STATISTICA e PROBABILITA'
Il problema della misura si pone in termini
probabilistici, determinando un intervallo di valori
aventi una certa probabilità di essere osservati.
E' necessario quindi introdurre alcuni elementi di
teoria della probabilità
1
La Statistica è la disciplina che studia quantitativamente i
fenomeni collettivi
L'insieme di tutte le possibili osservazioni di un fenomeno
costituisce la Popolazione
L'insieme di osservazioni parziali costituiscono un
Campione
Metodi e le finalita' della statistica sono diversi secondo
che la popolazione venga osservata per intero o in modo
parziale. Nel caso della misura, l'indagine viene condotta
su un campione di dati e la statistica, che va sotto il
nome di Inferenza statistica, fornisce i metodi con cui le
informazioni contenute nel campione vengono estese,
riferite, all'intera popolazione.
2
Le diverse definizioni di Probabilita'
●
●
●
●
●
●
●
●
1-DEFINIZIONE CLASSICA di probabilità: (a priori)
Il risultato di un esperimento si possa presentare con n eventi possibili (
modalita' dell'evento) e sia A un evento possibile.
La probabilita’ di un evento A, P(A), è uguale al rapporto fra il numero
di casi favorevoli n(A) al verificarsi dell’evento stesso e il numero n dei
casi possibili, purché tutti equiprobabili:
P(A) = n(A)/n
2-DEFINIZIONE EMPIRICA o STATISTICA di probabilità:(a
posteriori)
Supponendo che sia possibile ripetere un esperinento un numero N di
volte nelle stesse condizioni ,la probabilità P(A) di un determinato
evento A è il limite del rapporto tra il numero M(A) di volte in cui si è
manifestato l’evento favorevole e il numero N di prove, al tendere
all’infinito del numero di prove stesse, cioé
P(A) = lim M(A)/N
per N → infinito
3 per evento
Da entrambe le definizioni risulta 0⩽P(A)⩽1 ; P(A)=0
impossibile P(A)=1 evento certo
●
●
●
La definizione classica di probabilita' e' insoddisfacente per 2
motivi: in primo luogo sottointende il concetto di
equiprobabilita', cosicche' nell'ambito della definizione si usa il
concetto stesso da definire. Inoltre essa e' applicabile solo se gli
eventi elementari hanno tutti la medesima probabilita'
La definizione empirica di probabilita' sottointende che l'evento
sia ripetibile nelle stesse condizioni sperimentali un numero N
grande di volte. Inoltre presuppone a priori una convergenza
della frequenza relativa al crescere di N, verso un valore ben
definito.
Le due definizioni (classica ed empirica) trovano una
consistenza nella legge dei grandi numeri o Teorema di
Bernoulli) .
4
Legge dei grandi numeri o Teorema di
Bernoulli
●
L'enunciato in forma semplificata e' il seguente: Sia A un evento
possibile in una serie di prove di un dato esperimento ripetuto nelle
stesse condizioni . Se l'evento A si e'presentato M(A) volte in N
prove, la probabilita' che la frequenza relativa f(A)=M(A)/N
differisca dalla sua probabilita' classica P(A) di una quantita' in valore
assoluto minore di un ε positivo piccolo a piacere , tende a 1 col
crescere del numero delle prove.
5
●
●
La convergenza nella legge dei grandi numeri o Teorema
di Bernoulli e' quindi intesa in senso statistico (o debole) e
non implica una convergenza esatta nel senso dell'analisi:
non implica cioe' che, preso un numero positivo ε piccolo a
piacere, sia possibile determinare in conseguenza un intero K
tale che per ogni N>K risulti sicuramente |f(A)-P(A)| <ε
Quello che dice è: La probabilità che un dato evento con
probabilità P(A) si presenti con una frequenza f(A) tale che la
differenza fra P(A) e f(A) sia minore di un ε piccolo a piacere
tende a 1 (ovvero alla certezza) con N che tende a infinito .
6
Cosa significa convergenza statistica
●
●
Gli studenti hanno gia' verificato nei risultati della loro
esperienza (lancio dei dadi) il significato di convergenza
statistica .
Vale ancora sottolineare che tale convergenza non prevede che
all'aumentare del numero delle prove l'uscita di un evento A
(comparsa di una determinata faccia di un dado) sia certa ma
solo che aumenti la probabilita' del verificarsi di A ,senza che si
raggiunga mai la certezza..
●
Esempio: nel gioco del lotto non esiste un numero M di estrazioni
dopo il quale un numero prefissato (che non e’ mai uscito), esca con
certezza.
7
3-DEFINIZIONE ASSIOMATICA di probabilita'
●
●
La definizione assiomatica di probabilita' e' matematicamente
consistente e supera le incongruenze delle definizioni
precedenti.
