teoria dei fenomeni aleatori aa 2012-13 il concetto di ... · teoria dei fenomeni aleatori aa...
TRANSCRIPT
Teoria dei Fenomeni Aleatori AA 2012-13
1 Docenti: Gaspare Galati – Gabriele Pavan
IL CONCETTO DI FENOMENO ALEATORIO
Osservazione di Fenomeni Naturali (fisici, chimici,...)
Sociali (economici, finanziari, psicologici,...)
⎧⎪⎨⎪⎩
sui quali è difficile fare una previsione a causa di meccanismi molto
complessi che li regolano.
Teoria dei Fenomeni Aleatori AA 2012-13
2 Docenti: Gaspare Galati – Gabriele Pavan
IL CONCETTO DI FENOMENO ALEATORIO Esempio: Tutti sappiamo che una goccia di pioggia cade sempre.
Ma se si studia la sua velocità o si cerca di stabilire il punto esatto di caduta
la risposta è tutt’altro che univoca.
Considerando una seconda goccia, pure se osservata con la massima
accuratezza, difficilmente si avrà un risultato compatibile o univoco.
⇓
Fenomeno Aleatorio
Teoria dei Fenomeni Aleatori AA 2012-13
3 Docenti: Gaspare Galati – Gabriele Pavan
INCERTEZZA DEL RISULTATO
• Momentanea - (concetto di “probabilità soggettiva”) Esempio: l’esito di una partita che si giocherà questa sera
• Fisica e Tecnologica Esempio: stabilire istante per istante posizione, velocità e accelerazione di un insieme di corpi. Esempio: le molecole di un gas ⇒ meccanica statistica
• Intrinseca Esempio: principio di indeterminazione di Heisenberg (1927) ⇒ meccanica quantistica
• Psicologica e sociologica Esempio: quanto la pubblicità incide sulla vendita di un prodotto
Teoria dei Fenomeni Aleatori AA 2012-13
4 Docenti: Gaspare Galati – Gabriele Pavan
IL METODO STATISTICO
Alle domande come:
• “Quanto è “casuale” o “aleatorio” il risultato a cui si è pervenuti e
che fiducia riporre in esso?”
• “Quanto si può scommettere sulla validità dell’ipotesi A rispetto a B con un rischio accettabile?”
Si può rispondere solo all’interno di una logica probabilistica (“matematica
dell’incerto”) definendo metodi statistici in grado di pervenire a leggi generali
partendo dall’osservazione di “tanti casi singoli” o dall’analisi del grado di
fiducia.
Teoria dei Fenomeni Aleatori AA 2012-13
5 Docenti: Gaspare Galati – Gabriele Pavan
IL METODO STATISTICO
Trasformare un
PROBLEMA REALE
(non trattabile deterministicamente)
in un
PROBLEMA STATISTICO
Teoria dei Fenomeni Aleatori AA 2012-13
6 Docenti: Gaspare Galati – Gabriele Pavan
ESEMPI DI PROBLEMI STATISTICI
• Problemi connessi al monitoraggio e alla misura di un parametro (serie storiche) - Temperatura - Livello dei bacini fluviali - Cambio euro-dollaro - Come evolve nel tempo il prezzo delle azioni della società X nella
borsa Y - Problemi di marketing
• Problemi connessi alla misure di variazioni - Tolleranze di fabbricazione - Stabilità di un mercato azionario - accuratezza di un sistema - accuratezza di un processo produttivo
Teoria dei Fenomeni Aleatori AA 2012-13
7 Docenti: Gaspare Galati – Gabriele Pavan
ESEMPI DI PROBLEMI STATISTICI
• Problemi nella trasmissione di segnali:
- Ricezione di informazione in presenza di disturbi (es. rumore)
- Decodifica di segnali segreti (crittografia)
• Problemi psicologici, sociologici, economici di dipendenza: - Legame tra professione e possesso di beni - Legame tra livello scolastico e livello di benessere - Dipendenza delle vendite dagli investimenti pubblicitari - Dipendenza di una malattia dall’età del soggetto
⇓ Problema della dipendenza statistica e della correlazione
Teoria dei Fenomeni Aleatori AA 2012-13
8 Docenti: Gaspare Galati – Gabriele Pavan
ESEMPI DI PROBLEMI STATISTICI
• Problemi di stima: - Determinazione della popolazione nel 2020 - Valutazione annua e previsione dell’inflazione - Calcolo del fabbisogno finanziario di uno Stato in un dato anno
finanziario
⇓ Problema della previsione statistica
Teoria dei Fenomeni Aleatori AA 2012-13
9 Docenti: Gaspare Galati – Gabriele Pavan
Un esempio reale
Lancio di due dadi con le facce numerate da 1 a 6 e scommessa sulla somma X dei valori sulle due facce superiori indicate con 1Y e 2Y :
( )1Y 1,2,3,4,5,6∈ , ( )2Y 1,2,3,4,5,6∈
1 2X Y Y= +
( )X 2,3,4,...,11,12∈
Domanda: Conviene scommettere su X 7= piuttosto che su X 10= ?
Teoria dei Fenomeni Aleatori AA 2012-13
10 Docenti: Gaspare Galati – Gabriele Pavan
Approccio Sperimentale Si effettuano N lanci (prove) e si contano il numero di occorrenze di ciascuna faccia. Si riportano i risultati in un diagramma a barre. Ad esempio per N 50= :
Diagramma a barre della frequenza assoluta
Teoria dei Fenomeni Aleatori AA 2012-13
11 Docenti: Gaspare Galati – Gabriele Pavan
Su 100 lanci (prove) si ottiene:
Diagramma a barre della frequenza assoluta
Teoria dei Fenomeni Aleatori AA 2012-13
12 Docenti: Gaspare Galati – Gabriele Pavan
Su 500 lanci (prove) si ottiene:
Diagramma a barre della frequenza assoluta
Teoria dei Fenomeni Aleatori AA 2012-13
13 Docenti: Gaspare Galati – Gabriele Pavan
Su 1000 lanci (prove) si ottiene:
Diagramma a barre della frequenza assoluta
Teoria dei Fenomeni Aleatori AA 2012-13
14 Docenti: Gaspare Galati – Gabriele Pavan
Su 10000 lanci (prove) si ottiene:
Si vede che al crescere delle prove la frequenza assoluta si stabilizza mostrando un andamento triangolare con massimo per X = 7. Conviene scommettere sul 7.
Teoria dei Fenomeni Aleatori AA 2012-13
15 Docenti: Gaspare Galati – Gabriele Pavan
Su 10000 lanci (prove) si ottiene:
Si vede che al crescere delle prove la frequenza assoluta si stabilizza mostrando un andamento triangolare con massimo per X = 7. Conviene scommettere sul 7.
