Upload
donhi
View
216
Download
0
Embed Size (px)
Citation preview
Progetto Lauree Scientifiche Liceo Classico “L.Ariosto” , Ferrara Dipartimento di Matematica – Università di Ferrara 24 Gennaio 2012
Appunti a cura di Daniela Gambi e Isabella Stevani
funzione
vettore
matrice
cenni di calcolo combinatorio
variabili aleatorie
spazio campionario
valore atteso
densità di probabilità
campione statistico
medie
varianza
Concetti importanti da (ri)vedere
probabilità: storia e assiomi
probabilità condizionata
indipendenza di due eventi
teorema di Bayes
Appunti a cura di Daniela Gambi e Isabella Stevani 2
Diversi approcci alla probabilità
Ci sono quattro modi di porre la definizione di probabilità: a) definizione classica b) definizione frequentista c) definizione assiomatica d) definizione soggettivista
Appunti a cura di Daniela Gambi e Isabella Stevani
3
Se F=0, cioè se non esistono casi favorevoli al verificarsi dell’evento, l’evento è detto impossibile e la sua probabilità è nulla:
P(E) =0;
se F=N, cioè se tutti i casi sono favorevoli al verificarsi dell’evento, l’evento è detto certo e la sua probabilità è 1: P(E)=1.
Definizione classica di probabilità
(P. S. Laplace, 1749-1827)
La probabilità P(E) di un evento E è il rapporto fra il numero F dei casi favorevoli (al verificarsi di E) e il numero N dei casi possibili, giudicati egualmente possibili.
1P(E)0 N
F)E(P
Appunti a cura di Daniela Gambi e Isabella Stevani 4
Uno dei punti deboli della concezione classica è la condizione, pressoché impossibile da verificare, che tutti i casi in cui può manifestarsi il fenomeno siano egualmente possibili.
La definizione si può applicare quando l’insieme dei casi è un insieme finito.
Note alla concezione classica
Appunti a cura di Daniela Gambi e Isabella Stevani 5
6
Premessa alla definizione frequentista di probabilità:
frequenza relativa di un evento
La concezione frequentista è basata sulla definizione di frequenza relativa di un evento.
Si definisce frequenza relativa di un evento in n prove effettuate nelle stesse condizioni, il rapporto fra il numero v delle prove nelle quali l’evento si è verificato e il numero n delle prove effettuate:
f= v/n
se f=0 l’evento non si è mai verificato in quelle n prove; se f=1 (v=n) l’evento si è sempre verificato in quelle n prove.
Appunti a cura di Daniela Gambi e Isabella Stevani
7
Note alla concezione frequentista
La frequenza dipende dal numero n delle prove fatte, ma, per uno stesso n, la frequenza può variare al variare del gruppo delle prove:
Se si lancia 100 volte una moneta e si presenta testa 54 volte,
effettuando altri 100 lanci si può presentare 48 volte. Se il numero di prove è sufficientemente alto, il rapporto v/n
”tende” a stabilizzarsi.
Appunti a cura di Daniela Gambi e Isabella Stevani
Legge empirica del caso
In una serie di prove, ripetute un gran numero di volte, eseguite tutte nelle stesse condizioni, la frequenza “tende” ad assumere valori prossimi alla probabilità dell’evento e l’approssimazione è tanto maggiore quanto più numerose sono le prove eseguite.
Appunti a cura di Daniela Gambi e Isabella Stevani 8
Legge empirica del caso: un po’ di storia
Gli esperimenti storici sul lancio di una moneta hanno confermato che, al crescere del numero delle prove, la frequenza si avvicina ordinariamente al valore 0,5 della probabilità dell’evento “testa” calcolato con l’impostazione classica, confermando la legge empirica del caso. G. L. Buffon (1707-1788) lanciò 4.040 volte una moneta ottenendo “testa” 2.048 volte con frequenza 0,5069. E. S. Pearson (1857-1936) lanciò in un primo esperimento 12.000 volte una moneta ottenendo “testa” 6.019 volte, con frequenza 0,50158; in un secondo esperimento ottenne, su 24.000 lanci, 12.012 volte “testa”, con frequenza 0,5005.
