Estratto del documento

Probabilità e statistica

Lancio del dado, fenomeno aleatorio.

Ω spazio campionario, raccoglie tutti esiti di un fenomeno aleatorio.

Ω insieme di punti.

A = {famiglia di sottoinsiemi di Ω}

  1. Ω ∈ A
  2. A ∈ A, AC ∈ A
  3. A, B ∈ A, A ∪ B ∈ A
  4. ∀n ∈ N ∀A1, ..., An ∈ A ⇒ ∪k=1n Ak ∈ A

A è un'algebra degli insiemi.

Probabilità e statistica

Lancio del dado, fenomeno aleatorio.

Ω spazio campionario, raccoglie tutti esiti di un fenomeno aleatorio.

Ω insieme di punti.

A = {famiglia di sottoinsiemi di Ω}

  1. Ω ∈ A
  2. A ∈ A, AC ∈ A
  3. A, B ∈ A, A ∪ B ∈ A
  4. ∀n ∈ N ∀A1, ..., An ∈ A ⇒ ∪k=1n Ak ∈ A

A è un'algebra degli insiemi.

σ algebra degli insiemi

Def Ω è una σ algebra degli insiemi.

  1. Ω ∈ Q
  2. A ∈ Q ⇒ AC ∈ Q
  3. {An}n∈N An ∈ Q 1⇒+∞n=1 An ∈ Q

ϑ = ΩC ∈ Q

(∪n=1 AnC)C = (∩n=1 An) formula di de Morgan.

An ∈ Q ⇒ AnC ∈ Q

(∪n AnC)C ∈ Q = (∩n=1 An)

Misura di probabilità

Def P:Q → [0,1] è una (misura di probabilità) probabilità se

  1. P(Ω) = 1

2) Ai, B ∈ Ω: A ∩ B = ∅ ⇒ P(A ∪ B) = P(A) + P(B)

{A1, ..., An} : Ai ∈ Ω, i = 1, ...n : Ai ∩ Aj = ∅ i ≠ j

P(∪k=1n Ak) = Σk=1n P(Ak) additività finita.

(Ω, A, P) → Ω spazio campionario.

A σ algebra di sottoinsiemi di Ω.

P: A → [0,1]

P(∪n≥1 An) = Σn≥1 P(An) (σ additività di P)

Costruiamo modello probabilistico

Ω = {1, 2, 3, 4, 5, 6} ω punti di Ω.

A := ℘(Ω)

(Ω, ℘(Ω))

P : ℘(Ω) → [0,1]

P = P(ξi ⊆ ξ) i = 1, 2, 3, 4, 5, 6.

Ω = ∪i=16 ξi ⊆ ξ

1 = P(Ω) = ∑i=16 P(ξi∈Ξ;) = ∑i=16 P = 6P | P = 1/6

Le A = esce un numero dispari.

A = {ξ1 ∪ ξ3 ∪ ξ5}

P(A) = P(1) + P(2) + P(3) = 3/6 = 1/2

Ω #Ω < 8

A = P(Ω)

(Ω, A) si considera una probabilità uniforme.

∃ P∈(0,1) : P#Ω = 11 = P(Ω) ; Ω = ∪w ∈ Ωω}

#Ω · P = 1 ⇒ P = 1/

A ⊆ Ω A = ∪w∈Aw}

P(A) = 1/ · #A

(Ω, A, P)

Proprietà della probabilità

A,B∈a

B̅ ≡ (B∩A) ∪ (B∩Ac)

P(B) = P(B∩A) + P(B∩Ac)

1) ∃ E = Ω

1 = P(A) + P(Ac) => P(Ac) = 1 - P(A)

2) A ⊆ B

P(B) = P(A) + P(B ∩ Ac) ≥ P(A)

3) ξ An ξn ∈ N An ∈ Q

P(∪n An) = 1 - P(∩n≥1 Anc)

4) A, B ∈ Q

P(A ∪ B)

A ∪ B = (A ∪ Bc) ∪ (A ∩ B) ∪ (Ac ∩ B)

P(A ∪ B) = P(A ∪ Bc) + P(A ∩ B) + P(Ac ∩ B)

P(A ∪ B) + P(A ∩ B) = P(A ∪ Bc) + P(A ∩ B) + P(Ac ∩ B) + P(A ∪ B)

P(A)

P(B)

P(A ∪ B) = P(A) + P(B) - P(A ∪ B)

Esempio

2 lanci consecutivi di un dado.

ℜ = 1

w = (w1, w2) wi ∈ {1, 2, 3, 4, 5, 6} i = 1, 2

#ℜ = 6 × 6 = 36

A = {esce almeno una volta '6'} = { (6,1), (6,2), (6,3), (6,4), (6,5), (6,6), (1,6), (2,6), (3,6), (4,6), (5,6) }

P(A) = #A / #ℜ = 11 / 36

A = A1 ∪ A2

A1 = {w ∈ ℜ : w1 = 6}

A2 = {w ∈ ℜ : w2 = 6}

P(A1 ∪ A2) = P(A1) + P(A2) - P(A1 ∩ A2) = 6/36 + 6/36 - 1/36 = 11/36

P(A1 ∪ A2) = 1 - P(A1c ∩ A2c) = 1 - 25/36 = 11/36

Anteprima
Vedrai una selezione di 3 pagine su 7
Probabilità Pag. 1 Probabilità Pag. 2
Anteprima di 3 pagg. su 7.
Scarica il documento per vederlo tutto.
Probabilità Pag. 6
1 su 7
D/illustrazione/soddisfatti o rimborsati
Acquista con carta o PayPal
Scarica i documenti tutte le volte che vuoi
Dettagli
SSD
Scienze matematiche e informatiche MAT/06 Probabilità e statistica matematica

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher davidescri di informazioni apprese con la frequenza delle lezioni di Calcolo delle probabilità e statistica e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Roma Tor Vergata o del prof Torti Barbara.
Appunti correlati Invia appunti e guadagna

Domande e risposte

Hai bisogno di aiuto?
Chiedi alla community