1 / 32

La probabilità

La probabilità. Concetti di base. Probabilità. Grado di incertezza connesso al risultato scaturito da una prova. Esempio. Numero che appare sulla faccia superiore del dado dopo averlo lanciato. Concetti primitivi di probabilità. La prova. La prova è un esperimento

jermaine-rush
Download Presentation

La probabilità

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. La probabilità

  2. Concetti di base Probabilità Grado di incertezza connesso al risultato scaturito da una prova Esempio Numero che appare sulla faccia superiore del dado dopo averlo lanciato

  3. Concetti primitivi di probabilità La prova La prova è un esperimento Che ha due o più possibili risultati Per evento si intende uno dei possibili risultati della prova L’evento La probabilità è un numero compreso tra 0 ed 1 che misura il grado di incertezza sul verificarsi di un evento La probabilità

  4. Prova, evento e probabilità In una data prova, l’evento E si verifica con probabilità P(E) Esempio: Nel lancio di un dado (ben bilanciato) La faccia contrassegnata dal numero 5 (E=5) si presenta con probabilità P(E=5)=1/6

  5. Eventi e Algebra di Eventi Dato il postulato 1 sono definite le seguenti operazioni: La negazione di un evento A, ossia A L’intersezione tra due eventi A e B, ossia A  B L’unione tra due eventi A e B, ossia A  B Gli eventi formano una algebra di Boole Postulato 1

  6. Eventi 6 Definizione due eventi rilevanti: • Evento impossibile: è l’evento che non può mai verificarsi e può essere definito come • Evento certo, ossia l’evento che si verifica sempre in quanto comprende tutti i possibili risultati dell’esperimento. Può essere definito Al lancio di un dado esce la faccia 0 Al lancio di una moneta esce T o C Due eventi A e B, si dicono incompatibili (o mutualmente esclusivi o disgiunti) se

  7. A A B A B

  8. Proprietà assiomatiche della probabilità La probabilità è una funzione di insieme che associa a ogni evento EiE un numero reale. La probabilità sarà indicata con P(Ei) P(A)0 Postulato 2 P()=1 Postulato 3 [A  B = ø]  [P(A U B)=P(A)+P(B)] Postulato 4

  9. Esperimento casuale E’ ogni processo la cui singola esecuzione (prova) dà luogo a un risultato non prevedibile. Esempio: Lancio di una moneta 3 volte S= Spazio campionario= Eventi elementari Evento è un sottinsieme di S

  10. Spazio campionario F A E2 E1 E4 E3 E8 E5 E6 E7 L’evento è un sottinsieme delle spazio campionario.

  11. E3 E1 E4 E2 E8 E5 E6 E7

  12. La probabilità dell’intersezione è sommata due volte!

  13. DEFINIZIONI DI PROBABILITA’ • Classica: è il rapporto tra il numero di casi favorevoli e il numero di casi possibili, supposto che questi siano equiprobabili (di Laplace) • Frequentista: è la frequenza relativa con cui l’evento si verifica in una lunga serie di prove ripetute sotto condizioni simili (di Von Mises) • Soggettivista: è il grado di fiducia che un individuo coerente attribuisce, secondo le sue informazioni e opinioni al verificarsi dell’evento

  14. Probabilità condizionate e indipendenza P(AB)= P(A  B) P(B) P(AB)= n. dei casi favorevoli ad (A  B) n. dei casi favorevoli a B ossia Si definisce probabilità condizionata di A dato B il rapporto tra la probabilità dell’evento (A  B) e la probabilità dell’evento B

  15. Probabilità condizionata Si vuol calcolare la probabilità dell’evento e4 rispetto allo spazio campionario S’ E è il nuovo spazio campionario S’ e3 e1 e4 e2 e8 e5 e6 e7

