|
 

      

 | || 
  
                       

A.A. 2006/2007
 "##| |   "" $$||%
| h! le cui manifestazioni o eventi non
possono essere previste con certezza sono detti
 o  .

G





 


 
  



  


˜o strumento adatto a studiare e misurare i fenomeni

aleatori (casuali) è la teoria della probabilità.

|l       è alla base della

biostatistica, consente di stimare e esaminare i dati
del passato e fornire indizi sul futuro.
$$||% | &# "'"# "
| "
Dn ( può risultare:
·  (se si verifica sempre)
Î Estrazione di una pallina rossa da un¶urna contenente
solo palline rosse
Î ˜a morte in caso di coma irreversibile

· |!  (non si verifica mai)

Î Estrazione di una pallina bianca da un¶urna
contenente solo palline nere
Î Effettuare un¶analisi senza reagenti necessari

·       (può verificarsi oppure no)

Î Estrazione di una pallina bianca da un¶urna
contenente sia palline bianche che rosse
Î ˜a sopravvivenza di un individuo fino all¶età di 75 anni
"| "   "" $$||%

˜¶insieme di tutti i possibili risultati di un fenomeno

costituisce % ( o lo   !  ) 
   * + (omega, lettera greca)
 )+* , -

Si usa il termine  per segnalare che si è

verificato l¶evento considerato e  il caso
contrario.

|l numero di successi in una serie di osservazioni o

prove può essere definita come frequenza relative,
cioè come rapporto tra il numero di eventi favorevoli
rispetto al numero dei casi esaminati.
       ( è il rapporto tra i casi favorevoli
e i casi possibili rilevati in una lunga serie di prove ripetute
sotto condizioni simili.

˜a       ( " si calcola come:

)"* , !  
!    

. / )"* / - ˜a probabilità è un numero che varia

tra 0 e 1 ( in percentuali tra o e
100)

)"* , . Se l¶evento è impossibile

la probabilità è zero

)"* , - Se l¶evento è certo la probabilità

che si verifichi è 1
Se E indica un dato evento, l¶evento che non si
verifica si definisce ( !! 0
˜a probabilità di un evento si indica con
P(E) = p e P(Ē) = q;

Tra i due eventi esiste la seguente relazione:

)"* , - 1 )Ē* , - 1 2 , 

con  3 2 , -
  h    (

· Dn evento casuale che può essere suddiviso in eventi

elementari (semplici) è un ( !4

· —ue o più ( si dicono !  se il verificarsi

di uno di essi non esclude il verificarsi dell¶altro (o degli
altri);

· —uo o più ( si dicono  se uno di essi

deve obbligatoriamente verificarsi;
      h2 
· Secondo la   h2 :
˜a     di un evento è la frequenza relativa con
cui l¶evento si verifica in una lunga serie di prove ripetute
sotto condizioni simili.

· Secondo la    :

se un evento può presentarsi in K modi su un totale di N
modi possibili ugualmente verosimili (con la stessa
probabilità di verificarsi), allora la     di
successo risulta essere P = k / N
ÿ

|l lancio di una moneta ha come possibili risultati: Testa,
Croce. Qual è la probabilità che esca testa?

P(E) = P(Testa) = 1 / 2
P(E) = P(Testa) = 1 ± P(Ē) = 1 - P(Croce) = 1 / 2

ÿ
 
Nel lancio del dado la possibilità che esca la faccia 3 è
data dalla probabilità dell¶evento pari a :

P(E) = P(3) = k / N = 1 / 6 = 0,166

N = 6 sono tutti i casi possibili
E = evento faccia 3 del dato
K = quante volte può presentarsi il 3 = 1 volta
 " ||$&5|#| | $$||%
Si definisce          l¶insieme
delle probabilità associate a tutti i possibili eventi
casuali di uno spazio campione.

ÿ
  
  



















 






 










 


 




  


˜e distribuzioni di probabilità sono suddivise in due

gruppi:
Î Per variabili discrete
º


 
  ! 
" 

#
Î Per variabili continue
º


 
  ! 
$

$




 !!


%& 
#
 '     6
||$&5|#" $|#
|"

Dn evento si verifica con probabilità

P(E) = p
oppure non si verifica con probabilità complementare
P(Ē) = 1- p = q
Sotto il vincolo p+q=1

Considerando N ripetizioni (³prove´ o ³tentativi´)

indipendenti tra loro di uno stesso evento, per conoscere la
probabilità dei singoli risultati si utilizza la distribuzione
binomiale
 ||$&5|#" $|#
|"
˜a probabilità di un evento che si verifica k volte (esattamente k
successi) su N prove, indipendenti tra loro, si calcola utilizzando la
distribuzione binomiale:
  ù 6ù
   ù Ñ   

ù

 
è il hh   ! 6 indica il
 numero di volte con cui si può
ù
ù
6 ù Ñ
verificare l¶evento

6Ñ
6 Ñ

6 6ÑÑ

7 si legge 8  h 9

  ù

ù  Ñ   
6ù

ù  ù  ù

 "!  :
Si lancino due monete separatamente. Qual è la
probabilità che esca testa alla seconda moneta
lanciata?

