Anteprima
Vedrai una selezione di 13 pagine su 56
Appunti di Calcolo delle Probabilità Pag. 1 Appunti di Calcolo delle Probabilità Pag. 2
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 6
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 11
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 16
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 21
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 26
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 31
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 36
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 41
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 46
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 51
Anteprima di 13 pagg. su 56.
Scarica il documento per vederlo tutto.
Appunti di Calcolo delle Probabilità Pag. 56
1 su 56
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Probabilità

U: popolazione di individui (numero intero)

U = { 1, 2, ..., N }

Esempio:

Popolazione italiana, devo conoscere chi è favorevole ad una certa legge, dovrei chiedere ad ogni individuo.

  • # = numero
  • G = % persone favorevoli
  • N

Chiedere a tutti costa, per cui bisogna individuare un sottoinsieme ⇒ campione (c)

U = { 1, 2, 3, ..., N } c = { μ₁, μ₂, ..., μₙ } n = 1000

Al campione si sottopone la domanda ottenendo: Pn = # favorevoli nel campione / # persone nel campione (m) = 0.52

Si può dire che è la maggior parte?

  • Il campionamento è casuale, in particolare è casuale semplice, ovvero che dà a tutti gli individui la stessa % di estrazione.

L'errore assoluto misura essette da (Pn - G). Questo valore | Pn - G | deve essere più piccolo di un certo ε = 0,01 |Pn - G | ≤ ε = 0,01

Non sappiamo quanto sia, perciò non possiamo parametrarlo o ε.

Soluzione → Misura della probabilità (P) Calcolare che la disequaglianza sia vera attraverso il livello di confidenza: P ( | Pn - G | < ε ) = 0,95

  • Si applica su insiemi probabili che Pn sia < ε

0,95: 95% = distanze statistiche dalla legge italiana ε ≈ 1 / √m = 0,03 = 3% con m = 1000 *

L'errore assoluto risulta 3%.

52% ± 3% varia tra 49% e 55%, quel 49% dice che non la maggior parte della popolazione è favorevole considerando un errore assoluto del 3%.

PASSAGGIO DA POPOLAZIONE O CAMPIONE = INFERENZA

avere una popolazione che paga il prezzo dell'errore. Si cerca sempre di commettere l'errore minore.

  • 100% - 0.5% = 6 % di INCERTEZZA
  • m/Σ * se non vogliamo m = 0,01 dobbiamo considerare m = 10000
  • Si comprende un errore dell' 1%

Per comprendere la realtà utilizziamo la STATISTICA INFERENZIALE

CONCEZIONE CLASSICA

+ maturò nel '600 (Pascal e Fermat) La probabilità di un evento qualunque fatto sia probabilizzato. (E) Si può calcolare.

  • ESEMPIO → La possibilità che esca testa in un momento regolare.
  • P(E) = #casi favorevoli a E/#casi possibili (devono essere equiprobabili)
  • P(testa) = 1/2
  • P(5) = 1/6
  • DADO a 6 FACCE

SI APPLICA SOLO A CERTE CONDIZIONI QUANDO È EQUIPROBABILE

CONCEZIONE FREQUENTISTA

+ maturò nel 800 potrà che esca TESTA in un momento qualsiasi. Casi possibili sono 2 ma non è detto che siano equiprobabili.

  • SUCCESSO = TESTA
  • INSUCCESSO = CROCE
  • #successi = p(successo)
  • #prove ripetute

All'aumentare delle prove tende a stabilizzarsi al successo. Il difetto che il numero delle prode è limitato (la grande differenza a che ciò

è sfarpata nel corso dell'esperimento.

Al crescere del numero delle prove il successo si avvicina al 50%.

