Calcolo delle probabilità Progetto lauree scientifiche Università dell’Insubria Facoltà di Matematica Como Natalina Drappo Paola Bertoncello Introduzione alla probabilità Analisi degli esiti di esperimenti aleatori Variabile aleatoria Grandezza i cui valori siano i possibili esiti di un esperimento definizioni Probabilità discreta in cui l’insieme dei valori assumibili dai risultati sia finito o numerabile Evento elementare Esito di un esperimento aleatorio testa testa TT Spazio campionario Insieme degli eventi elementari {TT, TC, CT, CC } Evento Risultato del lancio di due monete Sottoinsieme dello spazio Mano di poker campionario {TT, TC, CT} Probabilità classica _____________ favorevoli P(E)= Casi Casi possibili Proprietà di un evento E E = esce almeno una testa IEI = 3 Ω = spazio campionario IΩI=4 del lancio di due P(E) = ¾ monete 0≤P(E) ≤1 P(Ec)=1-P(E) Ec= non esce alcuna testa IEcI = 1 P(Ec) = 1/4 E כֿF → P(E) > P(F) Ω E CC F TC TT CT F= esce una testa = {TC, CT} IFI=2 P(F)=1/2 Strumenti matematici per lo studio della probabilità Disposizione semplice Selezione ordinata di k elementi di un insieme finito di dimensione n Elenco degli studenti seduti nella prima fila Primi tre classificati di una gara Problema: quante disposizioni si presentano nell’estrazione di due palline da un sacchetto che ne contiene 4 diverse? Soluzione: 4 possibilità per la prima pallina per ogni scelta della prima ci sono 3 possibilità per la seconda per ogni scelta delle precedenti ci sono 2 possibilità per la terza Numero di disposizioni semplici: 4 ·3 · 2 = 24 Altri esempi e relative soluzioni: • Il numero di modi in cui disporre 4 alunni in prima fila in una classe di 25 studenti è 25 · 24 · 23 · 22 = 303600 • le possibili disposizioni dei numeri della prima cinquina della tombola sono 90 · 89 · 88 ·87 · 86 > 5 1010 Regola: Il numero di k-disposizioni semplici di n elementi è n · (n-1) ·… · (n-k+1) Usando il fattoriale di n, definito come n!=n · (n-1) · (n-2) · ….. · 1 ottengo: n! _____ D k,n = (n-k)! Disposizione con ripetizione Elenco di k elementi ordinati di un insieme di dimensione n per cui è prevista la ripetizione Pin del telefono Lancio di tre dadi Problema: quanti prefissi telefonici si possono scrivere con tre cifre? Soluzione: 9 possibilità per la prima cifra Per ogni scelta della prima cifra ho 9 possibilità per la seconda Per ogni scelta delle prime due cifre ho 9 possibilità per la terza Disposizioni con ripetizione: 9 · 9 · 9 = 93 Altri esempi e relative soluzioni: • Il numero di colonne possibili del totocalcio è 313 = 1594323 • il numero di password di 8 cifre che si possono scrivere con cifre alfanumeriche maiuscole e minuscole senza caratteri speciali è (10+26x2)8 Regola: Il numero di k-disposizioni con ripetizione di n elementi è D k,n = nk … nota • il numero di targhe che si può ottenere con 4 numeri e 2 cifre finali è 104 · 262 = 6760000 Permutazione (semplice) Possibile ordinamento di un insieme finito di elementi È una n-disposizione semplice di n elementi Ordine di arrivo ad una gara Posizione dei libri in una libreria Problema: in quanti modi posso distribuire i 25 studenti di una classe? Soluzione: partendo dal primo banco, per il quale ho 25 possibilità, ad ogni scelta successiva ho uno studente in meno a disposizione, per cui ho 25 · 24 · 23 · …..2 · 1 = 25! Regola Le permutazioni di n elementi sono Pn = n! Combinazioni Raggruppamenti di k elementi di un insieme di dimensione n = possibili sottoinsiemi Studenti interrogati Estrazioni del lotto Problema: quante scelte ha un professore se interroga 4 persone in una classe di 25? Soluzione: Il numero di 4-disposizioni di 25 elementi è 25!