calcolo delle probabilità e ragionamento bayesiano...calcolo delle probabilità • È un sistema...
TRANSCRIPT
![Page 1: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/1.jpg)
Calcolo delle probabilità e ragionamento bayesiano
Unit 3 – Corso di Logica e Teoria dell’Argomentazione
![Page 2: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/2.jpg)
Sommario
• Nozioni probabilistiche• Probabilità condizionata• Ragionamento bayesiano• Fallacie probabilistiche
![Page 3: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/3.jpg)
Nozione di probabilità
• Dato un insieme di eventi, di cui un evento A fa parte, con p(A) indichiamo la probabilità che A accada (o che l’asserzione A sia vera)
![Page 4: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/4.jpg)
Interpretazioni per p
p(A) può essere interpretata in modo– Soggettivo, se p(A) misura il grado di credenza
di un agente razionale sul fatto che A accada– Logico, quando p(A) misura a priori il contenuto
informativo in modo inversamente proporzionale (A debole ha probabilità alta)
– Frequentista, se p(A) misura la frequenza con cui A accade in relazione ad una certa classe
– Classico, se p(A) misura a priori, ma solo in contesti finiti equiprobabili, l’incidenza dei casi favorevoli rispetto a quelli possibili
![Page 5: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/5.jpg)
Esempi – probabilità classica
Estrazione di una carta da un mazzo francese (52 carte: ♠♥♦♣ semi, valori 1,2,…,10,J,Q,K. E2=“esce un 2”, EC=“esce un cuori”, E2C=“esce il 2 di cuori”, ecc.
– p(E2C)=– p(~E2C)=– p(EA)=– p(EACvEAQ)=– p(EC)=– p(E6vEK)=– p(~E6vEK)=– p(EAC&EAQ)=– p(ECvEQvEFvEP)=
1/52=0.01951/52=.9814/52=.0762/52=.03813/52=.258/52=.15248/52=.9240/52=052/52=1
![Page 6: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/6.jpg)
Calcolo delle probabilità
• È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive
• Assiomi:– p(A)≥0– se A è un evento certo (ovvero una
tautologia), allora p(A)=1– se A e B sono mutuamente esclusivi (ovvero il
presentarsi dell’uno esclude il presentarsi dell’altro), allora p(AvB)=p(A)+p(B)
![Page 7: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/7.jpg)
Prime conseguenze
• Se A è contraddittoria, p(A)=0• Per qualunque A, 0≤p(A)≤1• p(A)=1-p(~A)• Se A e B sono verofunzionalmente
equivalenti, p(A)=p(B)• Per qualunque A e B
p(AvB)=p(A)+p(B)-p(A&B)
• p(A&B)≤p(A), p(A&B)≤p(B)
A B
![Page 8: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/8.jpg)
Altre conseguenze
• Se p(A)=p(B)=0 allora p(AvB)=0• Se p(A)=1 allora p(A&B)=p(B)• Se A è conseguenza logica di B
(cioè se p(B→A)=1) allora p(A&B)=p(B)
![Page 9: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/9.jpg)
Probabilità condizionale
• Con probabilità condizionale di A dato B si intende la probabilità dell’asserzione A data la verità dell’asserzione B, e si indica con p(A|B)
• È anche (banalmente) il rapporto tra casi favorevoli per A&B e casi favorevoli per B
![Page 10: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/10.jpg)
Esempi – prob. condizionali
• Estrazione di una carta da un mazzo francese (52 carte: ♠♥♦♣ semi; 1,2,…,10,J,Q,K per ogni seme)– E2=“esce un due”, EC=“esce un cuori”,
E2C=“esce il due di cuori”, ecc.– p(E2C|E2)=– p(E7C|EC)=– p(EAQ|~E2C)=– p(E7C|EQ)=– p(EA|EAC)=– p(EACvE2C|(ECvEF)&E<6)=
1/4=.251/13=.0761/51=.0010/13=01/1=1
2/10=.2
![Page 11: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/11.jpg)
Alcune conseguenze
• p(A|A)=1• p(~A|A)=0• Se B è certa (tautologica), p(A|B)=p(A)• Se A e B sono verofunzionalmente equivalenti,
allora p(A|C)=p(B|C) e p(C|A)=p(C|B)• Se A e B sono indipendenti, allora
p(A&B)=p(A)p(B)– In quanto p(A|B)=p(A)
• p(~A|B)=1-p(A|B)• E molte altre ancora…
![Page 12: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/12.jpg)
Teorema di Bayes
Permette di calcolare una probabilità condizionale a partire dalla conversa
Se A1,A2,… An sono mutualmente esclusive
![Page 13: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/13.jpg)
Esempio 1
“In Italia il 50% delle auto è una Fiat, ed il 25% delle Fiat è di colore bianco. In generale, il 20% delle auto è di colore bianco. Io stesso ho un’auto bianca.”“Be’, allora anche tu hai una Fiat” L’argomento è forte? A=“è una Fiat”, B=“è di colore bianco”
![Page 14: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/14.jpg)
Perché?
