A partire da determinate condizioni iniziali, un esperimento e losservazione del verificarsi di...
-
Upload
alfieri-salvi -
Category
Documents
-
view
220 -
download
0
Transcript of A partire da determinate condizioni iniziali, un esperimento e losservazione del verificarsi di...
a partire da determinate condizioni iniziali, un esperimento e’ l’osservazione del verificarsi di qualche “accadimento” che,
se si ripete l’esperimento nelle identiche condizioni iniziali, il risultato dovrebbe essere
nella realta’ gli esperimenti, di precisione, non sono mai perfettamente riproducibili
un esperimento si definisce aleatorio aleatorio se il verificarsi di un risultato non è prevedibile a partire dalla conoscenza delle leggi fisiche e delle condizioni iniziali
riproducibile a piacimento (determinismo della meccanica classica )
porta ad un particolare “stato delle cose finali “
Esperimenti aleatori
valutazione delle possibilità che un fenomeno aleatorio ha di accadere
da notare che, al contrario della meccanica classica, la meccanica quantistica e’ una teoria intrinsecamente probabilistica
la probabilita’ probabilita’ e’ la
nacque nell’ambito dei giochi d’azzardo e storicamente e’ la prima definizione di probabilita’
definizione classica (aprioristica) di probabilta’:
ma presuppone che gli eventi siano equiprobabili
definizione frequentistica di probabilita’ :
a) presuppone che le prove siano ripetibili a piacimento
c) anche effettuando un numero infinito di prove non e’ garantito che si pervenga al risultato corretto
b) non si possono effettuare un numero infinito di prove
ma definizione introdotta, e molto usata, in ambito scientifico
( ) A
t
NP A
N
numero di casi in cui si ha l'evento favorevole
numero casi totali
( ) lim limt t
A
N Nt
NP A
N
numero di prove in cui si ha l'evento favorevole
numero prove totali
Probabilita’ soggettivanell’ignoranza dei fatti la probabilita’ esprime il nostro grado di fiducia sulla verosimiglianza di una affermazione
la definizione soggettiva di probabilita’ e’ basata sulla nozione di gioco equo e sulla di speranza di vincitaritenere una affermazione probabilmente vera all’80% significa essere disposti a scommettere 8 contro 2 sulla sua validita’
Definizione assiomatica di probabilita’:assiomi di Kolmogorov :
( ) 0P A
( ) 1P S
( o ) ( ) ( ) ( )P A B P A P B P A e B
Eventi indipendenti:
due eventi sono incompatibili quando se l’evento (A e B) non puo’ avvenire
attenzione a non confondere i concetti di indipendenza ed incompatibilita’
Probabilita’ condizionale:
( )( / )
( )
P A BP A B
P B
e
e P (A e B ) = 0
se si ha
( / ) ( )P A B P A ( / A) ( )P B P B
in altri termini,
( )( / )
( )
P A BP B A
P A
e
se avviene A non puo’ avvenire B e viceversa (A e B) e’ l’evento vuoto
due eventi sono indipendenti se o
Eventi incompatibili ( mutuamente escludentesi):
( ) ( ) ( )P A B P A P B e
equivalentemente
al poligono di tiro
( )T A B A Bp p A B p p p p o
{Evento A} = centro al primo colpo 0.7124 Ap
1
2 Bp {Evento B} = biglietto con numero pari
i due eventi sono indipendenti tra loro quindi ( ) A Bp A B p p e
dagli assioni di Kolmogorov ( ) ( ) ( ) ( )p A B p A p B p A B o e
0.7124 0.5 0.7124 0.5 0.856+ == ( ) Tp
EsercizioUn tiratore ha probabilita’ 0.7124 di fare centro al primo colpo.
0.5
percio’ :
numero pari
Se prende l’ autobus per recarsi di ricevere un biglietto dell’autobus con unquale sara’ la probabilita’ totale
oppure di fare centro al primo colpo ?
Teorema della probabilita’ assoluta
esempio: nel lancio del dado S = {1,2,3,4,5,6} ai = esce la faccia i per i = 1,6
chiaramente gli ai costituiscono una partizione di S
se l’evento B fosse : {esce un numero pari}
i1
( ) ( ) ( / )n
ii
P B P a P B a
gli eventi ai costituiscono una partizione partizione di S
se B e’ un qualsiasi evento dello spazio S
se
P(B) = P(1)P(pari/1) + P(2)P(pari/2) + … + P(6)P(pari/6) = 1\6 0 + 1/6 1 + … + 1/6 1 = . . .
3/6 = 1/2
e1
n
ii Sa
0jia a
Teorema di Bayes
( / ) ( )( / )
( )
P B A P AP A B
P B
i1
( / ) ( )( / )
( ) ( / )n
ii
P B A P AP A B
P A P B A
ovvero
( )( / )
( )
P A BP A B
P B
e ( )( / )
( )
P A BP B A
P A
e
( / ) ( ) ( )P B A P A P A B e
per definizione di probabilita’ condizionata e
( )( / )
( )
P A BP B A
P A
eda
( )P A Be
sostituendo questo valore
di nella relazione che definisce la probabilita’ condizionata ( / )P A B si ottiene:
relazione nota come “ teorema di Bayes”
quale sarebbe la probabilita’ che sia stato prodotto dalla macchina F1 ?
