Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Probabilità
Supponiamo di essere disposti a scommettere 1 contro 20 sul fatto che nel pomeriggio arrivi finalmente il sole:
attribuiamo cioè a tale evento una probabilità pari ad 1/21 (meno del 5%). E` come se ci trovassimo ad effettuare un
sorteggio da un'urna con 1 pallina rossa (evento positivo = sole) e 20 palline nere (eventi negativi = pioggia).
Stiamo dando implicitamente una valutazione di probabilità al realizzarsi dell'evento.
La frazione che esprime la probabilità ha numeratore uguale ad 1 che corrisponde a quanto si è disposto a
scommettere e denominatore pari a 21 corrisponde alla nostra puntata sommata alla puntata di un ipotetico sfidante.
Nonostante sia d’aiuto nella risoluzione di
problemi che non è possibile affrontare facendo
ricorso alla probabilità classica o frequentistica,
la probabilità soggettiva presenta due grossi
limiti:
- Domani pioverà,
- In questo appello passerò l'esame ………
Definizione assiomatica di probabilità (Kolmogorov, 1933) :
non si preoccupa di stabilire “cosa sia”
la probabilità, ma solo di definirla implicitamente
tramite un insieme di assiomi
•Non è una nuova definizione operativa e non fornisce indicazioni su
come calcolare la probabilità ma risponde all’esigenza di individuare
gli assiomi su cui basare la teoria della probabilità e da cui poi far discendere
postulati e teoremi.
La probabilità della loro somma è data da P(A+B)=P(AUB) = P(A)+ P(B) (assioma di additività)
7. Se tutti i risultati che compongono un evento B fanno parte anche di un altro evento A, è:
P[B] P[A].
Probabilità condizionata, Probabilità composta
P[ AB] P ( A B )
P[ A | B ]
P[ B] P[ B]
Osserviamo che per valutare P(A) si prende in considerazione l'universo U
degli eventi elementari;
Per valutare invece la probabilità di A condizionata a B l'universo U si riduce
al suo sottoinsieme B e quindi è in B che si debbono considerare gli eventi
elementari.
In sostanza, si valuta la probabilità di A subordinata all'ipotesi B.
L'informazione derivante dal verificarsi dell’evento B restringe l'universo U
a un suo sottoinsieme B.
A AB B
Analogamente si può calcolare la probabilità di
B condizionato ad A
P[ AB] A B
P[ B | A]
P[ A] P[ A]
P[ AB] P( A B) P[ A] P[ B | A] P[ B] P[ A | B ]
Eventi Indipendenti
P[AB]=P(AB)=P[A]P[B]
Variabili Aleatorie
Una variabile casuale
(o variabile aleatoria o variabile stocastica o random variable)
può essere pensata come il risultato numerico di un esperimento
quando questo non è prevedibile con certezza
(ossia non è deterministico).
•è un modello matematico che collega i valori di una variabile alle probabilità che
tali valori possano essere osservati, è l’insieme di tutte le probabilità per quella
v.a.
•In questo contesto la variabile di interesse è vista come una variabile casuale (o
variabile aleatoria, v.a.) la cui legge di probabilità descrive come i suoi valori
possono essere osservati. .
Esistono due tipi di distribuzioni di probabilità:
1. distribuzioni continue: la variabile viene espressa su
un scala continua
2. distribuzioni discrete: la variabile viene misurata con
valori numerici interi
Caratteristiche:
x 1 2 3 4 5 6
P(x) 1/6 1/6 1/6 1/6 1/6 1/6
F(x) 1/6 2/6 3/6 4/6 5/6 6/6
Graficamente
1.Una funzione di densità non può mai assumere valori negativi, ossia ciò assicura che
la probabilità X cada in un qualsiasi intervallo sia non-negativa.
M n ( x ) i xin P[ xi ]
M 1 ( x ) ( x ) i xi P[ xi ]
Si chiama scarto di una v.a. la differenza fra la v.
stessa e il suo v.m., xi(x).
Lo scarto è una nuova v.a. e si deduce subito che il
suo v.m. è nullo.
Si chiama varianza di una distribuzione di probabilità il
momento del secondo ordine del suo scarto:
2 ( x ) i [ xi ( x )]2 P[ xi ]
• E’ tanto più grande quanto più sono probabili scarti grandi, e può
essere quindi considerata una misura della dispersione della
distribuzione attorno al proprio v.m..
x2
P[ x1 x x2 ] f ( x )dx
x1
• Il modo in cui si distribuisce la probabilità di una
variabile aleatoria dipende da molti fattori, e,
come vi sono infiniti possibili grafici di funzioni,
così si possono avere infinite modalità diverse per
le distribuzioni di probabilità.
b x x
1 1 xa
kdx kdx 1 ,
a
da cui k
ba
F ( x) f ( x)dx
b a a
dx
ba
f(x) F(x)
1
ba
a b x a b x
• Per il valor medio e la varianza si ha:
b
1 ab
ba a
x dx
2
,
b
2 1 2 (b a ) 2
ba a
( x ) dx
12
• Quale è la probabilità che la v.a. x assuma valori compresi in un intervallo centrato su e
largo 6?
Cioè nell’intervallo ?
Si dimostra che tale probabilità sia uguale a 0,997 =99,7%, ossia quasi la certezza.
Nella statistica aziendale è molto comune fare riferimento all’intervallo perché
rappresenta la quasi certezza.
• E la v.a. x si distribuirà secondo la curva normale con una certa media e una
certa
~(µ,σ2)