = 1, 2,

un evento esclude il verificarsi dei rimanenti n-1. Ovviamente gli eventi elementari sono tra loro incompatibili poiché il verificarsi dell'uno esclude il verificarsi dell'altro.

E 2 E 3 E 1
E 2
E 3
E 1

S

Dati n eventi E 1 , E 2 ,

, E n essi sono detti esaustivi se

n

U =1 E i = S, ovvero quando uno
i

degli n eventi si deve necessariamente verificare.

E 1 E 2 E 3
E 1
E 2
E 3

S

Definizione:

n eventi

esaustivi, ovvero quando si deve verificare sempre uno ed uno solo di tali eventi. E' ovvio che l'insieme degli eventi elementari è una partizione di S.

E 1 , E 2 ,

, E n

sono detti una partizione di S se sono incompatibili ed

E 1 E 2 E 3
E
1
E
2
E
3

S

Classificazione degli spazi campionari

Gli spazi campionari possono essere classificati a seconda che contengano un numero finito o un'infinità numerabile o non numerabile di eventi elementari.

Definizione: Lo spazio campionario S è detto finito se contiene un numero finito di eventi elementari. Tipico esempio di spazio campionario finito è quello associato al lancio di un dado, in quanto contiene 6 eventi elementari.

Definizione: Lo spazio campionario è detto numerabile se contiene un'infinità numerabile di eventi elementari. In pratica, lo spazio campionario è detto numerabile quando i suoi eventi elementari possono essere messi in corrispondenza biunivoca con i numeri naturali. Esempio: Supponiamo di lanciare in aria una moneta sino a che non si verifichi testa. Sia e i l'evento che testa sia apparsa all' i-esimo lancio per la prima volta.

} ovvero S è numerabile, in quanto formato da un

numero di eventi infinito, che può essere messo in corrispondenza biunivoca con i numeri naturali.

In tal caso S = { e i , i = 1, 2,

Definizione:

Lo spazio campionario è detto continuo se contiene un'infinità non numerabile di eventi elementari.

Lo spazio campionario relativo all'altezza di una persona è continuo in quanto contiene tutti i

possibili valori reali tra 0 e così come è continuo lo spazio campionario relativo al tiro al

bersaglio o quello relativo alle oscillazioni di un ago.

Le teorie della probabilità

La teoria delle probabilità ha un aspetto filosofico ed uno matematico.

L'approccio filosofico si chiede: che cos'è la probabilità?

La probabilità è un concetto primitivo, nel senso che non può essere definito senza ricorrere a

qualche sinonimo come verosimiglianza, plausibilità, possibilità.

Teoria classica (o della probabilità a priori o simmetrica - Wonnacott & Wonnacott )

Nacque in relazione allo studio dei giochi di azzardo che presentava problemi del tipo:

qual è la probabilità che il lancio di una moneta ben bilanciata ( cioè regolare o simmetrica )

dia come risultato 'testa' ?

Se si pensa che esistono due possibili risultati, i quali sono ugualmente plausibili, è ragionevole che

essi abbiano la stessa probabilità, cioè 1 2 .

Lancio di una moneta:

S = { T, C },

1

P(T) = P(C) = 2

Su questo ragionamento deduttivo si basa la definizione di Probabilità a priori:

Sia dato un esperimento casuale che può dar luogo ad n risultati incompatibili ed

ugualmente possibili.

Se n A di questi hanno l'attributo A, allora:

P(A) =

n A

n

=

numero dei casi favorevoli al verificarsi di A

numero dei casi possibili

dove P(A) indica la probabilità dell'evento A.

Esempio:

Lancio di un dado:

S = {1, 2, 3, 4, 5, 6},

3

P(A) = 6

=

oppure:

1

2

n = 6

A = {faccia pari},

n A = 3

A = {faccia} 5

A = {faccia} ≥ 5 n A = 2 Esempio: Estrazione di una carta da un

n A = 2

A = {faccia} ≥ 5 n A = 2 Esempio: Estrazione di una carta da un

Esempio:

Estrazione di una carta da un mazzo di 40:

S = { e 1 ,

, e 40 };

A = carta di cuori

P(A) =

n A

=

n Limiti della teoria classica

10

40

=

1

4

P(A) = 6 2

=

1

3

1)

La definizione si basa su un ragionamento circolare, in quanto il concetto di casi "ugualmente possibili" rimanda a quello di probabilità.