Teoria dei Fenomeni Aleatori AA 2012-13
16 Docenti: Gaspare Galati – Gabriele Pavan
Considerazioni sull’esempio del lancio di due dadi
• Alla faccia di un singolo dado associamo un valore numerico: “variabile aleatoria” discreta
( )1Y 1,2,3,4,5,6∈
• Caratterizzazione del secondo dado: stesso comportamento del primo, ma “nuova variabile” 2Y indipendente dalla precedente
( )2Y 1,2,3,4,5,6∈
• Dado “non truccato” o regolare: concetto di variabilità uniforme (modello uniforme). Dado “truccato”: il risultato è sbilanciato su una faccia (modello non uniforme)
Teoria dei Fenomeni Aleatori AA 2012-13
17 Docenti: Gaspare Galati – Gabriele Pavan
Dado NON truccato: Variabilità Uniforme
Per un dado non truccato il numero di occorrenze atteso per ogni faccia, su N prove, è costante e pari a N / 6 1666.66⇔ se N = 10000.
1666.66
Teoria dei Fenomeni Aleatori AA 2012-13
18 Docenti: Gaspare Galati – Gabriele Pavan
Dado truccato: Variabilità non Uniforme
In questo caso il dado è sbilanciato a favore delle facce con numerazione inferiore.
Teoria dei Fenomeni Aleatori AA 2012-13
19 Docenti: Gaspare Galati – Gabriele Pavan
Considerazioni sull’esempio del lancio di due dadi (continua)
• Modello probabilistico di un oggetto fisico. Nell’esempio del dado regolare, normalizzando il numero di occorrenze rispetto al numero di prove, ci si aspetta di ottenere 1/6 quando N →∞ .
16
Teoria dei Fenomeni Aleatori AA 2012-13
20 Docenti: Gaspare Galati – Gabriele Pavan
Considerazioni sull’esempio del lancio di due dadi (continua)
• X è definito dalla somma: 1 2X Y Y= + , cioè la variabile X è funzione di
una coppia di variabili ( )1 2Y ,Y .
• Dopo aver osservato e contato tutti i valori assunti da X è necessario un “Test Statistico” per verificare l’adattamento del modello alla realtà, cioè ai dati osservati.
Teoria dei Fenomeni Aleatori AA 2012-13
21 Docenti: Gaspare Galati – Gabriele Pavan
Probabilità nel continuo Esempio: Una freccia raggiunge un bersaglio nel punto P, indicando con X e Y le coordinate di P , la distanza dal centro del bersaglio è 2 2R X Y= + . Lanciando N frecce sul bersaglio con centro nell’origine:
P(X,Y)
Teoria dei Fenomeni Aleatori AA 2012-13
22 Docenti: Gaspare Galati – Gabriele Pavan
Diagramma a barre della frequenza assoluta di R (distanza dal centro)
Teoria dei Fenomeni Aleatori AA 2012-13
23 Docenti: Gaspare Galati – Gabriele Pavan
Aumentando il numero di prove
Teoria dei Fenomeni Aleatori AA 2012-13
24 Docenti: Gaspare Galati – Gabriele Pavan
Diagramma a barre della frequenza assoluta di R
Il diagramma a barre tende ad una curva continua se il numero N di prove tende ad infinito e la larghezza delle barre è presa sempre più piccola.
Teoria dei Fenomeni Aleatori AA 2012-13
25 Docenti: Gaspare Galati – Gabriele Pavan
Diagramma a barre della frequenza assoluta di R
Il diagramma a barre tende ad una curva continua se il numero N di prove tende ad infinito e la larghezza delle barre è presa sempre più piccola.
Teoria dei Fenomeni Aleatori AA 2012-13
26 Docenti: Gaspare Galati – Gabriele Pavan
Esempio applicativo
o Istallazione di un traliccio sul tetto dell’edificio di Ingegneria dell’Informazione per la posa dell’antenna di una stazione di riferimento differenziale GPS.
o Problema: Il vento (fenomeno aleatorio) se fa oscillare il traliccio altera
le misure.
o Impiego dei dati misurati dalla stazione meteo sperimentale (Edificio di
Ingegneria Industriale – Prof. A. Spena) per progettare il traliccio destinato al sostegno dell’antenna.
Teoria dei Fenomeni Aleatori AA 2012-13
27 Docenti: Gaspare Galati – Gabriele Pavan
(Dati gentilmente forniti dal Prof. A. Spena e dalla Dott.ssa C. Cornaro)
Teoria dei Fenomeni Aleatori AA 2012-13
28 Docenti: Gaspare Galati – Gabriele Pavan
Esempio: Capacità di Canale, Banda e Rumore
Il limite teorico C della cadenza di bit che si può trasmettere senza
errori in funzione della banda del canale B e del rapporto s
n
PP
tra la
potenza ricevuta sP e la potenza di rumore nP , è:
s2
n
PC B log 1 bit/sP
⎛ ⎞= ⋅ +⎜ ⎟
⎝ ⎠
Claude E. Shannon, 1948-49
Teoria dei Fenomeni Aleatori AA 2012-13
29 Docenti: Gaspare Galati – Gabriele Pavan
Capacità di Canale, Banda e Rumore
Teoria dei Fenomeni Aleatori AA 2012-13
30 Docenti: Gaspare Galati – Gabriele Pavan
IL MODELLO PROBABILISTICO
REALTÀ = Componente Osservabile + Componente NON Osservabile
• VEDERE la realtà (osservazioni, acquisizioni, misure)
• CAPIRE la realtà all’interno di una impostazione probabilistica nella
quale l’esistente è esaminato in rapporto a ciò che poteva accadere o
che verosimilmente accadrà.
• AGIRE sulla realtà per raggiungere scopi predefiniti.
La descrizione e la comprensione orientate verso l’azione generano il
modello definito in funzione di una finalità operativa.
