Admin-sp-17185
Ominide
7 min. di lettura
Vota 3 / 5

In quest'appunto sono presenti delle informazioni generali sulla probabilità, con un approfondimento sul teorema di Bernoulli e il teorema di Bayes.

Calcolo delle probabilità: lo schema di Bernoulli e teorema di Bayes articolo

Indice

  1. Che cos'è la probabilità
  2. I teoremi del calcolo della probabilità: il teorema di Bayes e il teorema di Bernoulli
  3. Esempio svolto sul calcolo della probabilità

Che cos'è la probabilità

La probabilità è un concetto matematico che aiuta a quantificare quanto sia probabile che un evento si verifichi oppure no. Gli eventi sono un insieme di risultati legati a un valore di probabilità. Essi possono essere impossibili - qualora la possibilità che si verifichino sia nulla - , certi - se si verificano con certezza - o aleatori, se la probabilità che si verifichino è inclusa tra 0 e quella unitaria. In tal caso, definito l'evento, la probabilità viene calcolata come il rapporto tra i casi favorevoli e i casi totali.

Un esempio di evento aleatorio è "se lancio una moneta ottengo testa" poiché considerando che i casi positivi sono uno e che i casi totali sono due (testa o croce), la probabilità ammonta a

[math]\frac{1}{2}[/math]
.

I teoremi del calcolo della probabilità: il teorema di Bayes e il teorema di Bernoulli

I teoremi assumono un ruolo importante anche nel calcolo della probabilità: in quest'appunto approfondiremo il teorema di Bayes e il teorema di Bernoulli.

Il primo è riferito alla probabilità condizionata, la quale può essere calcolata nel caso in cui il verificarsi di un evento - definito evento condizionato - è influenzato da un altro evento - chiamato evento condizionante. Il teorema di Bayes infatti afferma che la probabilità condizionata di un evento

[math]A[/math]
rispetto a un evento
[math]B[/math]
possa essere calcolata come il rapporto tra il prodotto tra la probabilità di
[math]B[/math]
condizionata da
[math]A[/math]
per la probabilità indipendente dell'evento
[math]A[/math]
e la probabilità indipendente dell'evento
[math]B[/math]
.

Il teorema di Bernoulli d'altro canto aiuta a contare, dopo aver ripetuto diverse volte uno stesso fenomeno, quante volte un certo evento si è ripetuto. Tale probabilità è valutata attraverso la definizione di due variabili aleatorie, rispettivamente riferite al numero di casi positivi e al numero di casi negativi. Ognuna ha un valore di probabilità.
Per calcolare numericamente la probabilità si deve moltiplicare il numero di sequenze di fallimenti e successi ai loro valori di probabilità. La formula è

[math]\begin{pmatrix}
n-1\\
k-1
\end{pmatrix}[/math]
[math]p^k \cdot q^{n-k}[/math]
.

In cui

[math]n[/math]
è il numero di tutti gli eventi,
[math]k[/math]
è il numero degli eventi positivi.
[math]p,q[/math]
sono rispettivamente le probabilità legate all'evento positivo e il secondo a quelli negativi.

Esempio svolto sul calcolo della probabilità

Si consideri l'esperimento consistente nel lancio contemporaneo di due dadi. Uno di essi è un dado non truccato, ovvero ciascuna faccia ha la stessa probabilità di manifestarsi. L'altro dado, invece è truccato e la probabilità
[math]P(i)[/math]
associato all'esito dell'
[math]i[/math]
-esima vale:

[math]P(i) = \begin{cases} \frac{1}{10} & \text{se } i=1,2,\cdots,5 \\ \frac{1}{2} & \text{se } i = 6 \end{cases}[/math]

  • calcolare la probabilità che la somma dei numeri risultanti dall'esperimento sia pari a
    [math]10[/math]
  • si considerino
    [math]n[/math]
    ripetizioni indipendenti dell'esperimento precedente e sia
    [math]X[/math]
    una variabile aleatoria corrispondente al numero di volte che il lancio ha dato esito pari a
    [math]10[/math]
    . Scrivere l'espressione della densità di probabilità
    [math]f_{X}(k)[/math]
    della variabile aleatoria
    [math]X[/math]
  • scelto uno dei due dadi a caso e lanciato, calcolare la probabilità che esso sia il dado truccato noto che l'esito del lancio è stato
    [math]6[/math]