2)

La teoria classica non funziona in tutti quei casi in cui lo spazio campionario S non è formato da eventi ugualmente possibili; non ci aiuta, ad esempio, a calcolare la probabilità di ottenere "testa" con una moneta non bilanciata o la probabilità di una faccia pari con un dado truccato.

3) Più in generale, la teoria classica non si applica a tutti quei problemi in cui la probabilità di un evento non può essere dedotta in base ad un ragionamento.

- La probabilità che un bambino che nasce domani a Roma sia maschio.

- La probabilità che una persona di sesso maschile che oggi ha 10 anni viva almeno fino a 60 anni.

A problemi di questo tipo risponde invece la Teoria frequentista

Esempi:

Teoria frequentista

Nell'approccio frequentista la probabilità di un evento viene stabilita in base all'osservazione empirica, cioè in base alla frequenza relativa con cui tale evento si manifesta quando l'esperimento casuale viene ripetuto un numero abbastanza alto di volte (sempre in condizioni uniformi). Così, ad esempio, lanciando una moneta 100 volte potremmo osservare le seguenti frequenze relative: f T = 0,56 , f C = 0,44 che possiamo considerare come approssimazioni delle probabilità dei due eventi. Un simile procedimento induttivo è applicabile a maggior ragione al caso di una moneta non bilanciata o a quello di un dado truccato, per i quali la teoria classica non è utile. Supponiamo di voler prevedere se il primo bambino che nascerà in un certo luogo sarà maschio o femmina; si può pensare di assimilare la nascita di un bambino in quel luogo ad un esperimento casuale che si ripete in condizioni abbastanza uniformi.

Allora, se esaminando il registro delle nascite scopriamo che il 54% dei nati sono maschi, possiamo

prendere il numero 0,54 come approssimazione della probabilità che ci interessa.

Riassumendo, nell'impostazione frequentista quello che conta è che possiamo concepire una serie di

osservazioni o esperimenti in condizioni abbastanza uniformi; allora può essere postulata l'esistenza

di un numero P come la probabilità che l'evento A si verifichi e P può essere approssimato dalla

frequenza relativa di A in una serie di osservazioni o esperimenti ripetuti.

Definizione:

Lim P(e i ) = n→∞

n i

n

dove

n i

n

= rappresenta la frequenza relativa di e i .

Dunque, la teoria frequentista suggerisce che per trovare la probabilità di un evento e i dovremmo

effettuare l’esperimento casuale che può dar luogo a tale evento per infinite volte, al fine di

osservare il valore a cui converge la frequenza relativa di e i . Ma poiché è ovvio che non potremmo

mai effettuare infinite prove, in concreto ci dobbiamo accontentare di prendere come

approssimazione di P(e i ) la frequenza relativa di e i . ottenuta su un numero finito di prove; è

intuitivo che l’approssimazione sarà tanto migliore quanto più elevato è il numero delle prove.

Probabilità soggettiva

Le Probabilità classica e frequentista hanno una cosa importante in comune: richiedono entrambe

un esperimento concettuale nel quale gli eventi possono verificarsi in condizioni piuttosto uniformi.

La Teoria generale della Probabilità comprende però anche situazioni che non possono essere

ridotte entro tale schema.

Esempi: - Qual è la probabilità che il Governo cada entro la fine dell'anno?

- Qual è la probabilità che il prezzo del petrolio aumenti di $ 1 nel prossimo mese?

Tali eventi vengono valutati comunemente come probabili o improbabili, ma non vi è nessuna

speranza di stimare le loro probabilità osservando le frequenze relative.

Tuttavia tali probabilità influenzano notevolmente le decisioni politiche e finanziarie, rendendo

necessario, di conseguenza, stimarle in qualche modo.

La probabilità soggettiva di un evento viene definita semplicemente come il grado di fiducia

che si ha nel verificarsi dell’evento stesso 2 .

2 In alternativa, la probabilità soggettiva può anche essere vista come il rischio che ci si può accollare nello scommettere su dato evento.

Teoria assiomatica

La definizione assiomatica della Probabilità consente lo sviluppo di modelli astratti di probabilità. Gli assiomi su cui si basa sono abbastanza generali e tali da comprendere i presupposti delle definizioni classica, frequentista e soggettiva. In essa non viene detto che cosa sia la probabilità di un evento, ma ne vengono solo descritte le proprietà fondamentali (assiomi) sulle quali si possono costruire modelli matematici che sono utili a calcolare la probabilità di eventi di tipo complesso. Esempio: Data la probabilità che un neonato sia maschio, possiamo calcolare la probabilità che su 10 nati almeno 3 siano maschi, oppure la probabilità che ci siano 3 maschi consecutivi nelle prossime 5 nascite.