Teoria dei Fenomeni Aleatori AA 2012-13
31 Docenti: Gaspare Galati – Gabriele Pavan
IL MODELLO PROBABILISTICO
DATI ⇒ ANALISI STATISTICA ⇒ MODELLO
⇓
CALCOLO DELLE PROBABILITÀ ⇓
MODELLO MATEMATICO PER LA VALUTAZIONE IN CONDIZIONI DI INCERTEZZA
(Esempio: Controllo del Traffico Aereo)
Teoria dei Fenomeni Aleatori AA 2012-13
32 Docenti: Gaspare Galati – Gabriele Pavan
Definizione di fenomeno aleatorio
MISURE RILEVAMENTI
O SINTESI DI DATI
ANALISI PROBABILISTICA
PROBABILITÀ DI EVENTI DI INTERESSE
PREVISIONEPER PROGETTO
O VERIFICA
MONDOESTERNO AZIONI
INFORMAZIONI
M E T O D I S T A T I S T I C I
Calcolo delle probabilità e statistica:
connessioni operative nel lavoro dell’ingegnere
Teoria dei Fenomeni Aleatori AA 2012-13
33 Docenti: Gaspare Galati – Gabriele Pavan
Richiami di teoria degli Insiemi Definizione di Insieme:
“Una riunione in tutto di oggetti ben distinti” (Cantor)
(collezione)
Classe: estensione di una proprietà pP A→
Insieme universale (S oppure Ω ): riunisce tutti gli insiemi
Insieme vuoto (∅): non contiene alcun elemento
Teoria dei Fenomeni Aleatori AA 2012-13
34 Docenti: Gaspare Galati – Gabriele Pavan
Classificazione degli Insiemi
Insiemi
Finiti Infiniti
Infinitonumerabile
Infinito nonnumerabile
Teoria dei Fenomeni Aleatori AA 2012-13
35 Docenti: Gaspare Galati – Gabriele Pavan
Rappresentazione degli Insiemi
Diagrammi di Venn
A
A B
A B∪
A B
A B∩ Rappresentazione Unione di due insiemi Intersezione di due
dell'insieme A di due insiemi
S S S
Teoria dei Fenomeni Aleatori AA 2012-13
36 Docenti: Gaspare Galati – Gabriele Pavan
Operazioni sugli insiemi
A
A
E
E E
F- E
(E- F)
F
FF
(E F)
Insieme Complementare Differenza
Differenza Differenza Simmetrica
E F∩
( ) ( )E F F E∩ ∪ ∩
F E∩
Teoria dei Fenomeni Aleatori AA 2012-13
37 Docenti: Gaspare Galati – Gabriele Pavan
Principali proprietà delle operazioni tra insiemi
[commutatività] A B B A∩ = ∩ A B B A∪ = ∪
[associatività] ( ) ( )A B C A B C∩ ∩ = ∩ ∩ ( ) ( )A B C A B C∪ ∪ = ∪ ∪
[idempotenza] A A A∩ = A A A∪ =
[distributività] ( ) ( ) ( )A B C A B A C∩ ∪ = ∩ ∪ ∩
( ) ( ) ( )A B C A B A C∪ ∩ = ∪ ∩ ∪
A∩∅ =∅ A S S∪ = A S A∩ = A A∪∅ =
Teoremi di De Morgan: A B A B∩ = ∪ A B A B∪ = ∩
Teoria dei Fenomeni Aleatori AA 2012-13
38 Docenti: Gaspare Galati – Gabriele Pavan
Corrispondenza tra operazioni su insiemi e logica booleana
Operazioni su Insiemi Operazione corrispondente nella logicabooleana
Nome Simbolo nome Simbolo SimboloCircuitale
Unione ∪ Somma(OR)
+
Intersezione ∩ Prodotto(AND)
⋅
Complementaredi A
cA,'A,A Negazione(NOT)
A ,A ¬
Differenzasimmetrica
F EΔ OResclusivo(XOR)
E ⊕ F
A
B A B
A B
Z
Z
Z
A B Z 0 0 0 0 1 1 1 0 1 1 1 1 0 0 0 0 1 0 1 0 0 1 1 1
0 1 1 0
0 0 0 0 1 1 1 0 1 1 1 0
Teoria dei Fenomeni Aleatori AA 2012-13
39 Docenti: Gaspare Galati – Gabriele Pavan
Rappresentazione di una Partizione dell’insieme A
B2
B1
B5
B4
B3
A
1 2 3 4 5A B B B B B= ∪ ∪ ∪ ∪
i jB B∩ =∅ i, j 5∀ ≤ i j≠
S
Teoria dei Fenomeni Aleatori AA 2012-13
40 Docenti: Gaspare Galati – Gabriele Pavan
Richiami di Calcolo combinatorio Esempio Quante parole di m = 3 lettere possono essere scritte utilizzando solo le N = 5 vocali? (esempio: aoe, iii, uaa, ...)
Attraverso un diagramma ad albero è facile verificare che si possono scrivere 5 5 5 125× × = parole di tre lettere.
In generale vale il seguente principio • Se una scelta può essere fatta in r modi diversi, per ciascuno dei quali
una seconda scelta può essere effettuata in s modi diversi, e, per
ciascuno dei modi in cui si sono compiute le prime due scelte, una terza
scelta può essere effettuata in t modi diversi (così a seguire …) allora la
successione di tutte le scelte può essere compiuta in r t s× × modi
diversi.
Teoria dei Fenomeni Aleatori AA 2012-13
41 Docenti: Gaspare Galati – Gabriele Pavan
Calcolo combinatorio Esempio Se 6 persone si vogliono mettere in fila da sinistra a destra, in quanti modi diversi possono farlo?
Formulazione equivalente: Se 6 persone arrivano contemporaneamente ad uno sportello, in quanti modi diversi possono mettersi in coda?
Per il primo posto abbiamo 6 possibilità, per il secondo 5 possibilità, …, per l’ultimo posto 1 possibilità.
Le 6 persone possono mettersi in fila (coda) in 6 5 4 3 2 1 720 6 !⋅ ⋅ ⋅ ⋅ ⋅ = = modi diversi.
In generale vale il seguente principio • Dati n oggetti, essi si possono "mettere in fila" (o “mettere in coda”, o
“mettere in colonna”) in n! modi diversi. Dove:
( ) ( )n! n n 1 n 2 ... 2 1= ⋅ − ⋅ − ⋅ ⋅ ⋅
Teoria dei Fenomeni Aleatori AA 2012-13
42 Docenti: Gaspare Galati – Gabriele Pavan
Calcolo combinatorio
Esempio In una classe di 25 alunni, si devono scegliere 6 "volontari" per
l’interrogazione. In quanti modi può essere effettuata la scelta?
⇓
• Gruppi di 6 alunni che si possono estrarre dai 25. In questo esempio
l’ordine con cui si presentano i 6 alunni nel gruppo non è rilevante, cioè
tutti i gruppi ordinati costituiti dagli stessi ragazzi contano una sola volta
⇓
Combinazioni
Teoria dei Fenomeni Aleatori AA 2012-13
43 Docenti: Gaspare Galati – Gabriele Pavan
Richiami di calcolo combinatorio Le disposizioni
Le disposizioni (inglese: permutations) di N oggetti presi "ad m ad m" sono i
gruppi ordinati (configurazioni) ottenuti prendendo in un dato ordine m
oggetti su N.
Il numero di tali disposizioni è indicato con NmD .
Teoria dei Fenomeni Aleatori AA 2012-13
44 Docenti: Gaspare Galati – Gabriele Pavan
Disposizioni di tre oggetti a, b, c (N = 3)
m CONFIGURAZIONI NmD
1 a, b, c 3
2 ab, ac, bc, 6
ba, ca, cb
3 abc, acb, bac, 6
bca, cab, cba
ab e ba costituiscono due disposizioni distinte
Teoria dei Fenomeni Aleatori AA 2012-13
45 Docenti: Gaspare Galati – Gabriele Pavan
Le Disposizioni (segue)
Per ricavare una espressione per NmD , si procede per induzione:
N1D N=
( ) ( )N N2 1D D N 1 N N 1= − = −
( ) ( )( )N N3 2D D N 2 N N 1 N 2= − = − −
………………
( ) ( )NmD N N 1 ... N m 1= − ⋅ ⋅ − +
Nel caso m = N si hanno le permutazioni (o permutazioni semplici):
( )( )NND N ! N N 1 N 2 ... 2 1= = − − ⋅ ⋅ ⋅
Esempio: numero di nomi di siti Web con tre lettere distinte 263D 15 600= i ( )326 17 576= i
Teoria dei Fenomeni Aleatori AA 2012-13
46 Docenti: Gaspare Galati – Gabriele Pavan
Le combinazioni Le combinazioni di N oggetti presi "ad m ad m" sono i gruppi non ordinati di m oggetti presi da un insieme di N oggetti.
