Appunti di Teoria dei Fenomeni Aleatori

Ernesto Conte Carmela Galdi

22 ottobre 2002

ii

Indice
1 Fondamenti 1.1 Esperimento aleatorio . . . . . . . . . . 1.1.1 Spazio dei campioni. Eventi . . 1.1.2 Operazioni tra eventi . . . . . . 1.1.3 Algebre e -algebre . . . . . . 1.1.4 Gli assiomi della probabilit` . . a 1.2 Esempi di spazi di probabilit` . . . . . . a 1.2.1 Lancio di una coppia di dadi . . 1.2.2 Sorgente binaria senza memoria 1.2.3 Spazio dei campioni discreto . . . . . . 1.2.4 Coppia di arrivi in 1.3 Denizioni alternative di probabilit` . . a 1.3.1 Denizione classica . . . . . . 1.3.2 Frequenza relativa . . . . . . . 1.4 Tecniche di conteggio . . . . . . . . . . 1.5 Eventi indipendenti . . . . . . . . . . . 1.6 Probabilit` condizionata . . . . . . . . a 1.7 Leggi Fondamentali . . . . . . . . . . . 1.8 Probabilit` , incertezza ed informazione. a 1.9 Esercizi . . . . . . . . . . . . . . . . . 2 Variabili e vettori aleatori 2.1 Variabili aleatorie . . . . . . . . . . . 2.2 Spazio di probabilit` generato dalla a 2.3 Funzione di Distribuzione Cumulativa 2.3.1 CDF empirica . . . . . . . . . 2.3.2 Propriet` della CDF . . . . . a 2.4 Variabili aleatorie discrete . . . . . . 2.5 Variabili aleatorie continue. . . . . . . 2.6 Distribuzioni e densit` condizionate. . a 2.7 Vettori aleatori . . . . . . . . . . . . 2.8 CDF congiunta di v.a. doppie. . . . . 2.9 Variabili aleatorie discrete doppie. . . 2.10 Variabili aleatorie continue doppie. . . iii


. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .

1 1 2 6 9 11 15 15 16 18 19 21 21 21 23 32 34 37 43 46 1 1 7 8 11 13 16 21 25 27 30 33 36

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

2.11 V.a. doppie: CDF, pmf e pdf condizionate. . . . . 2.11.1 Coppie di v.a. discrete: pmf condizionate. 2.11.2 Coppie di v.a.continue: pdf condizionate. 2.12 Caratterizzazione probabilistica di ve.a.. . . . . . 2.12.1 Distribuzioni e densit` condizionate . . . a 2.13 Variabili aleatorie indipendenti . . . . . . . . . . 2.14 Esercizi . . . . . . . . . . . . . . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

38 39 40 42 43 44 49

iv

Capitolo 1

Fondamenti
Nello studio dei fenomeni sici e di fondamentale importanza avere a disposizione ` un modello matematico che renda possibile la descrizione o la predizione di alcune caratteristiche di interesse. La relazione fornisce ad esempio il modello matematico per descrivere la velocit` di un corpo in caduta libera nel vuoto. Questo e un a ` esempio di modello deterministico in quanto ripetendo pi` volte lo stesso esperimento u si osserveranno, essenzialmente, gli stessi valori di velocit` in determinati punti dello a spazio. In condizioni non ideali tuttavia, questa legge pu` fornire risultati completao mente inadeguati: si pensi, ad esempio, al moto di una particella di polvere soggetta, oltre allaccelerazione di gravit` , anche allazione di disturbi ambientali difcilmente a predicibili, quali gradienti di temperatura, pressione e umidit` . a Lo scopo della teoria della probabilit` e quello di fornire modelli matematici per a` trattare situazioni non predicibili in maniera deterministica. I primi studi sulla teoria della probabilit` risalgono al 1650 quando il Cavalier de M r chiese agli amici Pascal a ee e Fermat di sviluppare un modello matematico per descrivere alcune ricorrenze del gioco dazzardo. Pi` avanti, verso gli inizi del 1900, basandosi sulle idee di Emile u Borel circa la teoria della misura, Andr Kolmogorov elabor` un insieme di assiomi e o tramite i quali la teoria della probabilit` poteva essere formalizzata mediante la teoria a della misura. Lo scopo del seguente capitolo e di fornire i concetti fondamentali della teoria della ` probabilit` insieme con le linee di guida per una sua corretta applicazione. a