Denotando con
[math]\omega_1[/math]
l'esito del lancio del primo dado, con
[math]\omega_2[/math]
l'esito del lancio del secondo dado, quello truccato, e con
[math]S[/math]
la somma dei punteggi:
[math]P(S=10) = P(\{\omega_1 = 4\} \cap \{\omega_2 = 6\}) + P(\{\omega_1 = 5\} \cap {\omega_2 = 5}) + P({\omega_1 = 6} \cap \{\omega_2 = 4\})[/math]
(1)

Considerando che i lanci dei due dadi sono eventi indipendenti, (1) diventa

[math]P(S = 10) = P(\{\omega_1 = 4\}) P(\{\omega_2 = 6\}) + P(\{\omega_1 = 5\}) P(\{\omega_2 = 5\}) + P(\{\omega_1 = 6\}) P(\{\omega_2 = 4\}) = \frac{1}{6} \cdot \frac{1}{2} + \frac{1}{6} \cdot \frac{1}{10} + \frac{1}{6} \cdot \frac{1}{10} = \frac{7}{60}[/math]
(2)

Dato che

[math]X[/math]
è una variabile aleatoria discreta, la sua densità di probabilità vale
[math]f_{X}(k) = P(X = k)[/math]

La probabilità che la somma dei punteggi ottenuti con un lancio sia

[math]10[/math]
vale
[math]\frac{7}{60} [/math]
, come calcolato precedentemente, quindi la probabilità che, su
[math]n[/math]
lanci, si ottenga come somma
[math]10[/math]
solo nei primi
[math]k[/math]
lanci vale
[math](\frac{7}{60})^k (1 - \frac{7}{60})^{n - k}[/math]
(2)

dato che ogni lancio è indipendente dall'altro. La probabilità che, su

[math]n[/math]
lanci, si ottenga come somma dei punteggi
[math]10[/math]
in
[math]k[/math]
lanci, è data dal prodotto di (2) e il numero di modi con cui si distribuiscono
[math]k[/math]
successi su
[math]n[/math]
tentativi, ovvero
[math]\left (\begin{array}{cc} n \\ k \end{array} \right)[/math]
.

Calcolo delle probabilità: lo schema di Bernoulli e teorema di Bayes articolo

Pertanto, la densità di probabilità della variabile aleatoria

[math]X[/math]
vale
[math]f_x(k) = \begin{cases} \left (\begin{array}{cc} n\\ k \end{array} \right) (\frac{7}{60})^k (1 - \frac{7}{60})^{n - k} & \text{se } k=1,2,\ldots,n \\ 0 & \text{altrimenti} \end{cases}[/math]

Per risolvere il terzo punto, indichiamo con

[math]\text{TR}[/math]
l'evento "è stato scelto il dado truccato", con
[math]\text{NTR}[/math]
l'evento "è stato scelto il dado non truccato", e con
[math]6[/math]
l'evento è uscito
[math]6[/math]
, allora
[math]P(\text{TR} | \text{6}) = \frac{P(\text{6} \cap \text{TR})}{P(6)} = \frac{P(\text{6} | \text{TR}) P(\text{TR})}{P(\text{6} \cap \text{TR}) + P(\text{6} \cap \text{NTR})} = \frac{\frac{1}{2} \cdot \frac{1}{2}}{\frac{1}{4} + P(6 | \text{ NTR}) P(\text{NTR})} = \frac{\frac{1}{4}}{\frac{1}{4} + \frac{1}{6} \cdot \frac{1}{2}} = \frac{3}{4}[/math]

Per ulteriori approfondimenti sul calcolo della probabilità vedi anche qui

Domande e risposte

Hai bisogno di aiuto?
Chiedi alla community