Dato uno spazio campionario finito 3 S = { e 1 , e 2 ,

funzione che ha come dominio l'insieme di tutti i sottoinsiemi di S (eventi) e come codominio , e che soddisfa i seguenti assiomi:

, e n }, la Probabilità viene definita come una

1)

2)

3)

P(e i ) 0,

P(e 1 ) + P (e 2 ) +

P(E) =

e

i = 1,

P(e i ) ,

i

E

, n

+ P(e n ) = 1

E S

Il terzo assioma stabilisce che la probabilità di un evento composto si calcola sommando le

probabilità di tutti gli eventi elementari che lo compongono.

A questo punto ragioniamo in modo da prescindere da qualunque teoria filosofica e, partendo dai tre

assiomi, dimostriamo i seguenti teoremi.

Dal 2° e 3° assioma si ha che:

• P(S) = ∑ P(e i ) = 1 e i ∈S • 0 ≤
• P(S) =
P(e i ) = 1
e
i ∈S
• 0 ≤ P(E) ≤ 1 ,
∀ E ⊂ S

L'evento certo ha probabilità = 1

La probabilità di un qualsiasi evento è sempre

compresa tra 0 e 1. In pratica, dunque, il codominio della funzione P si restringe da tutto

al solo intervallo [0,1].

Consideriamo un evento E S ed il suo complementare E'.

Per definizione: E E' =

e

E

E' = S.

3 Nel caso di spazi campionari infiniti, gli assiomi della probabilità richiedono nozioni di algebra avanzata, motivo per cui ci limitiamo qui a considerare il caso finito.

Supponendo che E sia composto dai primi j elementi (j k) di S, e E' dai restanti k j, di modo

,

che S = { 1424314243

e

1

, e

2

,

e , e

j

j

1

,

,

e

k

}

E E'

è evidente che:

P(E) + P(E') =

e

i

E

P(e i ) +

e E'

i

P (e i )

=

P(S) = 1

da cui P(E') = 1 P(E) , E S

Dal precedente risultato discende che:

P( ) = 1 P(S) = 0

Quindi, un evento impossibile ha probabilità zero.

Attenzione! L'inverso non è sempre vero: un evento che ha probabilità zero può anche essere

possibile (ciò accade nel caso di spazi campionari continui).

Esempio:

Riferiamoci all'esperimento casuale consistente nel lanciare in aria 3 monete (oppure

una stessa moneta 3 volte):

S =

e 1 = (T, T, T) e 2 = (T, T, C) e 3 =
e 1 = (T, T, T)
e 2 = (T, T, C)
e 3 = (T, C, T)
e 4 = (T, C, C)
e 5 = (C, T, T)
e 6 = (C, T, C)
e 7 = (C, C, T)
e 8 = (C, C, C)

Se le monete sono regolari,si tratta di eventi

equiprobabili:

1

8

P(e 1 ) =

= P(e 8 ) =

Verifichiamo che P(E') = 1 P(E):

Sia E = {e 2 , e 3 , e 5 } = {Si presenta T due

volte}

3

P(E) = 8

5

8

P(E') = P {e 1 , e 4 , e 6 , e 7 , e 8 } =

= 1 P(E)

Combinazione di eventi

Sia G l'evento di ottenere meno di 2 teste e sia H l'evento che tutte le tutte le monete presentino la

stessa faccia:

H

{ e 1 , e 2 , e 3 , e 4 , e 5
{ e 1 , e 2 , e 3 , e 4 , e 5 , e 6 , e 7 , e 8
}
G
5
P(e i ) =
8
∈G∪H
1
P(e i ) = P(e 8 )
=
8
∈G∩H
P
(A ∪ B) = P(A) + P(B)
S
=
{
e 1 , e 2 , e 3 , e 4 , e 5 , e 6 , e 7 , e 8
}
A
B
2
P
(A) = 8 4
,
P (B) =
8
P
(A ∪ B) = P { e 1 ,
e 2 ,
e 3 ,
e 5 ,
e 7 ,
e 8 } =
P
(A ∪ B) = P(A) + P(B) − P (A ∩ B)
,
A
∩ B = ∅

L'evento (che si verifichi) G o H è dato da:

G H = { e 1 , e 4 , e 6 , e 7 , e 8 }

Tale evento è formato da tutti gli eventi elementari che appartengono a G o ad H o ad entrambi. Per l'assioma 3) è evidente che:

P (G H)

=

e i

L'evento (che si verifichi) G e H è invece dato da:

G H = { e 8 }, dal momento che e 8 è

l'unico punto in comune a G e ad H. Per l'assioma 3) si ha:

P (G H)

=

e i

Teorema:

Dati due eventi incompatibili A e B, si può dimostrare che:

Verifichiamolo empiricamente sempre in riferimento all'esperimento precedente delle 3 monete:

6

8

= P(A) + P(B)

Teorema:

(più generale del precedente)

A, B

Nel caso particolare in cui A e B siano incompatibili, si ha:

P (A B) = P(A) + P(B) + P( ) = P(A) + P(B)

da cui si vede che il teorema precedente è un caso particolare di questo. Consideriamo ora il caso in cui A B ≠ ∅ , riprendendo l'esempio degli eventi H e G:

S = {

e 1 , e 2 , e 3 , e 4 , e 5 ,
e 1 , e 2 , e 3 , e 4 , e 5 , e 6 , e 7 , e 8

}

 

H

G

Avevamo

già

calcolato

P(G H)

facendo

uso

del

assioma;

adesso

verifichiamo che lo stesso risultato si ottiene anche applicando il teorema:

2

P(G H) = P(G) + P(H) P(G H) = 8 4 + 8

1

8

5

8

=

Esercizio:

Lancio di 2 dadi regolari

2° dado

1° dado

1

2

3

4

5

6

1 (1,2)

(1,1)

(1,3)

(1,4)

(1,5)

(1,6)

2 (2,1)

3 (3,1)

4 (4,1)

5 (5,1)

(6,1)

6 …

(6,6)

Calcolare:

3

a) P{ Totale di 4 punti } = P{(1,3); (3,1); (2,2)} = 36

1

= 12

S è formato da 36 coppie

ordinate ed equiprobabili

1

con P(e i , e j ) = 36

e i , e j =

1, …

,6

6

1

b) P{ Totale di 7 punti } = P{(1,6); (6,1); (2,5); (5,2); (3,4); (4,3)} = 36

6

=

c) P{ Totale di 7 o 11 punti }

2

P{ Totale di 11 punti } = P{(5,6); (6,5)} = 36

P[{ 7 punti }

{ 11 punti }] = P{ 7 punti } + P{ 11 punti } =

8

2

=

36

9

1

d) P{ una coppia } = P{(1,1), … , (6,6)} = 6

e) P{ al più 4 punti } = P{ 2 punti }

P{ 3 punti }

P{ 4 punti } =

o

o

1

= P{(1,1); (1,2); (2,1); (2,2); (1,3); (3,1)} = 6

f) P{un punto} = P{più di 12 punti} = 0

Infatti, tirando 2 dadi, non si può ottenere né

1 né più di 12, che sono, dunque, eventi impossibili.

Esercizio 3.11

(Wonnacott & Wonnacott)

Una classe di 100 studenti è suddivisa in alcuni gruppi nelle seguenti proporzioni:

 

Uomo

Donna

Totale

 

17

38

55

Bravo in matematica

100

100

100

Non bravo in matematica

23

22

45

100

100

100

 

40

60

 

Totale

100

100

1

Supponendo di estrarre a sorte uno studente, in modo che ciascuno abbia la stessa

1

probabilità ( = 100

) di essere selezionato, calcolare:

a) P{ uomo } = P{ e 1 , e 2,

40

, e 40 } = 100

dove e i = { estrazione dell'i-esimo uomo };

1

P(e i ) = 100

60

b) P{ donna } = 1 P{ uomo } = 100

55

c) P{ bravo in matematica } = 100

1

dato che ogni studente bravo in matematica ha probabilità 100

estratto e gli studenti bravi sono 55.

d) P{ uomo

e

17

bravo } = 100

e) bravo } = P{ uomo } + P{ bravo } P{uomo

P{ uomo

o

e

bravo }

40

= 100

55

+ 100

17

100

78

= 100

di essere

f) Se si è estratto un uomo, qual è la probabilità che egli sia bravo in matematica?

Se sappiamo che lo studente è uomo, significa che tale probabilità va calcolata non

più sui 100 studenti totali, ma solo in riferimento ai 40 di loro che sono uomini.