1.1 Esperimento aleatorio

Scopo di questo paragrafo e la denizione formale di un esperimento aleatorio: a tal ` ne e necessario introdurre linsieme dei possibili risultati dellesperimento in esame, ` gli eventi e la legge di probabilit` come verr` illustrato nei sotto-paragra seguenti. a a 1

1.1.1 Spazio dei campioni. Eventi

Ogni volta che si effettua un esperimento si osserva la risposta dellambiente ad una data sollecitazione e se ne ricava un risultato sperimentale. La singola esecuzione di un esperimento si chiama prova e ad ogni prova corrisponde un risultato, diciamolo . Per un dato esperimento linsieme di tutti i possibili risultati si chiama spazio dei campioni o spazio delle prove e pu` essere nito, innito numerabile (cio` indicizzao e bile mediante linsieme degli interi positivi), o innito non numerabile. Se lo spazio dei campioni e nito o numerabile lo diremo anche discreto. ` Esempio: sorgente binaria. Si consideri una sorgente che emetta simboli binari. Se lesperimento consiste nellemissione da parte della sorgente di un solo simbolo, lo spazio dei campioni e linsieme `

Se invece si osserva lemissione di un pacchetto di simboli, sinteticamente -pacchetto, il generico risultato e unennupla ordinata di cifre binarie del tipo `

ed il corrispondente spazio dei campioni e: `

cio` linsieme delle -ple binarie: anche in questo caso lo spazio delle prove e e nito, precisamente ha cardinalit` ` a , e pu` essere rappresentato in forma o . tabellare come illustrato in tabella 1.1 per Se, inne, si osserva lemissione della sorgente no a quando non si ottiene un 1, il risultato e del tipo `

Il corrispondente spazio dei campioni e `

ed e innito numerabile. ` Esempio: lancio di dadi.

Si consideri il lancio di un dado: per tale esperimento lo spazio dei campioni e: `

% $ !"     #  

1 )  

8 7 6 5 3 43 43 )3 43  3  4

)  

'( %  &

  ) )0

Esempio: coppie di arrivi in . Si consideri larrivo di un viaggiatore e di un treno in una certa stazione nellintervallo . Il generico risultato e la coppia `

degli istanti di arrivo del viaggiatore e del treno ed il corrispondente spazio dei campioni e `

Se poi si lancia il dado due volte o, equivalentemente, si lancia una coppia di dadi lo spazio dei campioni e: `

 ) 0  0  ) 0  0  )   )   5    

cio` linsieme delle 6 facce del dado. e

Tabella 1.2: Spazio dei campioni relativo al lancio di una coppia di dadi.

8  43 8  43 8  43 8  43 8  43 8  43

43 8 43 7 )3 6 43 5 3 3

7  43 7  43 7  43 7  43 7  43 7  43

8 43 7 43 6 )3 5 43 3 3

6  )3 6  )3 6  )3 6  )3 6  )3 6  )3

8 43 7 43 6 )3 5 43 3 3

8 7 6 5 3  43 43 )3 43  3  4

8 7 6$ 5  

ed e illustrato in tabella 1.2. `

Tabella 1.1: Spazio dei campioni per pacchetti di lunghezza 3.

5  43 5  43 5  43 5  43 5  43 5  43

843 743 6 )3 543 3 3

 3  3  3  3  3   3

843 743 6)3 543 3 3

1 3 1 3 1 3 1 3 1 3  1 3

8 43 7 43 6 )3 5 43 3 3

Pertanto, in questo caso, lo spazio delle prove e il quadrato di gura 1.1.1 ed e ` ` innito non numerabile, precisamente e continuo. `

Figura 1.1: Lo spazio delle prove relativo ad una coppia di arrivi.

Considerato un esperimento siamo interessati a sapere se i risultati soddisno o meno determinate condizioni: siamo cio` interessati a conoscere se si verichino o e meno determinati eventi. Formalmente un evento e una proposizione concernente i ` possibili risultati dellesperimento: tale proposizione denisce un sottoinsieme di risultati, cio` un sottoinsieme dello spazio dei campioni . Levento si verica in una e generica prova dellesperimento se il particolare risultato di tale prova appartiene ad , cio` se e . Esempio: sorgente binaria (continuazione). Con riferimento allemissione di un pacchetto di lunghezza 3 sono, ad esempio, eventi

il numero di uno nel pacchetto e pari o nullo `

il numero di uno e uguale a due `

Se si effettua una prova il cui risultato e ` vericano mentre non si verica.

gli eventi

ed



il numero di uno e minore di due `

 0 ) 0 )   

 )  0 ) 0 )  

0  ) 

  5

si

Esempio: coppie di arrivi in

Analogamente sono eventi (g. 1.1.1):

il viaggiatore ed il treno arrivano contemporaneamente

il viaggiatore arriva prima del treno

il viaggiatore arriva tra

Figura 1.2: Alcuni eventi relativi allesempio 3.