La probabilita' di un evento A e' definita come una funzione
d'insieme
●
Cosa è una funzione di insieme ? E' necessario premettere alla
sua definizione alcune nozioni:
●
Eventi - Insieme e sottoinsieme di eventi .
●
Spazio campionario degli eventi,
●
Operazioni d'Insieme (unione -intersezione)
●
Funzione d'insieme
8
EVENTI e INSIEME o SOTTOINSIEME di EVENTI
SPAZIO CAMPIONARIO
●
Eventi semplici o elementari = possibili risultati o modalita'
dell'esperimento non ulteriormente scomponibili
Spazio degli eventi S = totalità degli eventi elementari associati
all'esperimento
●
Insieme o sottoinsieme di eventi = combinazione di uno o piu' eventi
semplici
●
Eventi complessi = sottoinsieme dello spazio campionario
●
Esempio 1: Lancio di un dado
●
Spazio campionario: E1 (comparsa faccia 1), E2, E3, E4, E5, E6
●
Evento complesso: comparsa faccia pari E2, E4, E6
●
9
Esempi
Esempio 2: lancio 2 dadi a 6 facce
●
Spazio campionario: tutti gli eventi semplici che sono le 36 coppie di
valori (1,1) (1,2) ............. rappresentabili in un piano cartesiano dai
punti in figura
●
●
Evento complesso
●
esempio: risultato del lancio somma 7 :
●
(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)
10
Operazioni su insiemi
●
●
Data la corrispondenza fra eventi e insieme di punti, lo studio della
relazione tra eventi è riconducibile allo studio della relazione fra insiemi.
Uno schema molto utile per illustrare gli insiemi e mostrarne le relazioni
è il diagramma di Venn. Si tratta di un diagramma che rappresenta
l'insieme con i punti contenuti in un cerchio, in un rettangolo o in altra
figura piana
11
●
●
Insieme complementare Ā = tutti gli elementi di S che non
appartengono ad A
Insieme vuoto Ǿ = insieme che non contiene alcun
elemento
●
Insiemi A e B disgiunti
●
o mutualmente esclusivi
●
Insiemi A e B congiunti
12
●
Insieme unione di insiemi A e B si indica A U B
●
insieme degli elementi di A o di B o di entrambi
●
Insieme intersezione di insiemi A e B si indica A ∩ B
●
insieme dei punti che appartengono ad A ed a B
●
Insiemi congiunti → A ∩ B ≠ 0 Insiemi disgiunti → A ∩ B = 0
13
Funzione d'insieme
●
Nell'accezione usuale, una funzione f(x) e' una legge che
associa a ciascun elemento di un dato insieme di punti
(dominio) uno e un sol punto di un altro insieme (codominio).
Tale nozione puo' essere facilmente estesa al caso in cui gli
elementi del dominio siano insiemi di punti anziche' singoli
punti.
●
Esempio
●
si considerino i cerchi nel piano (x,y) di raggio r= (x2+y2)
●
a ciascun cerchio si puo' associare l'area corrispondente C = r2 .
●
C cosi' definita e' funzione d'insieme
½
Nella successiva definizione assiomatica di probabilita' si associa ad un
insieme o ad un sottoinsieme A una funzione P(A) 14
3-DEFINIZIONE ASSIOMATICA di probabilità
●
Ad ogni insieme A viene assegnata una funzione d'insieme P(A)
detta Probabilità dell'insieme che deve soddisfare le seguenti
proprietà:
–
P(A) ≥ 0 per ogni A
–
P(S) = 1
–
P(A U B U C …) = P(A) + P(B) + P(C) per ogni serie finita o
infinita di eventi disgiunti (o mutualmente esclusivi).
●
●
E' una definizione puramente formale basata su 3 assiomi.
Le proprietà danno una definizione operativa di probabilità
ovvero definiscono operativamente la misura della probabilità di
un insieme A.
15
Legge della probabilità totale (forma semplice)
La proprieta' della definizione assiomatica
P(A U B U C …) = P(A) + P(B) + P(C) per ogni serie finita o
infinita di eventi disgiunti (o mutualmente esclusivi)
e' nota come regola della Probabilita' totale per insiemi disgiunti .
Essa e' anche formulata come:
Se un evento puo' manifestarsi con modalita' diverse che si
escludono a vicenda, la probabilita' dell'evento e' la somma
delle probabilita' corrispondenti a quelle modalita'.
16
Assegnazione della probabilta' agli eventi
●
●
●
●
●
Sia la definizione classica, sia la definizione empirica di probabilita'
soddisfa gli assiomi della definizione assiomatica e risultano quindi
matematicamente consistenti.
La definizione assiomatica di probabilita', non dice nulla su
come assegnare dei valori alla probabilita'.