Appunti a cura di Daniela Gambi e Isabella Stevani 9
Definizione frequentista di probabilità
La legge empirica del caso permette di formulare la seguente definizione frequentista di probabilità per eventi ripetibili:
La probabilità di un evento è la frequenza relativa in un numero “elevato” di prove.
Generalmente non si può dire quante prove siano necessarie; il numero delle prove dipende dal fenomeno in esame.
Appunti a cura di Daniela Gambi e Isabella Stevani 10
Approccio soggettivista alla probabilità
Definizione soggettivista di probabilità (De Finetti et alii, 1931): Somma p che un soggetto “coerente” ritiene equo di pagare per ricevere una somma unitaria (ad es. 1 centesimo) nel caso che l’evento si verifichi (“coerente” significa che lo stesso soggetto deve essere disposto nel contempo a pagare la somma 1-p per ricevere 1 centesimo nel caso che l’evento non si verifichi).
In altre parole:
la probabilità di un evento è la misura del grado di fiducia che un individuo coerente attribuisce in base alle proprie opinioni e alle informazioni di cui dispone, al verificarsi di quell’evento. Appunti a cura di Daniela Gambi e Isabella Stevani
11
Esso costituisce la struttura portante delle diverse definizioni precedenti, che vengono per così dire “amalgamate” in una teoria assiomatica della probabilità (Kolmogorov, 1933).
In quest’ottica ci si preoccupa non tanto di stabilire “cos’è” la probabilità, ma di definirla implicitamente tramite un insieme di assiomi che possano essere “condivisi” dai diversi approcci presentati.
Approccio assiomatico alla probabilità
Appunti a cura di Daniela Gambi e Isabella Stevani 12
Base dell’approccio assiomatico è la definizione di spazio campionario. Per spazio campionario si intende una terna (,F,P) che formalizza tutto quello che sappiamo sull'esperimento aleatorio. : è lo spazio campionario, contiene tutti i possibili esiti dell'evento. F: è una collezione di sottoinsiemi di , che contiene tutti gli eventi a cui possiamo assegnare una probabilità. P: è una funzione che assegna un numero da 0 a 1 ad ogni elemento di A.
Approccio assiomatico alla probabilità
Appunti a cura di Daniela Gambi e Isabella Stevani 13
14
Esperimento ed eventi aleatori
La teoria della probabilità si fonda sul concetto di esperimento aleatorio, nel senso di prova che si assume possa essere ripetuta indefinitamente sotto le medesime condizioni. Si dice evento l’insieme costituito da uno o più dei possibili risultati di un esperimento aleatorio. NB: Il termine “aleatorio” ha semplicemente il significato di “non conosciuto”, ma di per sé ben determinato. Appunti a cura di Daniela Gambi e Isabella Stevani
15
Esperimento composto
Supponiamo di definire n esperimenti, X1, X2, …, Xn , ad esempio: • n lanci di una moneta • n estrazioni di una carta da un mazzo ben mescolato Si definisce ESPERIMENTO COMPOSTO l’esperimento che consiste semplicemente nell’eseguire gli n esperimenti in sequenza, l’uno in maniera indipendente dall’altro, ovvero l’esperimento costituito da un numero finito (oppure infinito) di repliche dell’esperimento Xi. Intuitivamente, la nozione di indipendenza significa che il risultato di un esperimento non influenza il risultato di nessuno degli altri esperimenti.