Si noti che lo spazio dei campioni e esso stesso un evento cos` come si include tra ` gli eventi anche linsieme vuoto . Levento si verica in ogni prova, per cui viene 5

 % !   %

!  ! 

(continuazione).

  5

   

Gli eventi sono sottoinsiemi dello spazio dei campioni e le operazioni sugli eventi corrispondono pertanto alle usuali operazioni tra sottoinsiemi. Cos` ad esempio, la

1.1.2 Operazioni tra eventi

detto evento certo, mentre levento e levento impossibile in quanto non si verica ` mai. Inne gli eventi del tipo , costituiti cio` da un unico risultato, sono detti eventi e elementari.

disgiunzione di due eventi e , cio` levento o , e levento che si verica quando e ` si verica almeno uno tra i due eventi, eventualmente entrambi: essa coincide quindi con lunione dei sottoinsiemi e , cio` col sottoinsieme costituito dai risultati che e appartengono ad oppure a , eventualmente ad entrambi, e sar` pertanto denotata a , oppure , (vedi gura 1.3). con Analogamente la congiunzione di due eventi e e levento che si verica quando ` si vericano sia che ; coincide quindi con lintersezione dei sottoinsiemi e , cio` col sottoinsieme costituito dai risultati che appartengono sia ad che a e la si e denota pertanto con , oppure , (vedi gura 1.3). Due eventi e la cui intersezione e non vuota ` si dicono compatibili in quanto, in una prova dellesperimento in esame, possono vericarsi entrambi. Viceversa, due eventi e che non possono mai vericarsi contemporaneamente, cio` per i quali e , si dicono mutuamente esclusivi o incompatibili (gura 1.4). La negazione di un evento e levento che si verica ogni volta che non si verica ` ; essa e pertanto il complemento del sottoinsieme , cio` il sottoinsieme costituito ` e da tutti i risultati che non appartengono ad (gura 1.4). Ovviamente un evento ed il suo negato sono sempre mutuamente esclusivi.

Figura 1.3: Diagrammi di Venn relativi alla disgiunzione e alla congiunzione di eventi

W W

 

Inne la differenza tra due eventi e levento che si verica ogni volta che ` si verica , ma non ; essa e pertanto il sottoinsieme costituito dai risultati che ` appartengono ad e non appartengono a ; in altri termini si ha:

Figura 1.4: Diagrammi di Venn relativi alla negazione di eventi e ad eventi mutuamente esclusivi.

Esempio: sorgente binaria (continuazione).

Per comodit` del lettore nella tabella 1.3 sono riportate le pi` comuni propriet` di a u a unione, intersezione e complementazione.

Con riferimento allemissione di un pacchetto di lunghezza 3, si riprendano in esame gli eventi

il numero di uno nel pacchetto e pari o nullo `

 0 ) 0 )   

il numero di uno e minore di due `



      0  )          0 ) 0 )  5 0  )    

La disgiunzione

il numero di uno nel pacchetto e minore od uguale a due `

 0 ) 0 )  

mentre la loro congiunzione

il numero di uno e uguale a due `

degli eventi

il numero di uno nel pacchetto e nullo `

e levento ` ed

e levento `
W

Idempotenza

Leggi di De Morgan

Complementazione

Tabella 1.3: Principali propriet` dellunione e dellintersezione a Quindi ed sono compatibili ed in ogni prova si vericano o meno entrambi . Analogamente la congiunzione di a seconda che il risultato sia o no ed e levento ` il numero di uno nel pacchetto e due `

Pertanto anche ed sono compatibili: in particolare se il risultato della prova e ` (oppure o ) si vericano entrambi, mentre se il risultato e ` si verica e no; inne se il risultato e ` (oppure , o ) non si verica nessuno dei due. Viceversa, avendosi La differenza , e sono mutuamente esclusivi.

e levento `

il numero di uno nel pacchetto e pari o nullo e non minore di due `

) 0  

0  ) 