/21! Le disposizioni con gli stessi elementi in cui cambia solo l’ordine corrispondono alla stessa composizione Il loro numero corrisponde al numero di permutazioni: sono 4! Le combinazioni sono ____ 25! 21!4! Altri esempi e relative soluzioni: • Il numero di combinazioni vincenti del SuperEnalotto è 90! ______ 84!6! Regola: Il numero di sottoinsiemi di k elementi di un ______ insieme di dimensione n è C n! = k,n (n-k)!k! Definisco coefficiente binomiale n! il valore n ______ k = (n-k)!k! () Probabilità composta definizioni Dico due variabili o due eventi indipendenti se il verificarsi del primo non influenza il verificarsi del secondo. A, B eventi indipendenti P(A ∩ B) = P(A) · P(B) A ={TT, TC} B = {TC, CC} X, Y variabili indipendenti A Ωx J ∩ I ∩ A Ωy si ha TT TC CC CT P(I ∩ J) = P(I) · P(J) Ossia se tutti i possibili eventi della prima sono indipendenti dai possibili eventi della seconda X = esito lancio del primo dado Y = esito lancio del secondo dado Regole Dati due eventi E e F CCT ∩ P(E F) = P(E) + P(F) - P(E∩F) E CTT TTC TCT E = esattamente due teste F = la prima è testa CTC F CCC con E ∩ F = Φ ho ∩ TTT TCC TTC F E CTC TCT CCT CTT Ω CCC Ω TCC TTT P(E F) = P(E) + P(F) E = esattamente due teste F = esattamente una testa Nota: nel caso di tre eventi ∩ ∩ P(E F G) = P(E) + P(F) + P(G) - P(E∩F) - P(E∩G) - P(F∩G) + + P(E∩F∩G) Si consideri un evento costituito da eventi elementari che siano fasi successive di un esperimento Diagramma ad albero struttura di oggetti (foglie) e collegamenti (rami) orientati Ogni foglia può discendere da un solo predecessore (padre) Ad ogni foglia possono seguire diversi oggetti (figli) Lancio di tre dadi T V V T C V V T C T C T C V V I possibili esiti si trovano percorrendo tutti i rami dalla radice alla cima C T CT C Principio di moltiplicazione Sia E l’evento che si ottiene percorrendo un ramo dell’albero dalla radice alla cima ed ei gli eventi elementari corrispondenti alle foglie del percorso di E P(E) = p P(ei) Probabilità di un codice alfanumerico del tipo aabc con a:±1 b:cifra c:lettera 1 1 P(-1,1,9,y)= ½ · ½ · 1/10 · 1/26 1 __ = 1040 -1 ½ -1 -1 1 ½ 0123… a b 9 … 1/10 w y z 1/26 Probabilità condizionata e inversa P(F|E) = Probabilità che l’evento F si realizzi nell’ipotesi che l’evento E si sia già realizzato E = il primo esito è testa P(F)=3/8 P(F|E)=2/4 CCT F Ω TCC CTT TTC TTT TCT CTC F = due esiti su tre sono testa CCC E F TTC TCT TCC TTT E = Ω Regola P(F∩E) _______ P(F|E)= P(E) Riferendosi all’esercizio precedente P(F∩E)=2 P(E)= 4 P(F|E)= 2/4 Nota: F è indipendente da E se (def.) P(F|E) = P(F) e se sostituisco trovo P(E) · P(F) = P(E∩F) Problema della probabilità inversa Problema: L’urna I contiene 3 palline rosse e 2 blu, l’urna II contiene 1 pallina rossa e 1 blu. Pesco ad occhi chiusi una pallina rossa: Quale è la probabilità che provenga dall’urna 1? Soluzione Uso il diagramma ad albero: r 3/5 I ½ II b2/5 r ½ ½ b P(e1) P(e2) Evento elem. ½ 