Appunti a cura di Daniela Gambi e Isabella Stevani
16
Lo spazio campionario o spazio degli eventi per un esperimento è l'insieme di tutti i suoi possibili esiti. Un evento è dunque un sottoinsieme dello spazio campionario. ESEMPIO
Nel caso dell'esperimento costituito dal lancio di un dado, lo spazio campionario è l’insieme dei punti campione corrispondenti ai sei eventi elementari Ei, con i = 1, 2, …, 6:
= {E1, E2, E3, E4, E5, E6}
Ei= “nel lancio esce il numero i”, con i=1,2,…,6
Spazio campionario
Appunti a cura di Daniela Gambi e Isabella Stevani
Spazio campionario
Nel caso dell’esperimento che consiste nell’estrarre una carta da un mazzo, lo spazio campionario o degli eventi è costituito da tutte le 52 carte del mazzo, da cui
= {1, 2, …, 13} x {Cuori, Quadri, Fiori, Picche} Nel caso dell'esperimento consistente nel misurare il Ph di uno
yogurt all’uscita da una linea di produzione, lo spazio campionario è = [0;14].
In questo caso, lo spazio contiene un insieme infinito non numerabile di punti campione.
Appunti a cura di Daniela Gambi e Isabella Stevani 17
Tipologie di eventi
Gli eventi si possono distinguere in
Eventi elementari
Eventi composti
Gli eventi elementari sono costituiti da uno solo dei possibili
risultati di un esperimento aleatorio.
Essi sono detti anche, come già detto, punti campione.
Appunti a cura di Daniela Gambi e Isabella Stevani 18
Nello spazio campionario di un esperimento aleatorio, un evento composto corrisponde dunque ad un insieme che contiene più di un punto campione.
Evento composto
Per l’esperimento costituito dal lancio di un dado viene definito l'evento A: “si osserva un numero dispari”. Quindi A={1,3,5} A è un evento composto. B:“si osserva un numero maggiore di 5” B={6 } B é invece un evento elementare.
Appunti a cura di Daniela Gambi e Isabella Stevani 19
20
Compatibilità di eventi DEFINIZIONE Sia uno spazio campionario di eventi. Due eventi A e B in si dicono compatibili se possono avvenire contemporaneamente . Quindi: due eventi sono incompatibili (o mutuamente esclusivi) se essi non possono accadere contemporaneamente. ESEMPIO Gli eventi "estrai una figura" e "estrai picche“ non sono incompatibili, dal momento che possiamo estrarre il re di picche, ma gli eventi "estrai una carta rossa“ e "estrai picche" sono mutuamente esclusivi, cioè il verificarsi del primo evento non ha nulla a che fare con il verificarsi del secondo.
Appunti a cura di Daniela Gambi e Isabella Stevani
21
Assiomi della probabilità
La teoria della probabilità è basata, come precedentemente ricordato, sugli assiomi di Kolmogorov. Nel caso di uno spazio campionario finito , un numero P(E), chiamato probabilità di E, può essere assegnato a ciascun evento E (E è un sottoinsieme di ) se vengono rispettati i seguenti assiomi: 1) P(E) 0, in particolare P()=0 evento impossibile. 2) Se E1, E2, …, Em sono eventi incompatibili in , allora
P(E1u E2u …u Em)=
3) Se lo spazio campione è costituito da N eventi elementari, Allora P()=P(E1u E2u …u EN) = 1 evento certo
m
1i
i)A(P
Appunti a cura di Daniela Gambi e Isabella Stevani
L’assioma 1 può essere riformulato in termini di frequenza relativa ("probabilità"): essa deve essere maggiore o uguale a zero, dato che frequenze relative negative, non hanno senso.
L’assioma 2 dice sostanzialmente che la frequenza relativa dell’unione di due o più eventi incompatibili è uguale alla somma delle rispettive frequenze relative e fornisce quindi una regola di addizione.
Interpretazione degli assiomi della probabilità
Appunti a cura di Daniela Gambi e Isabella Stevani 22
L’assioma 3 asserisce che la somma delle frequenze relative di tutti gli eventi elementari dello spazio campionario deve essere uguale a 1.
