You are on page 1of 36

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

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.

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

Da entrambe le definizioni risulta 0 P(A) 1 ; P(A)=0 per evento impossibile P(A)=1 evento certo

● La definizione classica di probabilita' e' insoddisfacente per 2 motivi: in primo luogo sottointende il concetto di equiprobabilita'. 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. Le due definizioni (classica ed empirica) trovano una consistenza nella legge dei grandi numeri o Teorema di Bernoulli) . Inoltre presuppone a priori una convergenza della frequenza relativa al crescere di N. cosicche' nell'ambito della definizione si usa il concetto stesso da definire. verso un valore ben definito. ● ● .

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. preso un numero positivo ε piccolo a piacere sia possibile determinare in conseguenza un intero M tale che per ogni N>M risulti sicuramente | f(A)-P(A)| <ε .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 . 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. Se l'evento A si e'presentato M(A) volte in N prove.

. esempio: nel gioco del lotto non esiste un numero M di volte dopo il quale un numero prefissato che non e’ uscito per M volte . esca con certezza. Vale ancora sottolineare che tale convergenza non preveda 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. ● ● .Cosa significa convergenza statistica ● Gli studenti hanno gia' verificato nei risultati della loro esperienza (lancio dei dadi) il significato di convergenza statistica .

Rappresentazione grafica di una convergenza statistica .

3-DEFINIZIONE ASSIOMATICA di probabilita' La definizione assiomatica di probabilita' e' matematicamente consistente e supera le incongruenze delle definizioni precedenti.Operazioni d'Insieme (unione -intersezione) -Funzione d'insieme ● . Spazio campionario degli eventi. E' necessario pertanto premettere alla sua definizione alcune nozioni ● ● . ● La probabilita' di un evento A e' definita come una funzione d'insieme -Eventi Insieme e sottoinsieme di eventi .

E6 Evento complesso: comparsa faccia pari E2.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). E5. E4. E6 ● . E4. E2. E3.

(5. (4..5).1) (1...2) . tutti gli eventi semplici che sono le 36 coppie di valori (1.1) ● . (6. rappresentabili in un piano cartesiano dai punti in figura Evento complesso esempio: risultato del lancio somma 7 : (1..Esempi Esempio 2: lancio 2 dadi a 6 facce ● Spazio campionario....4).. (2. (3..6)..2).3)..

CTT.TTC.Esempio 3: lancio di una moneta 3 volte ● Spazio degli eventi:TTT. L'osservazione del fenomeno assegna ● Spazio degli eventi = Valori compresi fra 295 e 305 cm Evento complesso:=Valori di lunghezza >300 cm valori > 300 cm : sottoinsieme 300-305 cm ● ● .CCT.TCT. Esempio 4: misura della lunghezza di una barra d'acciaio in un processo produttivo.CTC. TCT. TTC. TCC.TCC.CCC Evento complesso :prima uscita T= sottoinsieme TTT.

● . in un rettangolo o in altra figura piana. Uno schema molto utile per illustrare gli insiemi e mostrarne le relazioni è il diagramma di Venn.Operazioni su insiemi ● Data la corrispondenza fra eventi e insieme di punti. Si tratta di un diagramma che rappresenta l'insieme con i punti contenuti in un cerchio. lo studio della relazione tra eventi è riconducibile allo studio della relazione fra insiemi.

● 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 .

● Insieme unione di insiemi A e B si indica A B A∩B insieme degli elementi di A o di B o di entrambi ● Insieme intersezione di insiemi A e B si indica insieme dei punti che appartengono ad A ed a B A∩B= Insiemi congiunti Insiemi disgiunti .

y) di raggio r= (x2+y2) ½ .Funzione d'insieme ● Nell'accezione usuale. una funzione f(x) e' una legge che associa a cascun punto di un dato insieme di punti (dominio)uno e un sol punto di un altro insieme (codominio). Esempio si considerino i cerchi nel piano (x.Tale nozione puo' essere facilmente estesa al caso in cui gli elementi del dominio siano insiemi di punti anziche' singoli punti.a ciascun cerchio si puo' associare l'area corrispondente s =  r2 . s cosi' definita e' funzione d'insieme. ● ● ● Nella successiva definizione assiomatica di probabilita' si associa ad un insieme o ad un sottoinsieme A una funzione P(A) .