3/10 P(b)=9/20 1/5 1/4 P(r)=11/20 1/4 P(Ei) i=1…4 Costruisco il diagramma inverso: x = 4/9 I 1/5 P(I|b) = 4/9 II 1/4 P(II|b) = 5/9 6/11 I 3/10 P(I|r) = 6/11 5/11 II 1/4 P(II|r) = 5/11 9/20 b 5/9 11/20 r Come trovare x : la probabilità dei rami equivalenti dei due alberi è uguale, quindi: 9/20 · x = P(E2) = 1/5 P(b) P(I|b) P(b∩I) Il problema corrisponde alla ricerca della probabilità dell’urna I condizionata all’aver pescato b Formula di Bayes Problema: Si consideri un esperimento in due fasi e si voglia calcolare la probabilità di un evento elementare Hi al primo stadio nota la probabilità dell’evento E al secondo stadio Regola P(E|Hi) · P(Hi) P(E|Hi) · P(Hi) ________________ P(Hi|E) = = __________ P(E|Hk) · P(Hk) Σ P(E) m k 1 Probabilità discreta e continua definizioni Dato uno spazio campionario discreto Ω * def. probabilità su Ω una qualsiasi funzione P:Ω [0,1] che soddisfi 1) P(Ω) = 1 2) P(U Ak) = k 1 P(Ak) k 1 * Finito o numerabile Probabilità classica Ω finito o numerabile con Ω = { wi } IΩI = dimensione (o la cardinalità) di Ω IEI P(E) = ___ IΩI כּA E Ω definizione equivalente alla probabilità classica: Sia m(x) una funzione m:Ω [0,1] con detta funzione di distribuzione di Ω Sia E un sottoinsieme di Ω definisco P(E) := m(x) xE P:Ω [0,1] con P(Ω) = 1 m(x) =1 x Le proprietà sono quelle già viste . le trasmettiamo dagli insiemi agli elementi per il caso numerabile le somme diventano serie studio della convergenza (esistenza di una somma finita) Caso continuo X = lunghezza della corda di una circonferenza unitaria Ω = ( 0,2] Si voglia P(E) con E = ( 3 ,2] Scelgo un sistema di coordinate per il punto medio: rettangolari del con origine nel centro della circonferenza M: (x,y) (x,y) [-1,1] x [-1,1] con x2 +y2 ≤ 1 L’Hp corrisponde a X ≥ lato del triangolo equilatero . M è interno alla circonferenza di raggio ½ Nota: Se ho uno spazio campionario sottoinsieme di IR2 e ipotizzo che tutti i suoi punti siano equiprobabili posso associare ad una superficie una probabilità equivalente alla sua area P(E) = 2 π(½) ______ π(1)2 =1/4 Paradosso di Bertrand: 1/4 P(E) = 1/2 M:(x;y) M:(ρ;θ) 1/3 A:(1;α) B:(1;β) Nota: Area e integrale definizione F(x) funzione di distribuzione cumulativa di X se FX ( x) : P( X x) : P((, x)) FX ( x) : IR IR Proprietà FX (x) è monotona non decrescente lim lim FX ( x) 0 FX ( x) 1 x x FX (x) è continua da destra: lim xt FX ( x) FX (t ) definizione f(x) funzione di densità di X se f: IR + IR e vale b P(a ≤ x ≤ b) = f ( x)dx a, b IR a Proprietà Scelta la variabile X non è detto che esista f(x) P(X E) = f ( x)dx purché l’integrale esista E f(x) non è una probabilità. Teorema Sia X una variabile aleatoria con funzione di densità f(x) x F ( x) f (t )dt Rappresenta la funzione di distribuzione cumulativa di X, d F ( x) f ( x) dx e si ha Da ciò potremmo introdurre un diversa definizione di funzione densità: x f: IR f (t )dt F ( x) IR+ t.c. f ( x)dx 1 Esempi significativi di distribuzioni e densità Distribuzione uniforme discreta Sia X una variabile aleatoria con spazio campionario Ω di dimensione n La distribuzione è rappresentata dalla funzione m(x) = 1/n = costante Attenzione! Sia Ω numerabile e m(x) = costante m( x)dx diverge E Distribuzione uniforme continua Funzione di densità gaussiana ( x )2 1 fx = ______ 2p e 2 2 0 2 1 FINE