Il loro numero è indicato con NmC .
Combinazioni di tre oggetti a, b, c (N = 3)
m CONFIGURAZIONI NmC
1 a, b, c 3
2 ab, ac, bc 3
3 abc 1
Teoria dei Fenomeni Aleatori AA 2012-13
47 Docenti: Gaspare Galati – Gabriele Pavan
Legame tra Disposizioni e Combinazioni La relazione tra il numero di disposizioni ed il numero di combinazioni è
N Nm mD m! C= ⋅
e quindi ( ) ( ) !
! !( )!Nm
N N N 1 N m 1 NCm m m N m
⋅ − ⋅ ⋅ − +⎛ ⎞= = =⎜ ⎟ −⎝ ⎠
…
NmC uguaglia il coefficiente binomiale dello sviluppo del binomio
( )N
N m N m
m 0
Na b a b
m−
=
⎛ ⎞+ = ⎜ ⎟
⎝ ⎠∑ .
Si intende che: N
10
⎛ ⎞=⎜ ⎟
⎝ ⎠
Esempio: 26
26 33
DC 2 6003!
= = i
Teoria dei Fenomeni Aleatori AA 2012-13
48 Docenti: Gaspare Galati – Gabriele Pavan
Il coefficiente binomiale
I coefficienti Nm
⎛ ⎞⎜ ⎟⎝ ⎠
sono rappresentati da (triangolo di Tartaglia):
(N = 1) 1 1
(N = 2) 1 2 1
(N = 3) 1 3 3 1
(N = 4) 1 4 6 4 1
……… …… …… …… ……
Esempio:
Combinazioni delle 26 lettere dell’alfabeto a gruppi di 10: 2610C 5 311735= i i , !26 26
26D 26 4 10= ≅ ⋅ “esplosione combinatoria”.
Teoria dei Fenomeni Aleatori AA 2012-13
49 Docenti: Gaspare Galati – Gabriele Pavan
Esperimenti ed Eventi
Esperimento casuale
È un procedimento di osservazione (misura di una tensione, riconoscimento
di una carta, etc.) dello stato finale del sistema sottoposto ad un processo,
che si suppone ripetibile un numero illimitato di volte con le stesse modalità
di esecuzione.
Risultato dell’esperimento È lo stato finale del sistema, specificato dai parametri che in un dato
esperimento vengono presi in esame.
Teoria dei Fenomeni Aleatori AA 2012-13
50 Docenti: Gaspare Galati – Gabriele Pavan
Insieme Universale (o Spazio Campione S) (*) È l'insieme di tutti i risultati possibili di un esperimento casuale, può essere
finito o infinito.
Prova Ogni esecuzione dell'esperimento prende il nome di prova.
Evento Un evento è un insieme di risultati ed è pertanto un insieme appartenente
ad S (un sottoinsieme di S).
____________________ (*) Spesso l’Insieme Universale è indicato con Ω.
Teoria dei Fenomeni Aleatori AA 2012-13
51 Docenti: Gaspare Galati – Gabriele Pavan
Eventi particolari
L'evento impossibile è quello che non si verifica in nessuna prova.
L'evento certo è quello che si verifica in ogni prova.
Esempio:
Nell'esperimento costituito dall'estrazione di una carta, l’evento certo è
l'estrazione di uno qualsiasi dei quattro semi: cuori, quadri, fiori, picche;
l’evento impossibile è l'estrazione di una carta che non esiste.
Teoria dei Fenomeni Aleatori AA 2012-13
52 Docenti: Gaspare Galati – Gabriele Pavan
Esperimenti ed Eventi - ESEMPIO
• Esperimento: lancio di un dado
• Si possono definire gli eventi semplici
a) Faccia del dado: [ ]1,2,3,4,5,6∈
b) La coppia di numeri reali ( )0 0x , y che individua la posizione baricentro sul tavolo
0 x
y
x0
y0
Tavolo
0 x
y
x0
y0
Tavolo
Teoria dei Fenomeni Aleatori AA 2012-13
53 Docenti: Gaspare Galati – Gabriele Pavan
Operazioni sugli eventi
• Il complementare di un evento A o "negato" A (cioè il non verificarsi di
A) è un evento. { }A Tutti gli elementi di S che ad A= ∉ .
• L'unione di più eventi è un evento composto da tutti i risultati che
costituiscono i singoli eventi. Per due eventi A e B si scrive A B∪ o
anche A B+ .
• L'intersezione di più eventi è un evento composto dai soli risultati
comuni a tutti gli eventi. Per due eventi A e B si scrive A B∩ o anche
A B⋅ .
• La differenza di due eventi A e B (si scrive A B− ) è un evento composto
dai risultati di A che non fanno parte di B.
Teoria dei Fenomeni Aleatori AA 2012-13
54 Docenti: Gaspare Galati – Gabriele Pavan
Operazioni sugli eventi
1 2 3
4 5 6
Spazio Campione Slancio di un dado
Ac
A
1 2 3
4 5 6
B
A C
A: Faccia “pari”B: Faccia “multipla di tre”C: A intersezione B = “faccia 6”
1 2 3
4 5 6
Spazio Campione Slancio di un dado
Ac
A
1 2 3
4 5 6
B
A C
A: Faccia “pari”B: Faccia “multipla di tre”C: A intersezione B = “faccia 6”
Teoria dei Fenomeni Aleatori AA 2012-13
55 Docenti: Gaspare Galati – Gabriele Pavan
Eventi incompatibili
Due eventi sono incompatibili se la loro intersezione è l’evento impossibile
(è nulla), cioè gli eventi non hanno elementi (risultati) in comune.
Si scrive A B⋅ = ∅.
A B
S
A B
S
Teoria dei Fenomeni Aleatori AA 2012-13
56 Docenti: Gaspare Galati – Gabriele Pavan
Numero di eventi definibili
Dato un esperimento con N possibili risultati (la cardinalità di S vale N), il
numero di eventi definibili eguaglia il numero di sottoinsiemi dello spazio
campione S:
2N (inclusi ∅ e S)
Esempio:
Se un esperimento ammette 3 risultati: A, B, C, possiamo definire, oltre
all’evento impossibile { }∅ , i 3 eventi semplici: { }A , { }B , { }C
ed i 4 eventi composti: { }A B+ , { }A C+ , { }B C+ , { }A B C+ + .
Teoria dei Fenomeni Aleatori AA 2012-13
57 Docenti: Gaspare Galati – Gabriele Pavan
Campi Il risultato di operazioni (unione, intersezione, complementazione) su eventi
è ancora un evento.
La classe degli eventi costituisce quindi un campo o algebra, cioè un
insieme chiuso rispetto alla somma (o unione), al prodotto (o intersezione)
ed alla complementazione.
Nello specificare un esperimento casuale occorre definire la classe degli
eventi in modo che il risultato di somme, prodotti e complementazioni di
eventi sia ancora un evento.
Tale aspetto è poco rilevante dal punto di vista ingegneristico.