· CAS| POSS| |˜|: TT; CT; TC; CC n=4

· CAS| FAVOREVO˜|: TT; CT k=2
· p = 0,5 q =0,5
  


         Ñ   Ñ  Ñ   Ñ 
 

  6 Ñ


    
Ñ   Ñ  Ñ   Ñ 


 Ñ   Ñ

6*(0,5)²*(0,5)² =6*0,25*0,25= 6*0,0625 = 0,37

Abbiamo il 37% delle possibilità

 "!  ;
Sapendo che la probabilità che un neonato nasca di
sesso maschile è 0,52. Qual è la probabilità che una
famiglia con tre figli abbia 1, 2, 3 o nessuna femmina?
P(F) = p = 0,48 P(M) = 1 ± p = q = 0,52

· P(Nessuna F) = 0,14
· P(1 F) = 0,38
· P(2 F) = 0,35
· P(3 F) = 0,11

  ù 6 ù

ù   Ñ   

ù  ù ù

       
 
Ñ  Ñ 6    
Ñ Ñ 6   
Ñ  Ñ 6    
Ñ Ñ  6


 


         
˜a somma delle quattro probabilità deve risultare uguale a 1
  h   ! 

· ˜a forma della distribuzione binomiale a parità di N,

dipende dalla probabilità dell¶evento p.

· Nel caso particolare di p = q = 0,5 la curva della

binomiale si distribuisce simmetricamente rispetto alla
media.

· |n particolare in      !  ha

Î  !  ) ( *   

Î  (      

 Rh  %!  ;
$
  = x = 1,92;  
= s = 0,99


Distri uzione di pro a ilit
0,5

0,4 
0, 8

0, 5

 $ $
0, x-s x+s


0,2

ro a ilit


 0,14
0,11
0,1

0,0 
0 1 2

Numero di fi lie
$
=1,92

NOTA: ˜a curva non è simmetrica rispetto alla media perché p=0,48 e q=0,58 sono diversi da 0,5
 '     6
||$&5|#" #
"   

· ˜a distribuzione normale può essere immaginata come

una distribuzione binomiale, che per un numero infinito
di prove diventa continua.
R
' 




 
 


'
 

G


 
 
 




º







  
 #

· E¶ ritenuta la distribuzione più importante nell¶analisi

statistica perché permette di stabilire la probabilità di
riscontrare valori entro un determinato intervallo.
 ||$&5|#" #
"
Si consideri una grandezza , rilevata infinite volte, si
otterrà un insieme di misure più o meno scostate dal
valore vero della media ȝ (per effetto dell¶errore o della
variabilità).

Si osserva che gli scarti dal valore vero (x-m), uguali ma

di segno opposto, hanno la stessa probabilità di
verificarsi.

Secondo le leggi probabilistiche è più probabile trovare un

unità con valore vicino alla media. Pertanto maggiore è
l¶ampiezza dello scarto e minore sarà la probabilità di
riscontrare un valore molto distante dalla media.
Supponendo che la maggior parte dei soggetti presenti un
valore intorno al valore medio ȝ e la frequenza dei soggetti
decresca nelle code della distribuzione, quanto più si
allontana dalla media.

Graficamente un fenomeno
i #!)<4=*
che si distribuisce come
una !  !  <
 (    =
si rappresenta come in
figura.

˜a h         6  
di una distribuzione  6 
normale è
 Ñ
 
  

 |"%"
&#5|#"
R&|#
˜a funzione gaussiana può essere applicata se si conoscono
i parametri della popolazione: il valore vero della !  del
carattere < e la (    =

˜a distribuzione normale ha una h!  ! ed è

 !!  rispetto al valore della media ed  ! con
media, moda e mediana coincidenti

Per valori di + ’ e - ’ la curva    !  .,

cioè la curva si avvicina sempre più all¶asse delle ascisse
senza mai raggiungerlo
Al variare della media la distribuzione si sposta lungo
l¶asse delle ascisse; in base alla deviazione standard si
allarga e si stringe l¶ampiezza della ³campana´ creando
due punti di flesso

|l valore della deviazione standard assume il ruolo di

unità di misura lungo l¶asse delle ascisse da

)! 1 > =*4 ?)! 1 =*4 !4 )! 3 =*4 ?)! 3 > =* @

% !   h   % 

  ( per tutto il dominio della variabile x (+’; -’) è
uguale a 1, cioè         -..A 
 2  !     % (
 ) B! / B / B 3! *
||$&5|#" #
" #|55

 h   ! h     h   

    h!   (  

  5  ( (  
6


     !    (

 6
 Ñ   

C  !!   %    ) , .  B ,
<*    h   , -   , 3-
 &      
Qualsiasi distribuzione normale può essere standardizzata con
una curva che abbia media ȝ = 0 e deviazione standard ı = 1

Per questa distribuzione esistono tabelle predisposte che

permettono, con semplici calcoli, di stabilire la probabilità di
osservare casualmente valori entro un intervallo prescelto

˜a tabella maggiormente adottata segnala l¶area delle due code

simmetriche rispetto al valore z
       56
Area al di la di z nelle due code della distribuzione ( V = valore di tabella)
Generalmente, in statistica, si utilizza l¶intervallo che comprende il 95%
dei casi che corrisponde a (± 1,96 < z < + 1,96 ).

95%

2,5%
2,5%

Z=±1,96 Z=+1,96

'| #"'| " ||$&5|#" 5

5  !   % ( )43*
% ( )4 3* )     *
1 0,68 § 68% 0,32 § 32%
-DE 0,95 § EFA 0,05 § 5%
GDFH 0,99 § EEA 0,01 § 1%
 "  
Qual è la probabilità che un individuo, estratto a caso da una
popolazione con peso medio 72 kg e deviazione standard 25 kg,
pesi tra i 60 e 80 kg?
· ˜



(
 
 
 
(   
 !!



  ! 




 !!


 6 Ñù
 6 Ñù
    6

   · 
ù ù
· )

 '
 







  ! 
!  

*



 



!+,-



.


 




!+./



0,1(  

 
 *






ù 
 ù Ñ
  
 Ñ

6
 Ñ 
   Ñ
       
  6    6   = š