Gli assiomi 1 e 3 sottintendono la scelta di una convenzione: decidiamo di misurare la probabilità di un evento con un numero compreso tra 0 e 1.
Interpretazione degli assiomi della probabilità
Appunti a cura di Daniela Gambi e Isabella Stevani 23
In base all’impostazione frequentista e alla luce delle
definizioni appena date, per probabilità P di un evento
A si intende il limite a cui tende la frequenza relativa
delle prove in cui l’evento si verifica, quando il numero
di prove tende all’infinito:
Interpretazione rigorosa della definizione frequentista di probabilità
)(l im APA
n
Appunti a cura di Daniela Gambi e Isabella Stevani 24
25
Evento congiunto o intersezione
La definizione di probabilità condizionata fa uso della nozione di evento congiunto o evento intersezione:
A B.
Un evento congiunto A B è un
evento composto che ha la
proprietà di essere costituito da
un insieme di eventi elementari,
ciascuno dei quali appartiene sia
all’insieme A che all’insieme B.
Appunti a cura di Daniela Gambi e Isabella Stevani
26
Probabilità di Eventi congiunti
La probabilità di A B si calcola nello stesso modo in cui
si calcola la probabilità di qualsiasi evento composto o
complesso: facendo la somma delle probabilità di tutti gli
eventi elementari che lo compongono.
Nel caso di uno spazio campione finito costituito da eventi
elementari equiprobabili, la probabilità P(A B) è uguale a:
elementari eventi di totale numero
in elementari eventi di numero)(
BABAP
Appunti a cura di Daniela Gambi e Isabella Stevani
27
Probabilità dell’evento contrario
Si dice evento contrario o complementare di un evento A dato, e si indica con AC, l’evento la cui unione con A dà origine all’evento certo. Esempio: Lancio di un dado A :”esce un numero minore di 3” AC :“esce un numero maggiore o uguale a 3”
In simboli, l’evento contrario è tale che: AUAC =
Dato che P( )=1, la sua probabilità è P(AC) = 1-P(A)
Appunti a cura di Daniela Gambi e Isabella Stevani
28
Esempi di Eventi congiunti
P(A B) + P(A Bc) = P(A)
A B A B
P(A B) + P(Ac B) = P(B)
A B A B
Appunti a cura di Daniela Gambi e Isabella Stevani
29
Esempi di Eventi congiunti
P(Ac B) + P(Ac Bc) = P(Ac)
A BA B
P(A Bc) + P(Ac Bc) = P(Bc)
A BA B
Appunti a cura di Daniela Gambi e Isabella Stevani
30
Esempi di Eventi congiunti
P(Ac B) + P(Ac Bc) = P(Ac)
P(A Bc) + P(Ac Bc) = P(Bc)
Appunti a cura di Daniela Gambi e Isabella Stevani
31
Esempi di Eventi congiunti
P(A B) + P(A Bc) = P(A)
P(A B) + P(Ac B) = P(B)
Appunti a cura di Daniela Gambi e Isabella Stevani
32
Probabilità condizionata
Calcolare la probabilità condizionata di un dato evento significa calcolarne la probabilità, sapendo che un altro evento ha avuto luogo e quindi ne “condiziona” l’esito.
Appunti a cura di Daniela Gambi e Isabella Stevani
33
Probabilità condizionata
Supponiamo di eseguire un esperimento aleatorio avente
spazio campionario uguale a .
Se un evento B di ha avuto luogo, in generale ciò
altera le probabilità che vengono assegnate ad altri
eventi.
Se A è un secondo evento, allora A si verifica se e solo se
A e B possono verificarsi assieme. In altre parole, lo
spazio campionario si è ridotto a B.