E' una definizione puramente formale basata su 3 assiomi. Si tratta di dare una definizione operativa di probabilità ovvero di definire operativamente la misura della probabilità di un insieme A.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). – – – ● ● .

.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'.

Si facciano . non dice nulla su come assegnare dei valori alla probabilita'. verificabili poi analizzando gli eventi reali osservati.e risultano con cio' matematicamente consistenti. Tuttavia su tali valori si possono fare delle ipotesi . L'assegnazione della probabilita' agli eventi di S deve soddisfare la condizione di normalizzazione P(S)=1 .per tutti. ● La definizione assiomatica di probabilita'. sia la definizione empirica di probabilita' soddisfa gli assiomi. gli esempi dell'assegnazione delle probabilita' nei giochi d'azzardo in cui in genere gli eventi sono supposti non equiprobabili.Assegnazione della probabilta' agli eventi ● Sia la definizione classica.

Esempio di assegnazione della probabilita' ad eventi 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(E2 )=P(E4)=P(E5)=P(E6)=1/7 P(E2)=2/7 .

Esempio di assegnazione della probabilita' ad eventi complessi Si voglia valutare adesso (utilizzando il dado “truccato”) la probabilita' degli eventi complessi A (punteggio pari =2. Per calcolare P(A) e P(B) si applica la proprieta' assiomatica degli eventi disgiunti da cui P(A)=2/7+1/7+1/7=4/7 P(B)=1/7+2/7=3/7 ma per il calcolo d P(A ∪ B ) con A e B congiunti non abbiamo ancora la regola! .2) C (punteggio pari o inferiore a 3 =A ∪ B) gli eventi A e B sono congiunti.6) B (punteggio inferiore a 3 =1.4.

P(A U B ) = P(A) + P(B) ─ P(A∩B) ● ● Dimostrazione: Siano A e B insieme congiunti ● .estesa anche ad insiemi congiunti .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 proprieta' totale nella che forma generale .

In figura e' mostrato come e' sempre possibile esprimere l'insieme unione A U B di insiemi congiunti come l'unione di insiemi disgiunti e applicare all'insieme (A U B) la proprieta' della somma di insiemi disgiunti .

● inoltre sia A che B possono sempre esprimersi come unione di insiemi disgiunti nella forma: ● da cui si ottiengono le relazioni ● che sostituiti nella precedente P(A U B)=P(A)+P(B)–P(A∩B) ● danno il risultato .

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] .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)0 non nulla.

Infatti se B e' un sottonsieme di S .La P(A∣B) soddisfa gli assiomi Si puo' verificare che questa definizione di probabilita' soddisfa le proprieta' della definizione assiomatica.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 .

m) sottoinsieme B:(m.La probabilita' condizionata P(A∣B) puo' essere <=> P(A) Esempio P(A∣B) > P(A) il verificarsi dell'evento B favorisce il verificarsi di A 1)Nell'ipotesi che una famiglia abbia 2 figli. (m. (f. (f.m) .(f.m). sapendo che almeno uno di essi e' maschio.cercare la probabilita' condizionata che ambedue i figli siano maschi.f).f).f) supposti equiprobabili gli eventi hanno probabilita' 1/4 sottoinsieme A: (m.m). Spazio campionario: (m. (m.m) P(A∣B)=P(A∩B)/P(B)=1/4/3/4=1/3>P(A)=1/4 Se A⊂B P(A∣B)=P(A∩B)/P(B)=P(A)/P(B) >P(A) .

cercare la probabilita' condizionata che almeno uno sia un maschio .(f.Esempio : P(A∣B) < P(A) Se P(A∣B) < P(A) il verificarsi dell'evento B sfavorisce il verificarsi di A i 2)Nell'ipotesi che una famiglia abbia 2 figli.f).m) P(A∣B)=P(A∩B)/P(B)=1/4/1/2=1/2<P(A)=3/4 . evento B (f.(m.f).sapendo che il primo e' una femmina evento A: (m.m) .m).(f.