Tuttavia su tali valori si possono fare delle ipotesi , verificabili
poi analizzando gli eventi reali osservati.
Si facciano, per tutti, gli esempi dell'assegnazione delle
probabilita' nei giochi d'azzardo in cui in genere gli eventi sono
supposti non equiprobabili.
L'assegnazione della probabilita' agli eventi di S deve
soddisfare la condizione di normalizzazione P(S)=1
17
Esempio di assegnazione della probabilita' ad eventi
equiprobabili e non equiprobabili
Agli eventi semplici che sono il risultato del lancio di un dado a sei
facce equiprobabile si assegnano le probabilita' mediante la
definizione classica
P(E1 ) = P(E2 ) = P(E3) = P(E4 ) =
P(E5) = P(E6) = 1/6
Se si suppone che il dado sia “truccato” (per esempio si sospetti
che la faccia “2” abbia probabilita' doppia delle altre) si usano le
proprieta' della definizione assiomatica
P(E1 ) = P(E3 ) = P(E4) = P(E5) = P(E6) = 1/7
P(E2) = 2/7
18
Legge della probabilità totale (forma generale)
●
La proprieta' assiomatica
P(A U B U C …) = P(A) + P(B) + P(C)
●
per ogni serie finita o infinita di eventi disgiunti permette di ricavare la
regola della probabilità totale nella forma generale, estesa anche ad
insiemi congiunti .
P(A U B ) = P(A) + P(B) ─ P(A∩B)
●
Dimostrazione:
In figura e' mostrato come e' sempre possibile esprimere l'insieme
unione A U B di
19
insiemi congiunti come l'unione di insiemi disgiunti
●
●
●
●
inoltre sia A che B possono sempre esprimersi come unione di insiemi disgiunti
nella forma:
da cui si ottiengono le relazioni
Appilcando all'insieme (A U B) la proprieta' della somma di insiemi disgiunti
Sostituendo i termini barrati
P(A U B)=P(A∩B)+P(A)-P(A∩B)+P(B)-P(A∩B)
P(A U B)=P(A)+P(B)–P(A∩B)
20
P(A∣B) = Probabilità condizionata di A dato B
Risulta talora necessario in alcuni problemi ,valutare la probabilita' che si
verifichi un evento A essendosi gia' verificato un evento B
Siano A e B due eventi dello spazio campionario S e sia P(B) non nulla.
Si definisce probabilita' condizionata di A dato B , che si indica come
P(A∣B) la probabilita' dell'intersezione A∩B diviso la probabilita' di B
P(A∣B)=P(A∩B)/P(B)
ovviamente P(A∣B)=0 se gli eventi o insiemi sono disgiunti essendo A∩B=Ǿ
21
La P(A∣B) soddisfa gli assiomi
Si puo' verificare che questa definizione di probabilita' soddisfa le
proprieta' della definizione assiomatica.
Infatti se B e' un sottonsieme di S, dalla proprieta'
P(A∩B)≤P(B)<1 e
P(A∣B)=P(A∩B)/P(B) risulta
0≤P(A∣B)≤1
essendo 0=P(A∣B) se gli eventi A e B sono disgiunti
e P(A∣B)=1 se B⊂A o B=A
22
La probabilita' condizionata P(A∣B) puo' essere = P(A)
Se P(A∣B) = P(A) il verificarsi dell'evento B non influisce sul verificarsi dell'evento A
gli eventi A e B sono indipendenti tra loro
Esempio : Si consideri il lancio di 2 dadi simmetrici. Sia A l'evento che la
somma dei 2 dadi sia 7 e B l'evento che il I dado sia 4 Si calcoli la
probabilita' condizionata P(A∣B)
Evento A:(1,6),(2,5),(3,4),(4,3),(5,2),(6,1) → P(A) = 6/36 = 1/6
Evento B :(4,1),(4,2),(4,3),(4,4),(4,5),(4,6) → P(B) = 1/6
Evento A∩B = (4,3) → P(A∩B) = 1/36
P(A∣B) = P(A∩B)/ P(B)=(1/36) /(1/6) = 6/36 = P(A)
24
Legge della probabilità composta (forma generale)
●
Dalla definizione di probabilita' condizionata P(A∣B)=P(A∩B)/P(B)
●
si ricava
●
P(A∩B)=P(A∣B) P(B) o anche
●
P(B∩A)=P(B∣A) P(A)
●
●
La legge si generalizza a piu' eventi o insiemi nella forma
P(A∩B∩C∩... )= P(A)P(B∣A) P(C∣A∩B)......
●
25
Eventi indipendenti- Legge della Probabilita’ composta
(forma semplice)
Se i due eventi A e B sono indipendenti cioè P(A∣B)=P(A) la legge della
probabilita' composta (forma generale) diventa P(A∩B )=P(A) P(B)
Se gli eventi sono piu' di due, la legge si generalizza nella forma
P(A∩B ∩.C....)=P(A) P(B)P(C)...