Teoria dei Fenomeni Aleatori AA 2012-13
58 Docenti: Gaspare Galati – Gabriele Pavan
Esempio di risultati Esperimento: lancio di una freccia contro il piano YZ (bersaglio).
Eventi definibili: i punteggi ( )0,1,2,3 if i = , e costituiti dai seguenti
sottoinsiemi di S:
( ) ( ){ }2 2 20 0 0 0f : z z y y R− + − >
( ) ( ){ }2 22 21 1 0 0 0f : R z z y y R< − + − ≤
( ) ( ){ }2 22 22 2 0 0 1f : R z z y y R< − + − ≤
( ) ( ){ }2 2 23 0 0 2f : z z y y R− + − ≤
X
Y
Z
Z0
Y0
R1
R2
R0
f0f3
Teoria dei Fenomeni Aleatori AA 2012-13
59 Docenti: Gaspare Galati – Gabriele Pavan
Il concetto di probabilità
Nel corso della storia, il concetto di probabilità è stata oggetto di numerose
interpretazioni. Storicamente il concetto di probabilità di un evento si è
sviluppato in diversi contesti, a partire dai giochi d'azzardo, seguendo due
filoni principali:
• descrizione di una proprietà oggettiva dell'evento;
• rappresentazione del grado di fiducia nutrito nel verificarsi dell'evento.
Teoria dei Fenomeni Aleatori AA 2012-13
60 Docenti: Gaspare Galati – Gabriele Pavan
Il concetto di Probabilità - Esempi
(a) Probabilità come descrizione di una proprietà oggettiva dell’evento. Esempio la probabilità di ottenere 4 lanciando due dadi
(b) Probabilità come grado di fiducia nel verificarsi di un evento: - Valore delle Azioni di una Società nella giornata di domani - Superamento di un esame universitario
1 2 3 4 5 6
123456
Spazio Campione
Dado 1
Dad
o 2
1 2 3 4 5 61 2 3 4 5 6
123456
Spazio Campione
Dado 1
Dad
o 2
Teoria dei Fenomeni Aleatori AA 2012-13
61 Docenti: Gaspare Galati – Gabriele Pavan
Il concetto di probabilità (segue) Le quattro interpretazioni più significative sono le seguenti:
• Assiomatica (Kolmogorov, 1933);
• Frequentista (Von Mises e Laplace);
• Classica (principio della ragione insufficiente, H. Bernoulli, 1713);
• Soggettiva (De Finetti).
Teoria dei Fenomeni Aleatori AA 2012-13
62 Docenti: Gaspare Galati – Gabriele Pavan
La teoria assiomatica
La teoria assiomatica, introdotta da A. N. Kolmogorov nel 1933 si basa sulla
definizione di alcune caratteristiche (assiomi) che deve possedere la
probabilità ( )P A dell’evento A.
Riferimento bibliografico A. N. Kolmogorov, “Concetti fondamentali di teoria della probabilità” a cura di Luigi Accardi, Edizioni TEKNOS, Roma, 1995
Teoria dei Fenomeni Aleatori AA 2012-13
63 Docenti: Gaspare Galati – Gabriele Pavan
La teoria assiomatica (segue)
Essa deve soddisfare i seguenti tre assiomi:
I. ( )P A è un numero non negativo:
( )P A 0≥
II. L'evento certo S ha probabilità unitaria:
( )P S 1=
III. Se due eventi A e B non hanno elementi comuni (sono “incompatibili” o
“disgiunti”) la probabilità dell'evento unione è uguale alla somma delle
probabilità dei singoli eventi
( ) ( ) ( )P A B P A P B∪ = +
Teoria dei Fenomeni Aleatori AA 2012-13
64 Docenti: Gaspare Galati – Gabriele Pavan
La teoria assiomatica (segue)
L'assioma III. comporta che, se 1 2 NA ,A ,...,A sono disgiunti
( ) ( ) ( ) ( )1 2 N 1 2 NP A A ... A P A P A .... P A∪ ∪ ∪ = + + +
Ciò va esteso al caso di un numero infinito di eventi:
( ) ( ) ( )1 2 1 2P A A ... P A P A ....∪ ∪ = + +
(assioma III. bis dell'additività infinita).
Teoria dei Fenomeni Aleatori AA 2012-13
65 Docenti: Gaspare Galati – Gabriele Pavan
L’interpretazione frequentista
Si effettua, per un numero N di volte e sempre nelle medesime condizioni,
un esperimento in cui si può osservare se l’evento d’interesse si è verificato
oppure no.
La frequenza relativa ( )Nf A di un evento A è il rapporto tra il numero di
volte ( )n A in cui si è verificato l’evento A ed il numero N di prove
dell'esperimento:
( ) ( )N
n Af A
N≡
( ) ( )N Nf A P A→∞⎯⎯⎯→
Teoria dei Fenomeni Aleatori AA 2012-13
66 Docenti: Gaspare Galati – Gabriele Pavan
L’interpretazione frequentista (segue)
La frequenza relativa gode delle seguenti proprietà:
• La frequenza relativa dell'evento certo è unitaria
( )f S 1=
• La frequenza relativa di un qualsiasi evento A è non negativa
( )f A 0≥
• Se A e B sono eventi incompatibili si ha
( ) ( ) ( )f A B f A f B+ = +
dato che A e B non possono presentarsi simultaneamente.
Teoria dei Fenomeni Aleatori AA 2012-13
67 Docenti: Gaspare Galati – Gabriele Pavan
La definizione classica
La probabilità di un evento A è il rapporto tra i possibili risultati favorevoli
all'evento A, ( )n A , ed il numero N dei possibili risultati:
( ) ( )n Ap A
N≡
Osservazione:
( )n A ed N non sono i risultati effettivi di un esperimento, ma i possibili
risultati di esso, cioè sono la cardinalità di A (numero di elementi di A) e di S
rispettivamente.
Teoria dei Fenomeni Aleatori AA 2012-13
68 Docenti: Gaspare Galati – Gabriele Pavan
La definizione classica (continua)
La definizione classica presenta delle ambiguità e conduce a risultati non
corretti nel caso in cui i vari risultati possibili non siano equiprobabili.
Principio della ragione insufficiente
Si deve inserire nella definizione classica la condizione che i diversi risultati
possibili siano equiprobabili.
Teoria dei Fenomeni Aleatori AA 2012-13
69 Docenti: Gaspare Galati – Gabriele Pavan
Applicazione della definizione classica al lancio di due dadi
Es.: Nel lancio di due dadi calcolare la probabilità che la somma sia 7.
Soluzione 1 Soluzione 2 Soluzione 3
Possibili risultati Possibili risultati Possibili risultati
2, 3, ..., 7, ..., 12 11 possibilità
Coppie (1+1), (1+2), ..., (6+6)
21 possibilità (non distinguendo tra primo
e secondo dado)
Coppie (1+1), (1+2), ...,(6+6)
36 possibilità (distinguendo tra primo e
secondo dado) Risultati favorevoli
7 1 risultato
Risultati favorevoli (1+6), (2+5), (3+4)
3 risultati
Risultati favorevoli 1+6, 6+1,2+5,5+2,3+4,4+3 :
6 risultati 1p
11= NO!