  16. Principio delle probabilità composte Dati 2 eventi A e B tali che P(A)>0 e P(B)>0 : P (A  B) =P(A) P(B|A)= P(B)P(A|B) 16 Due eventi si dicono indipendenti se il verificarsi di B non influenza la probabilità di A e il verificarsi di A non influenza la probabilità di B P (A|B) =P(A) P(B|A) = P(B) da cui si ricava

  17. Teorema di Bayes Probabilità a posteriori: Teorema di Bayes

  18. Esempio P(A1) = 0,1 prob. di estrarre un individuo malato P(A2) = 0,9 prob. di estrarre un individuo sano P(B1|A2) = 0,2 prob. che il test dia un falso-positivo P(B2|A1) = 0,1 prob. che il test dia un falso-negativo Determinare: P(A1|B1) = probabilità che un individuo positivo al test sia effettivamente malato 18 poichè P(B1|A1) = 1 – P(B2|A1) = 0,9

  19. Esempio (continua) 19

  20. 20/100=0.2 Tipo A 60/100=0.6 adulto 40/100=0.4 Tipo non A 100 14/100=0.14 Tipo A giovane 40/100=0.4 Tipo non A 26/100=0.26

  21. Esercizio Excel

  22. La distribuzione di probabilità X è la variabile casuale “numero di T in tre lanci di una moneta” S=

  23. Variabili casuali discrete: Distribuzioni di probabilità

  24. Variabili casuali continue: Funzione di densità Immaginiamo di avere un carattere statistico continuo e di rappresentarlo tramite istogramma con 8 classi di ampiezza finita

  25. Variabili casuali continue: Funzione di densità Man mano che aumentiamo il numero delle classi, si riduce l’ampiezza della classe. Al limite, l’ampiezza della classe diviene infinitesima e il poligono di frequenza si approssima con una linea continua. Tale linea si chiama funzione di densità di frequenza in quanto l’ordinata non è altro che l’altezza dei rettangoli che compongo l’istogramma

  26. Alcune distribuzioni teoriche La distribuzione binomiale (discreta) La curva di Gauss o Normale (continua)

  27. Distribuzione binomiale • Esperimento bernulliano: esperimento casuale che ammette due soli esiti possibili, successo e insuccesso. Esempio: lancio di una moneta, condizione di malattia p è la probabilità di successo. q=1-p è la probabilità di insuccesso Hanno distribuzione binomiale: • La variabile casuale X definita come “numero di successi su n prove” ha distribuzione binomiale • La variabile casuale F definita come “frequenza relativa di successo su n prove” • Esempio: La probabilità che un paziente guarisca da una determinata malattia è p=0.60. • Determinare la probabilità che su 5 pazienti ne guariscano esattamente 3

  28. G=guarito NG= non guarito Si tratta di un esperimento bernulliano con p=0.60 e q=0.40 • Considerando gruppi di 5 pazienti, possiamo avere le seguenti combinazioni • (G,G,G,NG,NG) • (G,NG,NG,G,G) • … • Ogni combinazione è il prodotto di eventi indipendenti. In tutto le combinazioni sono:

  29. La prima combinazione ha probabilità: La seconda combinazione ha probabilità: Tutte e 10 le combinazioni possibili hanno probabilità Quindi, la probabilità di x successi su n prove è: Tornando all’esempio:

  30. Statistiche della distribuzione binomiale Simmetria della distribuzione binomiale All’aumentare di n e a prescindere da p, la distribuzione binomiale tende ad essere simmetrica e si può approssimare con la curva Normale N(np,np(1-p)) per X e N(p, p(1-p)/n) per F

  31. Esempio: con p=0.15 Prob(almeno 2 successi su 5 prove)= Prob(x≥2)= P(X=2)+P(X=3)+P(X=4)+P(X=5) Prob(meno di 2 successi su 7 prove)= Prob(x<2)=P(X=0)+P(X=1) Prob(fra 3 e 5 successi su 7 prove)= Prob(3≤x ≤ 5)=P(X=3)+P(X=4)+P(X=5)

More Related