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:(1.4) (4.1) Evento B :(4.(3.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.3) P(A∣B) = P(A∩B)/ P(B)=1/36/ 1/6=6/36=P(A) .3)(5.6) Evento A∩B = (4.2)(4.1) (4.5) (4.2)(6.5).6) (2.3) (4.4)(4.

.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).. ● ● ....

Legge della Probabilita’ composta ( forma semplice) Se i due eventi A e B sono indipendenti P(A∣B)=P(A) e la legge della probabilita' composta (forma generale) diventaP(A∩B )=P(A) P(B) Se gli eventi sono piu' di due .Eventi indipendenti.. ciascuno con probabilita' P(A)..la probabilita' che si verifichi l'evento A∩B ∩C. P(C)..)=P(A) P(B)P(C).e' il prodotto delle singole probabilita' . 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 .. P (B).C….la legge si generalizza nella forma P(A∩B ∩..

CTC.CCC supposti equiprobabili la probabilita' di ogni singolo evento =1/8 a)Si voglia valutare la probabilta' dell'evento “almeno 2 T” se al primo lancio si e' verificato l'evento C A=[CTT.TCT. TTT. TCT] B=[CTT.CCT.CTC.TTC.TTC.CTT.CCC] P(A∣B)=P(A∩B)/P(B)=1/8/1/2=1/4<P(A)=1/2 .CCT.Esempio 1 insiemi congiunti non indipendenti lancio di una moneta simmetrica 3 volte Spazio degli eventi : TTT.TCC.

CCT] P(A∣B)=P(A∩B)/P(B)=1/8/1/4=1/2=P(A) vale la legge della probabilita' composta in forma semplice P(A∩B)=P(A) P(B) =1/2*1/4=1/8 .TCC.CCC] B=[CCC.Esempio 2 eventi congiunti indipendenti Si voglia valutare la probabilita' di Croce al III lancio essendosi verificato l'evento 2C al I e II lancio A=[TTC.CTC.

5) (2.2)(5.(3.4)(4.4).3) (4.5) (4.1) Evento B :(4.2)(4.ESEMPIO 3 eventi congiunti non indipendenti Si consideri il lancio di 2 dadi simmetrici.3) (4.1) (4.Sia A l'evento che la somma dei 2 dadi sia 6 e B l'evento che il I dado sia 4 Si calcoli la probabilita' condizionata P(A∣B) Evento A:(1.6) P(A∣B) = P(A∩B)/ P(B)=1/36/ 1/6=6/36>P(A)=5/36 Il verificarsi dell'uscita 4 al I lancio favorisce la somma 6 .

3) B:(1.3.2.5) P(A∣B) = P(A∩B)/ P(B)=2/6/1/2=2/3>P(A)=1/2 L'uscita di un numero dispari favorisce l'uscita di un numero minore o uguale a 3. Anche con la definizione classica P(E)=2/3! .dato che e'uscito un numero dispari? A:(1.qual'e' la probabilita' che esca un numero minore o uguale a 3.ESEMPIO 4 eventi congiunti non indipendenti Nel lancio di un dado simmetrico .

Quadro riassuntivo Legge della probabilita' totale (forma generale) P(A U B ) = P(A) + P(B) ─ P(A∩B) Legge della probabilita' composta (forma generale) P(A∩B)=P(A∣B) P(B)=P(B∣A) P(A) caso a) Eventi A e B disgiunti o incompatibili P(A∩B)=0 P(A U B ) = P(A) + P(B) caso b) Eventi A e B congiunti e indipendenti P(A U B ) = P(A) + P(B) ─ P(A∩B) P(A∩B)=P(A) P(B) .

2) (2..Eventi A e B congiunti indipendenti Se si chiede qual'e' la probabilita' che esca un pari al II lancio se al I e' uscito un dispari (Attenzione lo spazio campionario e‘ costituito dalle 36 coppie (1. Evento A (1...2) (1.1) (3.3)……. Evento B (1..2) (3..1) (5.3)……..3)…………………… (3.4) (2.2) (3.1).2) (5.6) (3.6) (2. (5.2). P(A∣B)=P(A∩B) /P(B)=9/36 1/2= 9/18 P(A∩B)=P(A) P(B)=1/2*1/2=1/4 / ..1) (1.2)…………………… (1.(1.4) (3.6)…….4)……. (1.