3 1p21 7
= = NO! 6 1p36 6
= =
Teoria dei Fenomeni Aleatori AA 2012-13
70 Docenti: Gaspare Galati – Gabriele Pavan
Critiche alla definizione classica
• La definizione classica di probabilità fa uso del concetto di equiprobabile, cioè del concetto stesso che dovrebbe definire.
• L'assegnazione dei valori di probabilità secondo la definizione classica non tiene conto dell'esperienza. A volte la condizione di equiprobabilità non ha giustificazioni logiche a priori se non la “ragione insufficiente” e può essere solamente estrapolata dall'esperienza.
• L'utilizzo della definizione classica è limitato ai casi in cui i possibili risultati sono equiprobabili e conduce ad ambiguità quando i possibili risultati sono infiniti.
Teoria dei Fenomeni Aleatori AA 2012-13
71 Docenti: Gaspare Galati – Gabriele Pavan
Considerazioni sulle definizioni di probabilità
• Teoria assiomatica della probabilità:
Pregio: consente uno sviluppo completo e privo di contraddizioni ed è possibile considerare “oggetti” ai quali attribuire opportuni modelli probabilistici (dado).
Limite: nulla dice in ordine ai valori numerici delle probabilità.
• Teoria frequentista della probabilità:
Pregio: permette di ricavare valori di probabilità non in contraddizione col metodo assiomatico e inoltre di gettare un primo ponte verso la statistica.
Limite: i valori di probabilità sono ricavati per N finito.
Teoria dei Fenomeni Aleatori AA 2012-13
72 Docenti: Gaspare Galati – Gabriele Pavan
Il Paradosso di Bertrand Dato un cerchio C di raggio r si deve trovare la probabilità p che
una corda AB, selezionata a caso, sia più lunga della lunghezza
(pari a r 3 ) del lato del triangolo equilatero iscritto.
Teoria dei Fenomeni Aleatori AA 2012-13
73 Docenti: Gaspare Galati – Gabriele Pavan
Soluzione n. 1 del paradosso di Bertrand 2
2
r14p
r 4
π= =
π
A
B
Mr/2
r
Teoria dei Fenomeni Aleatori AA 2012-13
74 Docenti: Gaspare Galati – Gabriele Pavan
Soluzione n. 2 del paradosso di Bertrand Arco DE 2 r / 3 1p
Circonferenza 2 r 3π
= = =π
A
B
E
Teoria dei Fenomeni Aleatori AA 2012-13
75 Docenti: Gaspare Galati – Gabriele Pavan
Soluzione n. 3 del paradosso di Bertrand
MH MG r / 2= = GH r 1p2r 2FK
= = =
r/2
r/2A B
M
F
H
K
G
Teoria dei Fenomeni Aleatori AA 2012-13
76 Docenti: Gaspare Galati – Gabriele Pavan
Il Paradosso di Bertrand Il paradosso deriva dalla imprecisa definizione dell'esperimento contenuta nella frase:
"selezionare a caso una corda AB"
che dà adito a tre interpretazioni diverse e quindi a tre
esperimenti diversi.
Teoria dei Fenomeni Aleatori AA 2012-13
77 Docenti: Gaspare Galati – Gabriele Pavan
Probabilità condizionata ed indipendenza
Legame tra eventi: per valutare quantitativamente questa dipendenza si introduce il concetto di probabilità condizionata.
Se A e B sono due eventi di uno spazio campione S, con ( )P B 0≠ si
definisce la probabilità condizionata di A rispetto a B (o “probabilità
di A dato B”), e si indica con ( )P A| B , il rapporto:
( ) ( )( )
P ABP A B
P B=
(AB è l’evento intersezione di A con B)
A B
S
A B
S
Teoria dei Fenomeni Aleatori AA 2012-13
78 Docenti: Gaspare Galati – Gabriele Pavan
Probabilità condizionata - Esempio Lanciando due dadi (uno rosso e uno nero), si vuole ricavare la probabilità che la somma delle facce sia 3 dato che (condizionata a) il dado rosso presenti la faccia 1, 2, 3.
• N = valore della faccia del dado nero;
• R = valore della faccia del dado rosso;
• S = somma: S R N= + ;
( ) 1P S 3| R 26
= = =
( ) ( )( )
1P S 3,R 1 136P S 3| R 1 6P R 1 6
36
= == = = = =
=
( )P S 3| R 3 0= = =
Teoria dei Fenomeni Aleatori AA 2012-13
79 Docenti: Gaspare Galati – Gabriele Pavan
Esempio (segue) In grigio l’evento { }S 3= In tratteggio gli eventi condizionanti: { } { } { }R 1 , R 2 , R 3= = =
1 2 3 4 5 6
123456
Spazio Campione
Dado rosso
Dad
o ne
ro R=1R=2R=3
1 2 3 4 5 6
123456
Spazio Campione
Dado rosso
Dad
o ne
ro R=1R=2R=3
Teoria dei Fenomeni Aleatori AA 2012-13
80 Docenti: Gaspare Galati – Gabriele Pavan
Probabilità condizionata di eventi particolari • Se A e B sono incompatibili, allora
AB = ∅ ⇒ ( )P A| B 0= • Se A B⊂ allora
AB A= ⇒ ( ) ( )( ) ( )P A
P A| B P AP B
= ≥
• Se B A⊂ allora
AB B= ⇒ ( )P A| B 1= (infatti se si verifica B, si verifica sicuramente anche A).
A BSA BS
AB
S
AB
S
A
BS
A
BS
Teoria dei Fenomeni Aleatori AA 2012-13
81 Docenti: Gaspare Galati – Gabriele Pavan
La probabilità condizionata secondo l'interpretazione della frequenza relativa
Se si ripete N volte l'esperimento casuale e si indica con ( )n A , ( )n B e
( )n AB rispettivamente il numero di volte in cui si presenta l'evento A,
l'evento B e ed entrambi:
( ) ( )( )
( )
( )( )( )
n ABP AB n ABNP A B
n BP B n BN
= ≅ =
Quindi, la probabilità condizionata di A rispetto a B è uguale,
approssimativamente, alla frequenza relativa con cui si presenta l'evento A
nella successione di prove in cui si verifica l'evento B.