• il 50% delle auto è una Fiat, il 20% delle auto è di colore bianco, ed il 25% delle Fiat è di colore bianco.
• Supponiamo che le auto siano complessivamente 200, allora: – Le Fiat sono il 50%, ovvero 100– Le Fiat bianche sono il 25% di 100, cioè 25– Le auto bianche sono il 20% di 200, cioè 40– Dunque, data un’auto bianca (in totale sono
40), la probabilità che sia una Fiat è data da 25/40=0.625
![Page 15: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/15.jpg)
Esempio 2
“Abbiamo una lampadina difettosa. Le lampadine sono prodotte da tre macchine A, B e C, che producono il 25%, il 35%, ed il 40% delle lampadine totali. Le lampadine difettose prodotte sono, in percentuale: il 5% per A, il 15% per B, il 12% per C. Quale macchina l’ha prodotta?”“Be’, penso sia stata prodotta da A.”• Com’è l’argomento? • A=“prodotta da A”, B=“prodotta da B”,
C=“prodotta da C”, D=“difettosa”– Noi dobbiamo calcolare p(A|D)– p(A)=.25; p(B)=.35; p(C)=.4– p(D|A)=.05; p(D|B)=.15; p(D|C)=.12
![Page 16: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/16.jpg)
Esempio 2 (cont.) - calcolo
p(A)=.25; p(B)=.35; p(C)=.4p(D|A)=.05; p(D|B)=.15; p(D|C)=.12
p(A |D) = p(A)p(D | A)p(A)p(D | A)+ p(B)p(D | B)+ p(C)p(D |C)
=
=.25 ⋅.05
.25 ⋅.05+.35 ⋅.15+.4 ⋅.12= .11
• Dunque abbiamo l’11% che sia sta prodotta da A: l’argomento è debole.
• Ugualmente possiamo calcolare p(B|D)=...=.46 e p(C|D)=...=.42
![Page 17: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/17.jpg)
Esempio 3
Il medico al paziente: “Vediamo… le avevo chiesto di effettuare il test diagnostico. Si tratta di una malattia che colpisce l’1% della popolazione. Questo test dà risultato positivo nel 90% dei malati e nel 5% dei non malati. A lei ha dato esito positivo. Dunque i miei sospetti erano fondati: è molto probabile, circa al 90%, che lei abbia contratto questa malattia.”Com’è l’argomento?
![Page 18: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/18.jpg)
Esempio 3 (cont.) - calcolo
Siano M=”malato”, P=“positivo al test”Voglio conoscere p(M|P)
Dunque l’argomento è debole, perché la probabilità di aver contratto la malattia è solo del 15.38%
![Page 19: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/19.jpg)
Esempio 3 (cont.) - perché?
Supponiamo la popolazione sia composta da 100000 individui.
Malati: 1000Malati positivi al test: 900
Non Malati: 99000Non Malati positivi al test: 4950
Quanti sono i malati positivi rispetto a tutti i positivi?900/(900+4950)=15.4%
![Page 20: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/20.jpg)
Esempio 3 (cont.) - conclusioni
Valutiamo invece l’argomento:“[…] Il test diagnostico ha dato esito negativo: dunque è molto probabile che lei non abbia contratto la malattia”• Dobbiamo calcolare p(~M|~P)
L’argomento è forte! (dunque, occorre fare attenzione a cosa si sa e cosa si conclude!)
Dunque l’argomento è fallace, perché la probabilità di aver contratto la malattia è solo del 15.4%
![Page 21: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/21.jpg)
FALLACIE PROBABILISTICHE
![Page 22: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/22.jpg)
Esempio
“Da un paio di settimane ho iniziato a giocarmi il 24 in tutte le estrazioni. Tieni presente che non esce da 135 settimane: non può ritardare ancora molto.” Com’è l’argomento?L’argomento è debole perché gli eventi sono indipendentiL’idea intuitiva che i numeri sono equiprobabili, per cui le frequenze devono riallinearsi non funziona
Per la “legge dei grandi numeri”: le frequenze di uscita dei numeri tendono al valore teorico se le estrazioni sono infinite (non se sono finite)
![Page 23: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/23.jpg)
Che fallacia è?