In pratica, sapere che lo studente estratto è uomo, mi ridimensiona lo spazio

campionario da 100 a 40 elementi.

Sappiamo che 17 su 100 sono uomini e bravi, ma se ci si restringe ai soli

17 .

uomini, i bravi sono 17 su 40 e, dunque, la probabilità richiesta è 40

Questo ragionamento ci introduce al prossimo argomento.

Probabilità condizionata

Riprendiamo l'esperimento consistente nel lancio di 3 monete e supponiamo di sapere che si è

verificato l'evento G = { meno di 2 teste }.

Sotto questa condizione, ci chiediamo qual è la probabilità dell'evento { nessuna testa }?

Tale probabilità condizionata si indica con:

P{ nessuna testa | meno di 2 teste } = P{e 8 S = {
P{ nessuna testa | meno di 2 teste } = P{e 8
S = {
e 1 , e 2 , e 3 , e 4 , e 5 , e 6 , e 7 , e 8
}
H
G

|

G}

Lo spazio dei possibili risultati (sotto questa condizione) si riduce a G.

1

E' pertanto evidente che P{e 8 | G} = 4

Chiediamoci adesso qual è P{ 3 monete uguali | meno di 2 teste } = P{H | G} che è un problema

equivalente al precedente, dato che sotto la condizione G, l'unica parte rilevante (possibile) di H

diventa: H G = {e 8 }.

Quindi:

Definizione:

P(H | G) =

1

4 .

In generale, si definisce probabilità di un evento A condizionata a B come segue:

P(A | B) =

P(A B)

P(B)

, sempre che risulti P(B) > 0

(*)

Applichiamo la precedente definizione di probabilità condizionata al calcolo di

P(H|G) che avevamo effettuato poco fa ricorrendo alla semplice intuizione:

P(H|G) =

P(H G) =

P(G)

P(e

8

)

1/8

1

=

=

P(G)

4/8

4

Dalla (*) si ricavano immediatamente i due risultati seguenti:

P(A | B) P(B)

P(A | B) = 0

P(A B) =

sse

P(A B) = 0,

(**)

ovvero

sse

A B = .

che viene detta regola della probabilità composta.

Esercizio 3.17 (a)

(Wonnacott & Wonnacott)

Estraendo a sorte 2 carte (senza reimmissione) da un mazzo di 52, qual è la probabilità che

entrambe siano assi?

Ricorrendo al calcolo combinatorio, si può dimostrare che lo spazio campionario è formato

da 2652 coppie.

Siano A = { 1 a carta = asso }, B = { 2 a carta = asso }

A è formato da tutte le coppie di carte (eventi elementari) di cui la 1 a è un asso.

B è formato da tutte le coppie in cui la 2 a carta è un asso.

A me interessa calcolare la probabilità di:

AB = { 1 a carta = asso } e { 2 a carta = asso }.

Per calcolare P(A B) usando il 3° assioma dovrei andare a contare gli eventi elementari

che compongono tale evento, e fare 4 :

#

(A B) *

1

.

2652

Il calcolo combinatorio ci

permette di trovare che # (A B) = 12;

12

Pertanto P(A B) = 2652

= 0,0045.

Ma essendo lo spazio campionario assai numeroso, conviene senz'altro ricorrere alla

formula: P(A B) = P(A) P(B | A).

Infatti, la probabilità di estrarre due assi è uguale alla probabilità di estrarre un asso come

2

a carta, dato che la 1 a carta è un asso, moltiplicata per P(A):

4

P(A) = 52 ;

P(B | A) =

3

51

;

4

P(A B) = 52

3

* 51

= 0,0045;

Esercizio 3.22

(Wonnacott & Wonnacott)

Una società impiega 100 persone, 75 uomini e 25 donne; il reparto contabilità dà lavoro al

12% degli uomini a al 20% delle donne.

Scegliendo un nome a caso dal reparto contabilità, qual è la probabilità che corrisponda ad

un uomo?

E quella che corrisponda ad una donna?

In pratica, si vuole calcolare: P{ uomo | contabilità } e P{ donna | contabilità }, che

indichiamo rispettivamente con P(M | C) e P(F | C).

Il problema ci dà:

P(M) = 0,75 ;

P(F) = 0,25 ;

P(C | M) = 0,12 ;

P(F | C) = 0,20 ;

Usando questi dati, dobbiamo calcolare:

P(M | C) =

P(M C)

P(C)

P(M C) = P(C | M) P(M) = 0,12 * 0,75 = 0,09

P(F C) = P(C | F) P(F) = 0,20 * 0,25 = 0,05

Si noti che:

C = (M C) (F C)

P(C) = P(M C) + P(F C) = 0,09 + 0,05 = 0,14

e allora:

P(M | C) =

0,09 = 0,64 ;

0,14

P(F | C) = 1 P(M | C) = 0,36.

