Professional Documents
Culture Documents
scuole superiori
Laboratorio
Convegno "Il piacere di insegnare - il
piacere di imparare la matematica"
Alberto Gandolfi
gandolfi@math.unifi.it
Appunti completi disponibili su
http://bb.math.unifi.it/~gandolfi/didindex.html
Eventi casuali
Probabilit
In questi problemi non si riesce a determinare con certezza
l'esito tra varie possibili alternative.
Due cause possibili:
- mancanza di informazioni
- l'indeterminatezza connaturata.
Ma non ci interessa: per l'indeterminatezza chiameremo tali
eventi "casuali".
Per fare comunque previsioni introduciamo una nuova
quantit: la probabilit.
Obiettivi didattici
nell'insegnamento della probabilit:
deduzione logica di una teoria da alcune ipotesi
fornitura di alcuni elementi per l'interpretazione del
mondo reale, inclusi giochi, dati, sondaggi
esemplificazione delluso di alcuni strumenti matematici
presentati nel corso
Prima formalizzazione
Iniziamo da una formulazione elementare,
che pu rimanere lunica se si intende
esporre una parte limitata della teoria.
Con qualche esempio si vede la naturalezza delluso
della terminologia insiemistica per descrivere le
probabilit:
- Tutte le realizzazioni possibili sono un insieme S
- Un evento un sottoinsieme di S
- La probabilit una funzione P sui sottoinsiemi di S
Probabilit uniformi
Calcolo combinatorio
Probabilit finite
Per poter fare modelli di situazioni pi
generali si considerano casi in cui
probabilit non sono tutte uguali.
Si prendono come punti di partenza le prime tre
propriet dimostrate nel caso uniforme:
Indipendenza
Distribuzione di Bernoulli
Con i metodi appena riassunti si ricava la
distribuzione di Bernoulli o Binomiale
(n,p):
0,176197
20
0,125371
30
0,102578
40
0,088928
50
0,079589
60
0,072685
70
0,067313
80
0,06298
90
0,059388
100
0,056348
110
0,053732
120
0,05145
130
0,049435
10
0,176197
100
0,056348
1000
0,017839
10000
0,005642
100000
0,001784
1000000
0,000564
10000000
0,000178
1E+08
5,64E-05
1E+09
1,78E-05
Foglio di calcolo
Usando le funzioni di
un foglio elettronico di
calcolo si possono
calcolare alcune
probabilit. Ad
esempio il valore
della distribuzione
Binomiale(n, p). Qui
di fianco i valori di
p(k,2k,1/2).
1E+10
#NUM!
1E+11
#NUM!
1E+12
#NUM!
Probabilit condizionate
Talvolta interessa la probabilit di un
evento sapendo che un altro si
realizzato.
Formula di Bayes
Variabili aleatorie
Una funzione X definita su un insieme S su cui sia
definita una probabilit P detta variabile aleatoria
Valore atteso
Con qualche esempio si vede che il valore
atteso o valor medio emerge sia come risultato
medio dopo molte prove che come valutazione
equa di un esperimento aleatorio.
Variabili continue
Finora si sono viste variabili aleatorie con
un numero finito di valori. Vari esempi
suggeriscono che a volte utile
considerare variabili che assumono valori
sul continuo.
Ad esempio se si spezza un bastoncino a
caso o si considera lorario di un arrivo.
Funzione di distribuzione
Un altro modo per descrivere una variabile
aleatoria la funzione di distribuzione.
Non un metodo intuitivo, ma talvolta
molto utile:
Analisi di dati
Per analizzare dati casuali (che interpretiamo come
realizzazioni di variabili aleatorie) si utilizzano le stesse
quantit calcolate per sui dati, e quindi dette empiriche:
Il valor medio empirico anche detto media empirica e pu essere a sua volta
pensato come funzione delle variabili aleatorie.
Variabili congiunte
Spesso si considerano pi variabili
aleatorie allo stesso momento. Queste
possono essere non essere indipendenti,
e quindi occorre una trattazione delle
distribuzioni congiunte.
In un corso di scuola superiore conviene
per limitarsi ad un caso semplice: una
misura del grado di dipendenza di due
variabili aleatorie.
Correlazione
Date due variabili aleatorie X ed Y si
introduce la covarianza:
Correlazione empirica