Calcolo delle probabilità • Abbiamo visto che, nel caso della definizione di probabilità a priori o classica, occorre “contare” i numeri di casi favorevoli ed i numeri di casi possibili. Per non ricorrere all’elencazione di tutti i casi che costituiscono lo spazio campionario, può essere utile un richiamo di analisi combinatoria. • Verranno quindi riportate le definizioni ed i teoremi utilizzati nel calcolo delle probabilità. Richiami di analisi combinatoria • Teorema fondamentale dell’analisi combinatoria o principio di moltiplicazione: Se un evento risulta da più scelte successive tali che vi siano m1 possibilità per la prima, m2 per la seconda e così via, i casi possibili risultanti sono m1⋅ m2⋅m3⋅ … . • Tipi di descrizione: Descrizione di stato di k prove aventi ciascuna n modalità di realizzazione diverse cioè elencazione delle sequenze che descrivono, per ogni prova, la modalità di realizzazione: si tiene conto dell’ordine. Descrizione di frequenza delle n modalità nelle k prove cioè elencazione delle sequenze che indicano, per ciascuna delle n modalità, il numero di prove che ne godono cioè la frequenza con cui ciascuna modalità appare, senza tenere conto dell’ordine. • Disposizioni: si tiene conto dell’ordine. • Combinazioni: non si tiene conto dell’ordine. • Disposizioni con ripetizione di n elementi a k a k: Dr(n,k) = nk • Disposizioni senza ripetizione di n elementi a k a k: si deve avere n≥k n! D (n, k ) = ( n − k )! • Combinazioni di n elementi a k a k: D ( n, k ) n! C ( n, k ) = = k! k! ( n − k )! • Solitamente l’espressione all’ultimo membro è ⎛n⎞ denotata dal simbolo ⎜⎜ k ⎟⎟ che prende il nome di ⎝ ⎠ coefficiente binomiale. Si ha pertanto ⎛n⎞ n! C ( n, k ) = ⎜⎜ ⎟⎟ = ⎝ k ⎠ k! (n − k )! • Si può subito osservare che ⎛n⎞ ⎛ n ⎞ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⎝k ⎠ ⎝n − k ⎠ • Combinazioni con ripetizione di n elementi a k a k: ⎛ k + n − 1 ⎞ ⎛ k + n − 1⎞ ⎟⎟ Cr ( n, k ) = ⎜⎜ ⎟⎟ = ⎜⎜ ⎠ ⎝ n −1 ⎠ ⎝ k Probabilità condizionata ed indipendenza stocastica • Teorema della probabilità totale. Va sotto questo nome il teorema della additività per eventi non mutuamente esclusivi: P(A∪B) = P(A) + P(B) – P(A ∩ B) • Probabilità composta: è la probabilità P(A ∩ B) = P(AB) che gli eventi A e B si verifichino contemporaneamente. • Probabilità condizionata. Indica la probabilità di un evento A, sapendo che si è già realizzato un evento B e si indica con P(A | B) che si legge “P di A se B” oppure “P di A dopo B”. Il sapere che si è verificato l’evento B fornisce un’informazione supplementare che cambia la probabilità dell'evento A e può essere positiva se P(A | B) > P(A) oppure negativa in caso contrario. Si ha P(A | B) = 1 se B ⊆ A P(A | B) = 0 se P(A ∩ B) = ∅ (eventi disgiunti) La definizione è la seguente: P( A ∩ B ) P( A | B ) = se P ( B ) > 0 P( B ) Teorema del prodotto Per due eventi, è la riformulazione della definizione di probabilità condizionata: P(A ∩ B) = P(A | B) P(B) = P(B | A) P(A) Generalizzazione a più eventi : P(A1 ∩ A2 ∩ A3∩ …∩ An) = P(A1) P(A2|A1) P(A3|A2∩A1)… P(An|An-1∩…∩ A2∩A1) Indipendenza stocastica • Due eventi A e B si dicono indipendenti se la realizzazione dell'uno non influenza la realizzazione o non realizzazione dell'altro. Si ha quindi: P(A | B) = P(A) oppure P(B | A) = P(B) Dalla definizione di probabilità condizionata pertanto si avrà che Due eventi A e B si dicono indipendenti se e solo se P(A ∩ B) = P(A) P(B) Più in generale, gli eventi A1, A2,…, Ai ,…, An sono indipendenti se e solo se P(I Ai ) = ∏ P( Ai ) i∈J i∈J per ogni sottoinsieme J di indici. N.B.: non confondere l'indipendenza stocastica con l'incompatibilità (eventi mutuamente esclusivi): incompatibilità ⇒ A∩B=∅ ⇒ P(A∩B) = 0. Per due eventi incompatibili si ha P(A∪B) = P(A)+P(B) mentre per due eventi indipendenti si ha P(A∩B)=P(A)P(B). Teorema di Bayes • Teorema delle probabilità totali o partizione dell'evento certo. Consideriamo una famiglia di insiemi Bi , i=1,…,n che costituiscano una partizione di Ω cioè che siano mutuamente esclusivi tra loro ed esaustivi di Ω: n U Bi = Ω e Bi ∩ B j = ∅ ∀ i, j i =1 Si può dimostrare che, per ogni evento A ⊂ Ω, si ha n P ( A) =)∑ P ( A | Bi ) P( Bi ) i =1 • Teorema di Bayes. Nelle ipotesi di validità del teorema delle probabilità totali, la probabilità di realizzazione di un generico evento Bk appartenente alla partizione di Ω, sapendo che si è realizzato l'evento A, cioè la probabilità condizionata P(Bk | A), è data da P ( A | Bk ) P ( B k ) P ( A | B k ) P ( Bk ) = n P ( Bk | A ) = P ( A) ∑ P ( A | Bi ) P ( Bi ) i =1 È possibile interpretare gli eventi Bi come tutte le possibili cause dell'evento A: se tutte le probabilità P(Bi) possono essere conosciute in modo rigoroso, questo teorema risulta una pura applicazione matematica del calcolo delle probabilità. Esso è però molto importante in ambito soggettivista (o bayesiano) in quanto, scelte inizialmente in modo soggettivo le diverse P(Bi), è possibile modificarle in base ai risultati ottenuti con l'esperienza. Le P(Bi) sono dette probabilità a priori e le P(A|Bi) sono dette verosimiglianza. In mancanza di altre informazioni, le diverse P(Bi) possono essere considerate equiprobabili (ipotesi della disperazione).