Inne levento

il numero di uno nel pacchetto e dispari `

 0 ) 0 )       5  5   0  ) 5  ) 0   0 ) 0   ) 5   0 ) 0 ) & 5   

 

Distributivit` a

 

Commutativit` a

 

Associativit` a

 

       

 

e il complemento di `

Come e noto le usuali operazioni insiemistiche possono essere eseguite anche su ` famiglie innite, numerabili o pi` che numerabili, di sottoinsiemi; inoltre, nel caso di u spazi delle prove inniti, occorre anche effettuare dei ragionamenti limite. A tal ne ricordiamo che si deniscono i limiti per successioni monotone di sottoinsiemi. Precisamente il limite di una successione crescente di sottoinsiemi, soddisfacente cio` la condizione: e

In alternativa e anche utilizzata la notazione: `

1.1.3 Algebre e -algebre

Quando si sono introdotti gli eventi, volutamente, non si e discusso se tutti i sottoin` siemi dello spazio delle prove siano eventi. Invero ci` non e sempre conveniente o o ` possibile. Infatti non sempre e conveniente considerare eventi tutti i possibili sottoin` siemi dello spazio delle prove; ad esempio, con riferimento alla sorgente binaria, se siamo interessati non alla struttura del pacchetto di bit ma solo alla sua parit` , a sapere a cio` se il numero di bit costituenti il pacchetto e o meno pari, e conveniente limitare ` ` si a considerare solo tale evento (pi` in generale solo gli eventi di interesse) e quelli u che si ottengono operando con le usuali operazioni insiemistiche a partire da tale even` to. E quindi necessario garantirsi che operando su tali sottoinsiemi si ottenga ancora 9

( ' $

o, con altra notazione:

'"



e per denizione `



  

Analogamente il limite di una successione soddisfacente cio` la condizione: e

&

!"

& 

! # %$

 

 &



e per denizione `

decrescente di sottoinsiemi,

2
   

 



&

un evento: ci` porta ad imporre alcuni condizioni sullinsieme degli eventi che si o sintetizzano dicendo che deve essere unalgebra. Formalmente una famiglia non vuota di sottoinsiemi di e unalgebra di eventi ` se - A1: - A2:

Dalle condizioni A1 ed A2 segue che sono soddisfatte anche le seguenti propriet` : a - P1: - P2: - P3: - P4:

Unalgebra di eventi e pertanto chiusa rispetto alle operazioni di complemen` tazione, unione ed intersezione eseguite su un numero nito di eventi. Talvolta e per` necessario operare dei ragionamenti al limite per cui occorre pren` o dere in esame successioni di eventi: in tal caso si richiede che comunque si operi su una successione di eventi si abbia ancora un evento. Ci` porta ad imporre che non solo o sia unalgebra, ma una -algebra. Precisamente unalgebra di eventi e una -algebra ` se:

In altri termini una -algebra e chiusa rispetto alle operazioni di complementazione, ` unione ed intersezione eseguite su un numero nito o uninnit` numerabile di eventi; a conseguentemente anche il limite di una successione monotona di eventi e un evento. ` Inne si osservi che le famiglie

ove denota linsieme di tutti i sottoinsiemi di (insieme delle parti di ), costituiscono, rispettivamente, la pi` piccola e la pi` grande -algebra (algebra); inoltre la u u pi` piccola -algebra (algebra) contenente un dato evento e u `

10

 

- A2.b

!  !

% 

! !

1.1.4 Gli assiomi della probabilit` a

Ad ogni evento occorre associare un numero tal ne consideriamo la funzione:

ove e linsieme degli eventi. Tale corrispondenza non pu` essere arbitraria, ma deve ` o soddisfare le seguenti condizioni (assiomi della probabilit` ): a

A3a. Finita additivit` : a

A3b: Numerabile additivit` : a e

Gli assiomi della probabilit` sono anche noti come assiomi di Kolmogorov dal a nome del fondatore dellapproccio assiomatico. Essi affermano che la probabilit` di a un qualsiasi evento e non negativa (A1), che levento certo ha probabilit` uno (A2) ed ` a inoltre la probabilit` di due eventi mutuamente esclusivi e la somma delle probabilit` a ` a dei singoli eventi (A3a); tale propriet` vale anche per uninnit` numerabile di eventi a a a due a due mutuamente esclusivi (A3b). Si noti che in alternativa allassioma della numerabile additivit` molti autori a preferiscono considerare lassioma di continuit` : a A3b bis: Continuit` della probabilit` : a a

ove luguaglianza deve valere per ogni successione monotona, crescente o decrescente, ` di eventi. E possibile dimostrare che lassioma di continuit` e equivalente a quello a` della numerabile additivit` . a Dagli assiomi di Kolmogorov segue che la probabilit` gode anche delle seguenti a propriet` : a 11

! 