• E’ una fallacia Montecarlo (o dello scommettitore): si commette quando dal verificarsi (o dal non verificarsi) di una serie di eventi di un tipo si inferisce come più probabile che si presentino eventi di tipo opposto e indipendenti
– È da tanto che x non si verifica:. x si verificherà presto
• Una variante meno diffusa è:– È da tanto che x non si verifica
:. x non si verificherà più
![Page 24: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/24.jpg)
Esempio
“La maggior parte degli extracomunitari è delinquente. Infatti la maggior parte dei reati è commessa da extracomunitari.”Com’è l’argomento?
(premessa) La maggior parte dei reati commessi in Italia è commessa da extracomunitari. (conclusione) La maggior parte degli extracomunitari è delinquente.E=“atto compiuto da extracomunitari”, D=“atto delinquenziale”(premessa) p(E|D) è superiore al 50%(conclusione) p(D|E) è superiore al 50%È un argomento debole e fallace
![Page 25: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/25.jpg)
Che fallacia è?
È una fallacia della probabilità condizionale: si commette quando nell’inferenza si scambia la probabilità condizionata pertinente con la sua conversa (cioè p(A|B) al posto di p(B|A), o viceversa)
![Page 26: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/26.jpg)
Esempio
“Bill ha 34 anni. E’ intelligente ma senzaimmaginazione, ossessivo e senza vita sociale. A scuola era bravo in matematica ma non era portatonegli studi umanistici e sociali.”Assegnare un ordine, dal più probabile al menoprobabile. 1. Bill è un ragioniere.2. Bill suona il jazz per hobby.3. Bill è un ragioniere che suona il jazz per hobby.
![Page 27: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/27.jpg)
Fallacia di congiunzione
Dunque p(R&J)≤p(R), p(R&J)≤p(J),Quando si conclude l’opposto, assumendo che una congiunzione è più probabile di uno dei suoi congiunti, si commette una fallacia di congiunzione
Billèunragioniere=R Billsuonailjazzperhobby=J
![Page 28: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/28.jpg)
Il Dilemma Monty Hall
In un gioco a premi ci sono 3 scatole chiuse: 2 vuote e 1 contenente monete d’oro. Scegliamo una scatola. Il conduttore del gioco, che sa cosa si nasconde dentro ciascuna scatola, apre una delle due rimaste mostrando che è vuota. Poi offre: ”Se vuoi, puoi cambiare scatola.”Cosa scegliete?Com’è il seguente argomento?
Premesse: tutto ciò che è noto nel giocoDunque, la probabilità che le monete d’oro siano nella mia scatola è del 50%, per cui ho la stessa probabilità di vincere.
![Page 29: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/29.jpg)
Il Dilemma Monty Hall (cont.)
S1M=“scatola 1 ha monete”, S1V=“scatola 1 è vuota”, … Scelgo la scatola 1. Le probabilità iniziali sonoViene aperta la scatola 2 che è vuota. Per voi le probabilità da considerare adesso sono
Dunque Ma …l’apertura non è a caso: l’azione del presentatore non deve alterare le probabilità iniziali, che rimangono
p(S1M ) =13= .33 p(S1V ) =
23= .67
p(S1M | S2V ) =1 2 = .5 p(S1V | S2V ) =1 2 = .5
p(S1M | S2V ) = .5> p(S1M ) = .33
p(S1M | S2V ) = .33 p(S1V | S2V ) = .67
![Page 30: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/30.jpg)
Il Dilemma Monty Hall (cont.)
Ma se le probabilità devono rimanere identiche,
allora conviene sempre cambiare scatolaL’argomento è debole (possiamo considerarlo una fallacia dell’evidenza soppressa)
p(S1M | S2V ) = .33 p(S1V | S2V ) = .67
![Page 31: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/31.jpg)
Eliminazione
Non vi ho convinto? Simuliamo…Scelta
Cambio
![Page 32: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/32.jpg)
Altro gioco
Adesso siamo ad un gioco a premi con dieci scatole. Dentro una scatola ci sono monete d’oro, le altre sono vuote. Prendiamo 2 scatole, su invito del conduttore. Il conduttore del gioco, che conosce il contenuto di ciascuna scatola, ne apre sette mostrando che sono vuote. Rimangono 3 scatole: 1 al conduttore, 2 a noi.Poi ci domanda: "Vorresti cambiare le tue due scatole con la scatola che rimane?” Per prendere una decisione valutiamo:(P) Abbiamo due scatole sulle tre rimaste.:. La probabilità che le monete d’oro siano nella mia scatola è del 67% circa (2 su 3).:. Non mi conviene cambiare
![Page 33: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/33.jpg)
Fate il vostro gioco… (cont.)