Teoria dei Fenomeni Aleatori AA 2012-13
82 Docenti: Gaspare Galati – Gabriele Pavan
Proprietà della probabilità condizionata
I) ( )P A| B 0≥
II) ( )P S | B 1=
La probabilità dell’unione di due eventi, dato un terzo evento M, gode della seguente proprietà:
III) Se AB = ∅ allora (“+” unione , “.” Intersezione)
( ) ( ) ( ) ( ) ( ) ( )1P A B | M P A| M P B | M P A M P B MP M
⎡ ⎤+ = + = ⋅ + ⋅⎣ ⎦
A B S
M
A B S
M
Teoria dei Fenomeni Aleatori AA 2012-13
83 Docenti: Gaspare Galati – Gabriele Pavan
Fattorizzazione delle probabilità congiunte
Nel caso di due eventi:
( ) ( ) ( ) ( ) ( )P AB P A P B A P B P A B= ⋅ = ⋅
Nel caso di tre eventi:
( ) ( ) ( ) ( ) ( ) ( )P ABC P C B A P BA P C B A P B A P A= ⋅ = ⋅ ⋅
Per N eventi:
( ) ( ) ( )( ) ( ) ( )
( ) ( ) ( )
1 2 N N 1 N 2 1 N N 1 N 2 1
N 2 1 N 1 N 2 1 N N 1 N 2 1
1 2 1 N 1 N 2 N 3 1 N
P A A A P A A A P A | A A A
P A A P A | A A P A | A A A......................................................................P A P A | A ... P A | A A A P A
− − − −
− − − − −
− − −
⋅…⋅ = ⋅…⋅ ⋅ ⋅…⋅ =
= ⋅…⋅ ⋅ ⋅…⋅ ⋅ ⋅…⋅ =
=
= ⋅ ⋅ ⋅ ⋅…⋅ ⋅ ( )N 1 N 2 1| A A A− − ⋅…⋅
Teoria dei Fenomeni Aleatori AA 2012-13
84 Docenti: Gaspare Galati – Gabriele Pavan
Eventi indipendenti • Due eventi A e B si dicono statisticamente indipendenti se e solo
se la probabilità della loro intersezione si fattorizza nel prodotto delle loro probabilità:
( ) ( ) ( )P AB P A P B= ⋅
• Gli eventi 1 2 NA ,A ,...,A si dicono mutuamente statisticamente
indipendenti se e solo se la probabilità dell'intersezione di un qualunque loro insieme è uguale al prodotto delle probabilità di ogni evento in questo insieme:
( ) ( ) ( ) ( )1 2 r 1 2 rk k k k k kP A A A P A P A P A⋅ ⋅ = ⋅ ⋅ ⋅… …
r : 1 r N∀ < ≤ i1 k N≤ ≤
Teoria dei Fenomeni Aleatori AA 2012-13
85 Docenti: Gaspare Galati – Gabriele Pavan
Esempio di eventi indipendenti e dipendenti
, , ,
∑ 1 1
Condizione di indipendenza:
1
R1 R2
R3 R4A
B
S
Teoria dei Fenomeni Aleatori AA 2012-13
86 Docenti: Gaspare Galati – Gabriele Pavan
Prove Indipendenti e Dipendenti - Esempi • Nell’esperimento del “lancio di due monete” (due lanci consecutivi
o un lancio contemporaneo di entrambe) è ragionevole pensare che il presentarsi di “testa” o “croce” su una moneta non modifichi le probabilità sull’altra. (Indipendenza tra le prove)
• Nella “estrazione di due palline” da un’urna con reinserimento della pallina estratta, per l’estrazione della prima pallina tutti i risultati possibili sono equiprobabili così come per la seconda estrazione che è una replica della precedente. (Indipendenza tra le prove)
• Nella “estrazione di due palline” da un’urna senza reinserimento della pallina estratta, per la seconda estrazione si modifica lo stato del sistema, e quindi lo spazio campione S in relazione alla pallina estratta precedentemente. (Dipendenza tra le prove)
Teoria dei Fenomeni Aleatori AA 2012-13
87 Docenti: Gaspare Galati – Gabriele Pavan
Prove Indipendenti - Esempio
Un urna contiene 9 palline Nere e 1 pallina Bianca. Si estraggono in successione due palline con reinserimento della prima estratta. Si vince se almeno una delle due palline è bianca. Calcolare la probabilità di vittoria.
• Prima Estrazione: ( ) 1P B10
= ( ) 9P N10
=
• La seconda estrazione opera sullo stesso sistema, e quindi è una
replica della precedente.
Teoria dei Fenomeni Aleatori AA 2012-13
88 Docenti: Gaspare Galati – Gabriele Pavan
Prove Indipendenti - Esempio (segue)
Quindi si ha:
( ) 1P B10
= ( ) 9P N10
=
( ) ( ) ( ) ( )P Vincere P B,B P B,N P N ,B
1 1 1 9 9 110 10 10 10 10 10
= + + =
⎛ ⎞ ⎛ ⎞ ⎛ ⎞= × + × + × =⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠
19100
Si può calcolare la probabilità di vincere anche come:
( ) ( ) ( ) 9 9P Vincere 1 P Perdere 1 P N ,N 110 10
= − = − = − × =19
100
Teoria dei Fenomeni Aleatori AA 2012-13
89 Docenti: Gaspare Galati – Gabriele Pavan
Prove Dipendenti - Esempio
Un urna contiene 9 palline Nere e 1 pallina Bianca. Si estraggono in successione due palline senza reinserimento della pallina estratta. Si vince se almeno una delle due palline è bianca. Calcolare la probabilità di vittoria.
Prima Estrazione: ( ) 1P B10
= ( ) 9P N10
=
Seconda estrazione: ( )P B | B 0= ( )P N | B 1=
( ) 1P B | N9
= ( ) 8P N | N9
=
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )P Vincere P B,B P B,N P N ,B P B P B | B P B P N | B P N P B | N1 1 9 10 1
10 10 10 9
= + + = + + =
= × + × + × =15
( ) ( ) ( ) 9 8P Vincere 1 P Perdere 1 P N ,N 110 9
= − = − = − × =15
Teoria dei Fenomeni Aleatori AA 2012-13
90 Docenti: Gaspare Galati – Gabriele Pavan
Indipendenza di eventi e probabilità condizionata
Se A e B sono indipendenti allora
( ) ( )( )
( ) ( )( ) ( )P AB P A P B
P A| B P AP B P B
= = =
( ) ( )( )
( ) ( )( ) ( )P AB P A P B
P B | A P BP A P A
= = =
Si può dire che "se due eventi sono indipendenti il condizionamento di un evento dall'altro non ne altera la probabilità". Il concetto di indipendenza statistica è fondamentale: esso rende la teoria della probabilità qualcosa di più di una semplice teoria della misura.
Teoria dei Fenomeni Aleatori AA 2012-13
91 Docenti: Gaspare Galati – Gabriele Pavan
Probabilità dell’Unione di eventi Disgiunti
A
B
BBAB
P A B P A P B A( + )= ( ) + ( - )= ( ) + ( ) - ( )P A P B P AB
A
Per eventi indipendenti
( ) ( ) ( ) ( ) ( )P A B P A P B P A P B+ = + − ⋅
Teoria dei Fenomeni Aleatori AA 2012-13
92 Docenti: Gaspare Galati – Gabriele Pavan
Rappresentazione di una Partizione dello Spazio Campione S
1 2 3 4 5S A A A A A= ∪ ∪ ∪ ∪
i jA A∩ =∅ i, j 5∀ ≤ i j≠
S
A1
A2
A3
A4 A5
B
S
A1
A2
A3
A4 A5
B
Teoria dei Fenomeni Aleatori AA 2012-13
93 Docenti: Gaspare Galati – Gabriele Pavan
Teorema della probabilità totale La probabilità di un evento B definito su uno spazio campione S può
essere espressa mediante le probabilità condizionate.