Appunti a cura di Daniela Gambi e Isabella Stevani
34
Probabilità condizionata
Siano A e B due eventi definiti per un esperimento aleatorio
con P(B) > 0. La probabilità condizionata di A dato B
è data da:
La probabilità che A si verifichi, dunque, dovrebbe essere
proporzionale a P(A B).
Questo conduce alla seguente definizione.
BP
BAPBAP
Appunti a cura di Daniela Gambi e Isabella Stevani
35
Probabilità condizionata
P(A | B) rappresenta la probabilità di BA rispetto
allo spazio ridotto di B.
A
B
S
A B
BP
BAPBAP
Appunti a cura di Daniela Gambi e Isabella Stevani
36
Probabilità condizionata
Dati due eventi A e B, si possono definire due probabilità
condizionate:
BP
BAPBAP
AP
BAPABP
Appunti a cura di Daniela Gambi e Isabella Stevani
37
Probabilità condizionata
P(B | A) rappresenta la probabilità di BA
rispetto allo spazio ridotto di A.
A
B
S
A B
W
BP
BAPBAP
Appunti a cura di Daniela Gambi e Isabella Stevani
38
Qual è la probabilità che l’evento A si verifichi sapendo
che ha avuto luogo l’evento B, P(A | B), nel caso in cui
A B = ?
A B P(A | B) = P(A B ) / P(B) = 0
Probabilità condizionata: casi particolari
Appunti a cura di Daniela Gambi e Isabella Stevani
39
B A
A B = B
P(A | B) = P(A B ) / P(B) =
P(B) / P(B) = 1
Qual è la probabilità che l’evento A si verifichi sapendo
che ha avuto luogo l’evento B, P(A | B), nel caso in cui
B A?
Probabilità condizionata: casi particolari
Appunti a cura di Daniela Gambi e Isabella Stevani
40
A B P(A | B) = P(A B ) / P(B) =
=P(A) / P(B)
Qual è la probabilità che l’evento A si verifichi sapendo che
ha avuto luogo l’evento B, P(A | B), nel caso in cui A B?
A B = A
Probabilità condizionata: casi particolari
Appunti a cura di Daniela Gambi e Isabella Stevani
41
Sintesi sulla probabilità condizionata
Nel caso di uno spazio campionario finito, costituito da eventi elementari equiprobabili, la probabilità P(A|B) è uguale a:
B di elementi di numero
BA di elementi di numero)B|A(P
Appunti a cura di Daniela Gambi e Isabella Stevani
42
Probabilità condizionata: esempio 1
acciughe
salame
funghi
Appunti a cura di Daniela Gambi e Isabella Stevani
43
Probabilità condizionata: esempio 1
”Una fetta di pizza viene scelta a caso. Sulla fetta di pizza
c’è del salame piccante. Qual è la probabilità che ci siano
anche dei funghi?”
P(funghi | salame) = 3/5
5
3
85
83
)S(P
)SF(P)S|F(P
Appunti a cura di Daniela Gambi e Isabella Stevani
44
Probabilità condizionata: esempio 1
” Una fetta di pizza viene scelta a caso. Sulla fetta di
pizza ci sono delle acciughe. Qual è la probabilità che vi
siano anche dei funghi?”