Due macchine fresatrici , F1 e F2, di una fabbricadella produzione di componenti meccanici di precisione. La macchina F1 e’ operata manualmente
e produce l’ 1 % di scarti, mentre la macchina F2 e’ automatica, e produce il 5 % di scarti.I pezzi prodotti dalle due fresatrici vengono mescolati tra loro e,
un controllo di qualita’ a campionamento casualeviene effettuatoQuale sara’ la probabilita’ che un pezzo scelto a caso sia di scarto ?
sc = { pezzo di scarto }
F1 = { pezzo prodotto dalla fresatrice F1 } F2 = { pezzo prodotto dalla fresatrice F2 }
1 0.10( )P F 1 0.01( / )P sc F 2 0.90( )P F 2 0.05( / )P sc F
secondo il teorema della probabilta’ totale
i1
( ) ( ) ( / )n
ii
P B P a P B a
se B e’ un qualsiasi evento dello spazio degli eventi
e’ chiaro che F1 ed F2
costituito dall’ insieme dei componenti meccanici
al termine di ogni giornata,
ossia2
i1
( ) ( ) ( / )ii
P sc P F P sc F
1 i 2 2( ) ( ) ( / ) ( ) ( / )P sc P F P sc F P F P sc F
in questo caso
0.1 0.01 0.9 0.05 0.001 0.045 4.6%
Se il pezzo campionato
coprono rispettivamente il 10% ed il 90%
a caso risultasse difettoso
sull’intera produzione.
costituiscono una delle possibili partizioni dello spazio degli eventiprodotti al termine di una giornata lavorativa
secondo i dati forniti nel problema si ha :pf = { pezzo perfetto }
gli eventi sono
e
e
per rispondere alla seconda domanda
1 0.10( )P F 1 0.01( / )P sc F
1 11 2
1
( / ) ( )( / )
( ) ( / )i ii
P sc F P FP F sc
P F P sc F
al denominatore ritroviamo la probabilita’ totale pari al 4.6% come precedentemente calcolato
possiamo farlo avvalendoci del teorema di Bayes
dobbiamo calcolare ( / )iP F sc
che in questo caso diviene
inoltre sappiamo che e che quindi 1
0.01 0.1
0.046( / )P F sc
1 2.2%( / )P F sc e analogamente 2 %( / ) 97.8P F sc
si puo’ intuire meglio l’importanza del teorema di Bayesse vi sono piu’ possibili cause C1 , C2 , …. Cn che possono produrre lo stesso effetto E, ci si domanda quale sara’ la probabilita’ che il verificarsi di E
i1
( / ) ( )( / )
( ) ( / C )
i ii n
ii
P E C P CP C E
P C P E
utilizzando il teorema di Bayes:
esempio : la diagnosi del medico di famigliadato che si e’ presentato l’evento E,
sia dovuto alla causa i-esima
ragionando in termini di causa ed effetto
Una malattia rara colpisce l’un per mille della popolazione.messo a punto un test che,
nel 5% di persone saneSe una persona si sottopone al test
quale e’ la probabilita’ che sia
Esempio di applicazione del teorema di Bayes :
M = {malato} S = {sano} ( ) 0.001P M ( ) 0.999P S TP = {test positivo}
( / ) 0.97PP T M ( / ) 0.05PP T S ( ) ( / )
( / )( ) ( / ) ( ) ( / )
PP
P P
P M P T MP M T
P M P T M P S P T S
0.001 0.97( / )
0.001 0.97 0.999 0.05PP M T
1.9 %
per il teorema di Bayes:
lo rivela in 97 casi su 100
( percentuale di falsi allarmi = 5%).( efficienza del test = 97% ).
in caso di effettiva presenza della malattia,Pero’ il test risulta positivo anche
davvero malata ?e l’esito risulta positivo
in conclusione
e
Per diagnosticarla viene
ma la probabilita’ a cui si e’ realmente interessati e’
( / )PP M T
la probabilita e’ molto bassa per sapere se si e’ davvero malati occorrera’ effettuare altri tipi
il test e’ inutile ! ma alloradi indagine …
dove M in questo caso e’ la possibile causa e Tp e’ l’effetto
la probabilita’ di essere davvero malati se il testnon servirebbe a molto aumentare soltanto l’efficienza del test
produce anche qualche falso allarme
anche se la si portasse al 100% (test infallibile)
questo perche’ nonostante il test sia
di un “falso positivo” dato che la malattia e’ molto rara molto rara
forse e’ perche’ e’ inefficiente ?
continuerebbe ad essere molto bassa,
e’ piu’ probabile che si sia trattato e
attenzione:
efficientissimo,piuttosto che di un vero caso di malattia
risultasse positivo
in generale, in qualunque ambito in cui si presenti una decisione predittiva binaria
In statistica questo errore del test è detto errore di primo tipoerrore di primo tipo
(positivo o un falso positivo indica la scelta a torto di "positivo", ovvero un falso allarmefalso allarme. negativo),
è quello di secondo tiposecondo tipo, che genera falsi negativifalsi negativi.esempio del giudice
l'altro possibile errore
e contemporaneamente riducendo la percentuale di falsi allarmiIn conclusione si potrebbe realmente migliorare la validita’ del test solo aumentandone l’efficienza
in effetti
Backup SlidesBackup Slides