SI APPLICA SOLO CON PROVE RIPETUTE

CONCEZIONE ASSIOMATICA

Ω = insieme universo

A Ω B C Ω

  1. A = Ω / [Ω ω ε Ω ω ∉ A] & A = ciò fuori da A
  2. A∩B = [w ε Ω, w ε A, w ε B]
  3. A/B = [w ε Ω, w ε A, w ∉ B]
  4. B/A = [w ε Ω, w ε B, w ∉ A]
  5. A = w ε A ∩ B = [w ε A∪B]

A∪B = B ∩ A

Misure di probabilità

  1. Indipendenza di eventi
    • A, B, C

    A ⊥ B ⟺ P(A ∩ B) = P(A) P(B)

    1. Indipendenza
    2. Incorrelazione
      • X ⊥ Y ⟺ cov(X,Y) = 0 ⟺ X ⊥ Y

    (⊥ forte di ⊥)

    Esempio. 2 lanci di una moneta regolare (0=TESTA, 1=CROCE)

    Ω = {0,0, 0,1, 1,0, 1,1} β= 1/4 P(A) = #A/#Ω

    C1 = croce al primo lancio

    C2 = croce al secondo lancio

    C1 = {1,0, 1,1} P(C1) = #C1/#Ω = 2/4 = 1/2

    C2 = {0,1, 1,1} P(C2) = #C2/#Ω = 2/4 = 1/2

    C1 e C2 sono indipendenti?

    C1 ∩ C2 = {1,1} P(C1 ∩ C2) = # (C1 ∩ C2)/#Ω = 1/4 = P(C1) P(C2)

    un solo elemento in comune

    P(C1 ∩ C2) = P(C1) P(C2)

    C1 e C2 sono indipendenti

  2. Probabilità condizionata

    P(B)>0

    P(A|B) = L'evento B si è verificato certamente. Calcoliamo la P(A) in relazione al fatto che B si è verificato.

    dato B

    Assumiamo B come Ω

    P(A|B)=c P(A ∩ B) → P(A|B) deve essere proporzionale alla intersezione A∩B

    P(B|B) = 1

(Ω, B, P) A, B ∈ B

P(A|B) = P(A|B̄) ⟹ A⊥B̄

P(A|B) = P(A∩B)

P(B)

P(A̅|B) = P(A) - P(A∩B)

1 - P(B)

[1 - P(B)] P(A∩B) = P(B)[P(A) - P(A∩B)]

P(A∩B) - P(A∩B)P(B) = P(B)P(A) - P(A∩B)P(B)

P(A∩B) = P(B)P(A)

A⊥B

A⊥B̄ ⟹ P(A̅) - P(A̅|B)

P(A⊥B̄) = P(A̅) - P(A̅|B)

P(A̅|B) = P(A)

A⊥B ⇔ A⊥B̄

U = {1, 2, ..., m}

U = m

Cmk = {S ⊂ U | S = k}

mCmk =

mCm0 =

m/(m-k) · k! → m/(m - 0) · 0! = m/m · 0! = 1

(m/k) + (m/k+1) · m/(m-k) · k!

m/(m-k+1) · (k+1)! → m/(m-k) · (k+1)! · (m-k)/(m-k)

m/m · 0! = 1

(m/k) + (m/k+1) = m/(m-k) · k!

m/(m-k+1) · (k+1)! =

mk × k + m - x

(m+1)/(m - x) · (m+1 - k) · (k+1) =

(m+1)(k+1)

Formula di Stifel:

(mm) (kk+1) (m+1)/(mk+1) = (m+1)/(k+1)

X ~ Bernoulli (Θ)

si distribuisce

Se la v.c. X è DISCRETA:

VALOR MEDIO o VALORE ATTESO (E)

E(Pf(X))

una qualsiasi trasformazione h di X

E(Pf(X)) = ∑ x ∈ S

Dettagli
Publisher
A.A. 2014-2015
56 pagine
5 download
SSD Scienze matematiche e informatiche MAT/06 Probabilità e statistica matematica

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher Rocky9331 di informazioni apprese con la frequenza delle lezioni di Calcolo delle Probabilità 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 Milano - Bicocca o del prof Quatto Piero.