P(funghi | acciughe) = 2/3
3
2
83
82
)A(P
)AF(P)A|F(P
Appunti a cura di Daniela Gambi e Isabella Stevani
45
Probabilità condizionata: esempio 2
Supponiamo che un quesito con risposte possibili “sì ” e
“no” sia stato rivolto a 34 studenti, 18 maschi e 16
femmine. I risultati sono i seguenti:
Maschi
Femmine
SI 10 4 14
NO 8 12 20
18 16 34
Appunti a cura di Daniela Gambi e Isabella Stevani
46
Supponiamo di estrarre a caso uno studente da questo gruppo e definiamo le seguenti probabilità:
Maschi
Femmine
SI 10 4 14
NO 8 12 20
18 16 34
Probabilità condizionata: esempio 2
34
18)M(P
34
14)S(P
34
10)SM(P
Appunti a cura di Daniela Gambi e Isabella Stevani
47
Leggi della probabilità nel caso di probabilità condizionata
• Legge del prodotto
• Legge della somma
• Legge della probabilità totale
• Teorema di Bayes
Appunti a cura di Daniela Gambi e Isabella Stevani
48
Legge del prodotto e probabilità condizionata
La probabilità dell’evento congiunto A B è
La legge del prodotto, detta anche “teorema delle
probabilità composte”, segue direttamente dalla
definizione di probabilità condizionata:
)B|A(P)B(P)A|B(P)A(P)BA(P
)B(P
)BA(P)B|A(P
)A(P
)BA(P)A|B(P
Appunti a cura di Daniela Gambi e Isabella Stevani
49
Legge del prodotto ed eventi indipendenti
A e B si dicono (stocasticamente) indipendenti, se il fatto
che si verifichi l’uno non altera la probabilità dell’altro
evento, ovvero se:
P(A | B ) = P(A) e P(B | A) = P(B)
In tal caso:
)B(P)A(P)BA(P
Appunti a cura di Daniela Gambi e Isabella Stevani
50
Legge della somma
La probabilità dell’unione di due eventi A e B compatibili è:
)BA(P)B(P)A(P)BA(P
Appunti a cura di Daniela Gambi e Isabella Stevani
51
Se A e B sono incompatibili (o mutuamente esclusivi), allora si ha:
Legge della somma ed eventi indipendenti
)B(P)A(P)BA(P
0)BA(P
Appunti a cura di Daniela Gambi e Isabella Stevani
52
acciughe
salame
funghi
Esempio 1
Appunti a cura di Daniela Gambi e Isabella Stevani
53
Esempio 1
”Una fetta di pizza viene scelta a caso. Qual è la
probabilità che la fetta di pizza abbia del salame
piccante oppure dei funghi?”
P(funghi salame) =
= P(funghi) + P(salame) - P(funghi salame) =
= 4/8 + 5/8 - 3/8 = 3/4
Appunti a cura di Daniela Gambi e Isabella Stevani
54
Esempio 2
Sia A l’evento “donna” e B l’evento “mancino”.
Siano assegnate le probabilità di A , di B e di A B : P(A) = 0, 51 P(B) = 0, 35 P(A B) = 0, 10
Appunti a cura di Daniela Gambi e Isabella Stevani
55
Esempio 2
P(A B) =
= P(A) + P(B) - P(A B)
= 0, 51 + 0, 35 - 0, 10 = 0, 76
Qual è la probabilità di osservare una donna oppure un
mancino?
A B
Appunti a cura di Daniela Gambi e Isabella Stevani 0
56
Esempio 2
Qual è la probabilità di osservare una donna non mancina?
P(A Bc) = P(A) - P(A B) = 0, 51 - 0, 10 = 0, 41
P (A B c)
A B
Appunti a cura di Daniela Gambi e Isabella Stevani 0
57
Esempio 2
Qual è la probabilità di osservare un uomo mancino?
P(Ac B) = P(B) - P(A B) = 0, 35 - 0, 10 = 0, 25
P(Ac B)
A B
Appunti a cura di Daniela Gambi e Isabella Stevani
58
Esempio 2
Qual è la probabilità di osservare un uomo non mancino?
P(Ac Bc) = P(Ac) - P(Ac B) = 0, 49 - 0, 25 = 0, 24
P(Ac Bc)
A B
P(Ac Bc) = 1 - P(A B) = 1 - 0, 76 = 0, 24
Appunti a cura di Daniela Gambi e Isabella Stevani
Probabilità totale e teorema di Bayes
Premesse Dati gli eventi H1, H2, …, Hn mutuamente incompatibili, sia E un evento, non impossibile, che si verifichi insieme ad uno ed uno solo di questi n eventi. Innanzitutto, si potrà affermare che:
A = (AH1) (AH2) … (AHn)
58
A corollario delle proprietà di addizione e moltiplicazione illustrate, si può infine introdurre il concetto di probabilità totale.