Legge della probabilità composta (per eventi indipendenti):
se un evento E risulta dal concorso contemporaneo o successivo di 2 o piu'
eventi completamente indipendenti tra loro, ciascuno con probabilita' P(A),
P (B), P(C)...la probabilita' che si verifichi l'evento A∩B ∩C...e' il prodotto
delle singole probabilita'
26
Quadro riassuntivo
1 - Legge della probabilita' totale
(forma generale)
P (A U B ) = P(A) + P(B) ─ P(A∩B)
2 - Legge della probabilita' composta (forma generale)
P(A∩B)=P(A∣B) P(B)=P(B∣A)P(A)
Casi particolari:
1a) Eventi A e B disgiunti (o incompatibili )
P(A∩B)=0 → P(A U B ) = P(A) + P(B) (probabilita’ totale in forma semplice)
2a) Eventi A e B indipendenti
P(A∣B)=P(A) P(B∣A) = P(B)
P(A∩B)=P(B∩A)=P(A) P(B)
E' la regola della probabilita’ composta in forma semplice
Nota che incompatibili/disgiunti e indipendenti hanno un significato molto
differente
27
Eventi A e B congiunti indipendenti
Qual'e' la probabilita' che esca un pari al II lancio se al I e' uscito un dispari ?
Lo spazio campionario e‘ costituito dalle 36 coppie (1,1),(1,2),......
Evento A (1,2) (2,2) (3,2)……………………
(1,4) (2,4) (3,4)……..
(1,6) (2,6) (3,6)……..
Evento B (1,1) (1,2) (1,3)……………………
(3,1) (3,2) (3,3)…….
(5,1) (5,2) (5,3)…….
P(A∣B) = P(A∩B) /P(B)=(9/36) / (1/2)= 9/18 = ½ = P(A)
Gli eventi sono indipendenti pur essendo congiunti infatti:
P(A∩B) ≠ 0
28
Due eventi disgiunti/incompatibili non possono essere indipendenti nel senso che se avviene B non puo'
avvenire A e viceversa Sono mutualmente esclusivi
–
Infatti se A∩B= e’ l’insieme nullo
P(A∩B) = 0
●
e quindi
P(A|B)= P(A∩B)/P(B) = 0 ovvero se avviene B non avviene A
●
e
P(B|A)= P(A∩B)/P(A) = 0 e viceversa
●
Vale la legge della probabilita’ totale → P(A U B ) = P(A) + P(B) (forma semplice)
Esempio1 Tiro una moneta (testa o croce) gli eventi sono incompatibili (o viene testa o viene croce)
Gli eventi pero’ non sono indipendenti (se viene croce non viene testa)
–
Esempio 2 Tiro un dado (pari o dispari) gli eventi sono incompatibili (o viene pari o viene
dispari)
●
Due eventi indipendenti possono solo essere compatibili. Se fossero incompatibili, abbiamo visto
sopra, che non possono essere indipendenti
P(A|B) = P(A )
Infatti
●
P(B|A) = P(B)
–
●
Se sono incompatibili P(A∩B) =0
–
●
P(A∩B) = P(A)P(B) = 0 cioè o l’evento A o l’evento B sarebbe impossibile
Se sono compatibili P(A∩B) ≠0 e quindi
–
P(A∩B) = P(A)P(B) ≠ 0 questo non implica che un evento (A o B) sia impossibile anche
se nessuno mi dice quanto vale la loro intersezione i
29
Due eventi compatibili possono essere dipendenti o indipendenti
Infatti se sono compatibili P(A∩B) ≠ 0
e quindi
P(B|A)= P(A∩B)/P(A) ≠ 0
●
●
●
P(A|B)= P(A∩B)/P(B) ≠ 0
Non ho alcuna informazione sulla probabilità congiunta.
Se P(A|B) = P(A ) e P(B|A) = P(B) gli eventi A e B sono indipendenti
Se P(A|B) ≠ P(A) e P(B|A) ≠ P(B)
gli eventi A e B sono dipendenti
Due eventi dipendenti possono essere incompatibili o compatibili
●
Infatti se sono dipendenti P(A|B) = P(A∩B)/P(B) ≠ P(A)
●
P(B|A) = P(A∩B)/P(A) ≠ P(B)
●
Se fossero incompatibili allora la probabilità condizionata → P(A|B) = P(B|A) = 0
●
Ovvero se avviene A non puo’ avvenire B e viceversa . Sono mutualmente esclusivi
–
Se fossero compatibili allora P(A∩B) ≠ 0 non posso dire nulla sulla P(A|B) e P(B|A)
30