Teorema: Data una partizione di S negli m eventi disgiunti:
1 2 mA ,A ,...,A (incompatibili)
la probabilità ( )P B è:
( ) ( ) ( ) ( ) ( )1 1 m mP B P A P B | A .... P A P B | A= ⋅ + + ⋅
Dimostrazione:
( )1 2 mB B S B A A .... A= ⋅ = ⋅ + + +
( ) ( ) ( ) ( )( ) ( ) ( ) ( )
1 2 m 1 m
1 1 m m
P B P B A A .... A P B A .... P B A
P B | A P A .... P B | A P A
⎡ ⎤= + + + = ⋅ + + ⋅ =⎣ ⎦= ⋅ + + ⋅
Teoria dei Fenomeni Aleatori AA 2012-13
94 Docenti: Gaspare Galati – Gabriele Pavan
Esempio: il Canale Numerico – Probabilità di Errore
Se { }a a= ⇔ { } { }C Decisione Corretta=
Se { }a a≠ ⇔ { } { }E Decisione Errata=
Probabilità di Errore: { } { } { }Prob Errore P E 1 P C= = −
SorgenteNumerica Trasmettitore Canale di
Trasmissione Ricevitore Utentea s(t) r(t) a
MessaggioNumerico
Trasmesso
SegnalePortante ilMessaggio
Disturbi Rumore
SegnaleRicevuto
MessaggioNumericoRicevuto
Canale Numerico
SorgenteNumerica TrasmettitoreTrasmettitore Canale di
TrasmissioneCanale di
Trasmissione RicevitoreRicevitore UtenteUtentea s(t) r(t) a
MessaggioNumerico
Trasmesso
SegnalePortante ilMessaggio
Disturbi Rumore
SegnaleRicevuto
MessaggioNumericoRicevuto
Canale Numerico
Teoria dei Fenomeni Aleatori AA 2012-13
95 Docenti: Gaspare Galati – Gabriele Pavan
Canale Numerico Si opera una trasformazione tra simboli trasmessi e ricevuti
Probabilità “a priori”: ( )iP a i 0,1,2,...,M 1= −
Probabilità “congiunte”: ( )i jp a ,b i, j 0,1,2,...,M 1= −
Probabilità “a posteriori”: ( )i jp a |b i, j 0,1,2,...,M 1= −
Probabilità “di transizione”: ( )j ip b | a i, j 0,1,2,...,M 1= −
ia A∈ jb B∈Canale di TrasmissioneNumerico
{ }0 1 M 1A a ,a ,...,a −= { }0 1 M 1B b ,b ,...,b −=
ia A∈ jb B∈Canale di TrasmissioneNumerico
{ }0 1 M 1A a ,a ,...,a −= { }0 1 M 1B b ,b ,...,b −=
Teoria dei Fenomeni Aleatori AA 2012-13
96 Docenti: Gaspare Galati – Gabriele Pavan
Sorgente binaria con Canale Numerico binario simmetrico
Probabilità a priori Probabilità di transizione ( )0 0P a 0 P= = ( )0 0p b | a 1 ε= − ( )1 0p b | a ε=
( )1 1P a 1 P= = ( )0 1p b | a ε= ( )1 1p b | a 1 ε= −
0 1P P 1+ =
Probabilità di Errore
( ) ( ) ( )0 1 0 1 0 1 0 1P E P p b | a P p b | a P Pε ε ε= ⋅ + ⋅ = ⋅ + ⋅ =
0a 0=
1a 1=1b 1=
0b 0=1 ε−
1 ε−
ε
ε0P
1P
Sorgentebinaria
0a 0=
1a 1=1b 1=
0b 0=1 ε−
1 ε−
ε
ε0P
1P
Sorgentebinaria
Teoria dei Fenomeni Aleatori AA 2012-13
97 Docenti: Gaspare Galati – Gabriele Pavan
Prob. di Errore di bit all’uscita del Filtro Adattato: PAM M-ario
16
2
4
8
Teoria dei Fenomeni Aleatori AA 2012-13
98 Docenti: Gaspare Galati – Gabriele Pavan
Il teorema di Bayes
Discende direttamente da quello della Probabilità Totale.
Teorema: Data una partizione 1 2 mA ,A ,...,A di S ed un evento B, la
probabilità dello i-esimo evento iA condizionata a B è:
( ) ( ) ( )( ) ( ) ( ) ( )
i ii
1 1 m m
P A P B | AP A | B
P B | A P A ... P B | A P A⋅
=⋅ + + ⋅
Dimostrazione:
La probabilità congiunta di iA e B si può scrivere in due maniere
( ) ( ) ( )i i iP A B P A P B | A= ⋅
( ) ( ) ( )i iP A B P B P A | B= ⋅
Teoria dei Fenomeni Aleatori AA 2012-13
99 Docenti: Gaspare Galati – Gabriele Pavan
Il teorema di Bayes (segue)
Combinando queste due espressioni si ottiene
( ) ( ) ( )( )
i ii
P A P B | AP A | B
P B⋅
= =
( ) ( )( ) ( ) ( ) ( )
i i
1 1 m m
P A P B | A P A P B | A .... P A P B | A
⋅=
⋅ + + ⋅
dove nello scrivere l'espressione a denominatore, si è usato il Teorema della Probabilità Totale.
Teoria dei Fenomeni Aleatori AA 2012-13
100 Docenti: Gaspare Galati – Gabriele Pavan
Teorema di Bayes - Esempio
Un medico sa che un sintomo, indicato con E (es. una febbre associata ad un dato quadro clinico) è l’effetto di sole tre malattie: 1H ,
2H , 3H . La ricerca medica ha stabilito che:
( )1P E | H 0.90= ( )2P E | H 0.10= ( )3P E | H 0.30=
inoltre le probabilità di contrarre le malattie sono:
( )1P H 0.03= ( )2P H 0.70= ( )3P H 0.27=
Un paziente mostra il sintomo E, il medico a quale malattia attribuisce la causa?
Teoria dei Fenomeni Aleatori AA 2012-13
101 Docenti: Gaspare Galati – Gabriele Pavan
Teorema di Bayes - Esempio Soluzione:
Bisogna calcolare le:
( )iP H | E i 1,2,3=
Calcolo delle probabilità a posteriori
( ) ( ) ( )( )i i
iP E | H P H
P H | EP E
= per i 1,2,3=
( ) ( ) ( ) ( ) ( ) ( ) ( )1 1 2 2 3 3P E P E | H P H P E | H P H P E | H P H 0.178= + + =
( )1P H | E 0.15169= ( )2P H | E 0.39326= ( )3P H | E 0.45505= ⇐
Teoria dei Fenomeni Aleatori AA 2012-13
102 Docenti: Gaspare Galati – Gabriele Pavan
Teorema di Bayes - Esempio
• A priori la malattia 2H è la più probabile ( ( )2P H 0.70= ), ma il
sintomo E è con maggiore verosimiglianza associato a 1H che
sembra essere una malattia rara ( ( )1P H 0.03= ).
• A posteriori (presenza del sintomo) il medico propende per 3H .