Appunti a cura di Daniela Gambi e Isabella Stevani 59
Probabilità totale e teorema di Bayes
Trattandosi di eventi incompatibili, la probabilità che A ha di verificarsi risulta:
P(A) = P(AH1)+P(A H2) + … +P(AHn)
Per il teorema delle probabilità composte, l’espressione sopra può essere scritta come:
P(A) = P(H1)P(A|H1)+ P(H2)P(A|H2)+ + … + P(Hn)P(A|Hn)
Tale espressione prende il nome di formula della probabilità totale.
59 Appunti a cura di Daniela Gambi e Isabella Stevani
60
Probabilità totale e teorema di Bayes
60
Supposto che l’evento E si verifichi a diverse condizioni, sulle quali si facciano n ipotesi H1, H2, …, Hn , in genere prima di effettuare la prova sono note le probabilità di ciascuna ipotesi Hi. Si sa anche che ciascuna di esse dà all’evento E una probabilità condizionata P(A| Hi). Supponiamo che si verifichi A: questo potrebbe causare una rivalutazione delle probabilità delle ipotesi H1, H2, …, Hn . Il teorema di Bayes risolve quantitativamente la questione, permettendo di calcolare in che modo si devono cambiare le probabilità di queste ipotesi, essendosi già verificato E.
Appunti a cura di Daniela Gambi e Isabella Stevani 61
Teorema di Bayes
n
1iii
iii
)H|E(p)H(p
)H|E(p)H(p)E|H(p
61
Il teorema di probabilità delle cause o delle ipotesi, attribuito al matematico inglese Thomas Bayes (1701? – 7 Aprile 1761) , esprime la probabilità che si realizzi l’ipotesi Hi, dato che si sia già verificato E:
Appunti a cura di Daniela Gambi e Isabella Stevani 62
Teorema di Bayes
n
1iii
iii
n
1iii
iii
iiii
)H|E(p)H(p
)H|E(p)H(p)E|H(p
)H|E(p)H(p)E(p
)E(p
)H|E(p)H(p)E|H(p
)H|E(p)H(p)E|H(p)E(p)HE(p
62
In sintesi, una dimostrazione del teorema.. Poiché si ha che: P(A) = P(AH1)+P(A H2) + … +P(AHn), Da cui segue in particolare che: In forma concisa si può scrivere che:
E dunque:
Appunti a cura di Daniela Gambi e Isabella Stevani 63
Teorema di Bayes: un esempio
63
Suppongo di possedere 5 confezioni contenenti cioccolatini, distribuiti come segue: 2 confezioni (ipotesi H1) contengono 2 cioccolatini fondenti e 3
al latte; 2 confezioni (ipotesi H2) contengono 1 cioccolatino fondente e
4 al latte; 1 confezione (ipotesi H3) contiene 4 cioccolatini fondenti e 1 al
latte. Scelgo un cioccolatino da una confezione a caso e scopro che è fondente (evento E). Qual è la probabilità che il cioccolatino sia stato estratto dalla quinta confezione (ultima ipotesi)?
Appunti a cura di Daniela Gambi e Isabella Stevani 64
Teorema di Bayes: un esempio
64
P(H1)=p(H2)=2/5 p(H3)=1/5 P(E|H1)= 2/5 p(E|H2)=1/5 p(E|H3)=4/5 Dalla formula dimostrata si ha che la probabilità cercata è:
5
2
10
4
5
4
5
1
5
1
5
2
5
2
5
25
4
5
1
)|()(
)|()()|( 3
1
333
i
ii HEpHp
HEpHpEHp
Appunti a cura di Daniela Gambi e Isabella Stevani 65