L’insieme di tutti i possibili risultati di una prova prende il nome di spazio campione e viene denotato con . Esso rappresenta l’evento che si verifica sempre poiché almeno uno degli eventi elementari che lo compongono si deve verificare come risultato della prova pertanto esso viene denominato evento certo.
La negazione dell’evento certo è quindi l’evento che non si verificherà mai e viene detto evento impossibile e denotato con:
Quando due eventi A e B non possono verificarsi contemporaneamente essi vengono detti incompatibili
e pertanto:
Se invece la unione di due eventi dà luogo all’evento certo essi sono detti eventi necessari e quindi:
Se un insieme di eventi è costituita da eventi necessari ed incompatibili allora si dice che essa costituisce una partizione di .
Formalmente:
1)
2)
Individuati i concetti primitivi, l’impostazione assiomatica al calcolo delle probabilità prevede la enunciazione dei postulati:
La probabilità è una funzione a valori reali che soddisfa i seguenti postulati:
Postulato 1. ;
Postulato 2. ;
Postulato 3. .
Quindi i postulati affermano che:
Dai postulati si possono derivare numerosi teoremi, riportiamo di seguito i principali
Talvolta capita di dover calcolare la probabilità del verificarsi di un evento sapendo che un altro evento, collegato al primo per motivi logici o di successione temporale, si è verificato.
Tale situazione dà luogo alla cd. probabilità condizionata:
Dati due eventi A e B, si definisce probabilità condizionata la probabilità che B si verifichi dato che si è verificato A
Dalla formula della probabilità condizionata si ottiene quella per il calcolo della probabilità della intersezione tra due eventi:
Se il verificarsi dell’evento A non altera la probabilità del verificarsi di B e quindi , allora i due eventi si dicono indipendenti; formalmente:
Si noti che ed sono indipendenti da qualunque evento. Inoltre, se A e B sono indipendenti lo sono anche:
Un importante risultato collegato ala probabilità condizionata è costituito dal teorema delle probabilità totali
Siano dati gli eventi E1, E2, …, Ei, …,En necessari ed incompatibili tali cioè da costituire una partizione dello spazio campione , e sia A un evento appartenente ad . Il teorema delle probabilità totali afferma che:
Quindi la probabilità dell’evento A è la media ponderata delle probabilità condizionate con pesi dati dalle probabilità degli eventi Ei condizionanti.
Siano date due urne U1 ed U2 contenti palline banche e nere in diversa proporzione, in particolare U1 contiene 3 palline bianche 2 rosse, mentre U2 contiene 5 palline bianche ed 1 rossa.
Si effettua la estrazione di una pallina e si vuole calcolare la probabilità che, scelta un’urna caso, la pallina estratta sia bianca. In base al teorema delle probabilità totali si ha:
Ipotizzando che le due urne abbiano la medesima probabilità di essere scelte e quindi che allora la probabilità cercata risulta essere:
Il teorema di Bayes prende il nome dal reverendo Thomas Bayes cui è generalmente attribuito. Esso
costituisce una applicazione del teorema delle probabilità totali e riveste una notevole importanza nella statistica poiché ha dato inizio ad una vera e propria interpretazione alternativa che viene appunto denominata statistica bayesiana.
Con esso si introduce quello che viene denominato il “problema inverso“.
Il cd problema inverso può essere esposto come segue:
si supponga che due “cause” (eventi) e possano entrambe dar luogo all’evento A come risultato di una prova. Posto che l’evento si è verificato e sia quindi osservato, ci si chiede quale causa abbia agito nel suo manifestarsi, ovvero quale sia la probabilità che nella sua determinazione abbia agito l’una o l’altra delle due cause possibili. Si tratta quindi di risalire da un evento noto osservato ad una qualche caratteristica non nota della prova che lo ha generato. Attraverso il teorema di Bayes si determinano quindi le cd probabilità a posteriori:
e
La soluzione proposta è:
Dove, per il teorema delle probabilità totali,
Il teorema di Bayes si generalizza al caso in cui vi siano k cause E1, E2, …,Ek che possono agire nella determinazione dell’evento A:
Dove le prendono il nome di probabilità a priori, mentre le il nome di verosimiglianze.
Siccome è una costante, da tale formulazione emerge quello che è il paradigma della statistica bayesiana:
probabilità a posteriori ∝ probabilità a priori * verosimiglianze.
Si consideri il caso delle due urne viste in precedenza U1 ed U2, contenenti rispettivamente 3 palline bianche e 2 rosse e 5 palline bianche ed 1 rossa e si supponga che la prova consista nello scegliere un’urna caso e nell’estrarre una pallina e siano date le seguenti probabilità a priori: e
Posto che la pallina estratta sia bianca, Il teorema di Bayes consente di rispondere all’interrogativo se la pallina bianca che costituisce l’evento osservato, provenga dall’urna U1 oppure da dall’urna U2.
Le verosimiglianze sono date da: e
Risulta inoltre:
Applicando la formula del teorema di Bayes si ottengono le seguenti probabilità a posteriori:
e
Pertanto, si conclude che la pallina bianca sia stata estratta dall’urna U1. Si noti che a conclusioni diverse o parzialmente diverse si sarebbe giunti basandosi solo sulle verosimiglianze o solo sulle probabilità a priori.
1. Introduzione al corso: cenni storici, definizioni alternative, ...
2. Postulati e teoremi del calcolo delle probabilità, probabilit...
3. Esercizi ricapitolativi di calcolo delle probabilità
4. Elementi di calcolo combinatorio
5. Teoria delle variabili casuali
6. Funzione di ripartizione e momenti delle variabili casuali
7. Momenti delle variabili casuali
8. Disuguaglianza di Cebicev, funzione generatrice dei momenti
10. Legami tra variabili casuali
11. Trasformazioni di vc, successioni e criteri di convergenza
12. Modelli per vc discrete: vc uniforme discreta e vc di Bernoulli
13. Modelli per vc discrete: la vc binomiale
14. Modelli per vc discrete: la vc di Poisson
15. Modelli per vc continue: le vc uniforme continua
16. Modelli per vc continue: la vc Beta e la vc Esponenziale Negati...
17. Modelli per vc continue: la vc Esponenziale Negativa e la vc Ga...
18. Modelli per vc continue: la vc Normale
19. La vc Normale Standardizzata
20. Variabili casuali connesse alla Normale
21. Uso delle tavole statistiche relative alle vc connesse alla Nor...