Indipendenza statistica (o stocastica)

e

P(F | C) =

P(F C)

P(C)

Dati due eventi A e B, si dice che A è indipendente da B sse si verifica:

P(A | B) = P(A),

con P(B)>0

Se A è indipendente da B, considerando che: P(A | B) =

P(A B) = P(A) P(B)

Ma dalla (2) discende che:

P(B | A) =

P(A B) =

P(A)

P(A) P(B) = P(B)

P(A)

(1)

P(A

B) = P(A), allora si avrà anche che:

P(B)

(2)

(3)

Dunque, si è dimostrato che se A è indipendente da B, anche B è indipendente da A e,

quindi, l’indipendenza è una nozione reciproca.

Poiché da una qualsiasi delle tre relazioni precedenti derivano le altre due, la (1), la (2) e la

(3) possono essere considerate tutte condizioni necessarie e sufficienti per l’indipendenza.

Esercizio:

Lanciamo 2 dadi regolari

 
 

TABELLA DEI TOTALI

 

2° dado

 

1° dado

1

2

3

4

5

6

 

1

 

2 3

4

5

6

7

2

3 4

8

3

4 …

4

5 …

5

6

6

7

8

12

B e D sono formati ognuno da 6 eventi elementari, quindi:

Siano:

A = { totale dispari }

B = { 1 con il 1° dado }

C = { totale = 7 }

D = { 6 con il 2° dado }

P(B) = P(D) = 1 6 .

Intuitivamente si capisce che B e D sono indipendenti, ma vogliamo verificarlo

probabilisticamente:

P(D|B) =

P(B D) =

P(B)

P{(1,6)} =

P(B)

1 6 1 36 = = 1 36 6 6
1
6
1
36
=
=
1 36
6
6

= P(D) e dunque è verificata la (1)

E' invece meno intuitiva la risposta ai seguenti problemi:

i) A e B sono indipendenti?

P(A | B) =

ma P(A) =

P(A

B) =

P(B)

P{(1,2);(1,4);(1,6)}

1 6
1
6

=

3

36

1

2 ,

quindi A e B sono indipendenti.

ii) A e C sono indipendenti?

*6

=

1

2

1

P(A) = 2

;

1

P(C) = P{(1,6);(6,1);(2,5);(5,2);(3,4);(4,3);} = 6

1

P(A C) = P(C) = 6

P(A) P(B),

quindi A e B non sono indipendenti, poiché non è

verificata la (2).

iii) B e C sono indipendenti?

1

P(B C) = P{(1,6)} = 36 ;

P(B) * P(C) =

1

*

1

1

=

6

6

36

,

quindi B e C sono indipendenti.

Regola della probabilità composta con eventi indipendenti

Consideriamo di nuovo l'esperimento casuale consistente nell'estrarre a sorte due carte da un mazzo

di 52; stavolta, però, supponiamo di reinserire la prima carta estratta nel mazzo, prima di procedere

all'estrazione della seconda. Siano di nuovo A = { asso alla 1 a estrazione } e B = { asso alla 2 a estrazione }.

E' ovvio che P(A) =

4
4

52

come nell'esempio precedente, mentre P(B | A) risulta diversa da

3
3

52

.

Infatti, il reinserimento nel mazzo della 1 a carta estratta, fa sì che la 2 a estrazione avvenga nelle medesime condizioni della prima, senza nessuna alterazione dello spazio campionario.

Di conseguenza: P{ asso alla 2 a estrazione | asso alla 1 a estrazione }
Di conseguenza:
P{ asso alla 2 a estrazione | asso alla 1 a estrazione } =
4
.
52
Dunque, la probabilità di estrarre un asso si mantiene costante e pari a
4
qualunque sia l'esito
52

dell'estrazione precedente. Usando la regola della probabilità composta, vogliamo di nuovo calcolare la probabilità di estrarre

due assi:

P{ asso alla 1 a estrazione e asso alla 2 a estrazione } = P(A B) = P(A) P(B | A),

ma, dato che le due estrazioni sono indipendenti, si ha:

P(A B) = P(A) P(B) =

4

4

52 52

0,0059

.