• È una variante del Monty Hall.• Con le prime due scelte (supponiamo le scatole 1 e
2) abbiamo probabilità di vincere p(E1MvE2M)=.2• Dopo aver eliminato 7 scatole vuote (ad es. dalla 4
alla 10) abbiamo p(E1MvE2M|E4V&E5V&…&E10V)=.67• Sembra che lo scambio sia sconveniente
considerando le 3 scatole rimanenti, ma così stiamo eliminando informazioni fondamentali
• Invece conviene cambiare: aumentiamo la probabilità di vincere, passando dal 20% all’80%
![Page 34: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/34.jpg)
Esempio
Il medico al paziente: “Vediamo… sospettavo che lei avesse contratto questa malattia e le avevo chiesto di effettuare il test diagnostico. Si tratta di una malattia che colpisce l’1% della popolazione. Questo test dà risultato positivo nel 90% dei malati e nel 5% dei non malati. A lei ha dato esito positivo. Dunque i miei sospetti erano fondati: è molto probabile, circa al 90%, che lei abbia contratto questa malattia.”Argomento debole: p(M|P)=15.38%È una fallacia del tasso di base: commessa quando si trascura il dato statistico assoluto considerando solo il dato relativo, oppure interpretandolo in modo isolato inferendo conclusioni più ampie
![Page 35: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/35.jpg)
CONFERMA BAYESIANA
![Page 36: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/36.jpg)
Ipotesi ed evidenze
Formuliamo un’ipotesi HQuanto è probabile?
Se non sappiamo nulla sul verificarsi di H, stiamo valutando la probabilità a priori di H, cioè p(H)
Abbiamo un’evidenza EAdesso quanto è probabile H?
Stiamo valutando in che modo il verificarsi di E cambia la probabilità di H, dunque è una probabilità a posteriori di H: p(H|E)
E conferma l’ipotesi H o la disconferma?
![Page 37: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/37.jpg)
Conferma bayesiana
Definizioni:E conferma H SSE p(H|E)>p(H), E disconferma H SSE p(H|E)<p(H), E è neutrale rispetto ad H SSE p(H|E)=p(H)
![Page 38: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/38.jpg)
Holmes e Barbaglio d’argentoArgomentazione di Sherlock Holmes:Un cavallo è stato rapito e un fantino è stato ucciso.Uno sconosciuto aveva litigato la sera prima col boss.Il cane a guardia quella notte non ha abbaiato.:. Non è stato uno sconosciuto.H=“è stato uno sconosciuto” (ipotesi)E=“il cane non ha abbaiato” (evidenza)Per Holmes: p(H|E)<p(H)
– Dunque E disconferma l’ipotesi HInvece sarebbe p(H|~E)>p(H)
– Cioè ~E confermerebbe l’ipotesi H.E rende meno probabile H, dunque aumenta la probabilità di ~H [visto che p(H)+p(~H)=1].
![Page 39: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/39.jpg)
Il nome della rosa
Cimitero innevato. C’è della terra rimossa vicino ad una croce. Frate Guglielmo: “E’ morto qualcuno di recente?”R=“terra rimossa vicino alla croce”, M=“c’è un morto”Secondo Fr. Guglielmo p(M|R)>p(M). R conferma M?Ora p(M|R)>p(M) dunqueInvece p(M|~R)<p(M) dunque
Perciò, con l’evidenza R, la nostra credenza in M aumenta. Ma se fosse stato ~R, la credenza in M sarebbe diminuita (anche se di poco)
Video
R conferma M
~R disconfermerebbe M
![Page 40: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/40.jpg)
Modelli di conferma
Modello fondamentale (o sillogismo euristico)H→EE:. H è più credibile
Quindi E conferma H: H è più credibileSe crediamo alla certezza di H allora è un argomento fallace, ma se ragioniamo induttivamente (non deduttivamente!) allora è un argomento plausibile
Ladivisioneperunnumerocompresotra0e1produceunnumeropiùgrandeBayes
p(E|H)=1
![Page 41: Calcolo delle probabilità e ragionamento bayesiano...Calcolo delle probabilità • È un sistema teorico che consiste di tre assiomi e delle loro conseguenze deduttive • Assiomi:](https://reader030.vdocuments.net/reader030/viewer/2022040805/5e42b131f07a18435d3a4126/html5/thumbnails/41.jpg)
Altri modelli
Se H→E allora
Se p(E) è molto piccolo allora p(H)/p(E) cresce molto
Modello della conseguenza improbabileH→E E è poco probabile (per suo conto) e si è verificata:. H è molto più credibile
Se p(E) è molto grande allora p(H)/p(E) cresce poco
Modello della conseguenza probabileH→EE è molto probabile (per suo conto) e si è verificata:. H è poco più credibile