 

% $





A2. Normalizzazione:

A1. Non negativit` : a

 !

" #

  



 

che ne misura la probabilit` ; a a

P1: P2: P3: P4: P5:

(monotonicit` ) a

ove le varie relazioni valgono qualunque siano gli eventi o . In altri termini la probabilit` dellevento impossibile e nulla; la probabilit` di una a ` a negazione e semplicemente il complemento ad uno della probabilit` dellaffermazione; ` a la probabilit` di una differenza e la differenza tra la probabilit` del primo evento e a ` a quella della congiunzione; la probabilit` di una disgiunzione e, per eventi non necesa ` sariamente mutuamente esclusivi, pari alla somma delle probabilit` degli eventi cosa tituenti meno quella della loro congiunzione; inne la probabilit` e crescente rispetto a` alla relazione dinclusione.

Figura 1.5: Diagrammi di Ven per

La dimostrazione della prima propriet` segue dallapplicazione delladditivit` a a alluguaglianza Analogamente, applicando lassioma delladditivit` alla relazione a

e tenendo presente lassioma di normalizzazione si ricava la propriet` P2. a Per quanto concerne P3, consideriamo due eventi arbitrari e : come e ` immediato vericare (vedi gura 1.5) si ha:

12

 

        

 

(subadditivit` ) a

da cui, essendo gli eventi della probabilit` si ha che: a

onde la P3. Per quanto concerne la P4 innanzi tutto osserviamo che si ha (vedi gura 1.5):

Tale disuguaglianza prende il nome di numerabile subadditivit` o maggiorazione a dellunione (Union Bound). Con ragionamento analogo a quello seguito per la dimostrazione della P4, e pos` sibile dimostrare anche la monotonicit` della probabilit` (P5). Precisamente, come a a illustrato in gura 1.6, risulta:

da cui, essendo gli addendi mutuamente esclusivi, segue che:

Figura 1.6: Diagramma di Ven di

13

da cui, per la P3, segue lasserto. Si noti che la P4 vale anche per un numero nito eventi, si ha cio` : e

  

con e probabilit` si ha: a

eventi mutuamente esclusivi. Pertanto, per ladditivit` della a

o uninnit` numerabile di a

 

mutuamente esclusivi, per ladditivit` a

(1.1)

Per comodit` del lettore gli assiomi e le propriet` della probabilit` sono riassunte a a a nella tabella 1.4.

A1 A2 A3a

Non negativit` a Normalizzazione Finita additivit` a

A3b bis P1 P2 P3 P4a P4b P4c P5

Continuit` a

per ogni successione monotona di eventi.

Complemento Differenza Unione Subadditivit` a Numerabile subadditivit` a Monotonicit` a

Tabella 1.4: Assiomi e propriet` della probabilit` . a a

In conclusione, un esperimento aleatorio o spazio di probabilit` e la terna a` dove: 1. e linsieme di tutti i possibili risultati sperimentali (spazio dei campioni). ` 2. e la -algebra degli eventi. ` 3. e la legge di probabilit` soddisfacente gli assiomi di Kolmogorov. ` a La coppia

e invece denominata spazio misurabile. `

14

      %            

! 

 



"

 

 

A3b

 

Numerabile additivit` a

  %      




!



1.2 Esempi di spazi di probabilit` a

In questo paragrafo riprendiamo in esame alcuni degli esempi gi` considerati allo scopo a di completarli mostrando come denire la legge di probabilit` . a

1.2.1 Lancio di una coppia di dadi

Si riprenda in esame il lancio di una coppia di dadi: ricordiamo che lo spazio dei campioni e linsieme `

illustrato in tabella 1.2. Come famiglia di eventi consideriamo linsieme delle parti di , cio` : e

In questo caso lo spazio dei campioni, e quindi anche linsieme degli eventi, e ni` to. Conseguentemente e sufciente assegnare le probabilit` agli eventi elementari, per ` a denire la probabilit` di un qualunque altro evento. Infatti ogni evento pu` sempre a o essere riguardato come lunione degli eventi elementari che lo costituiscono secondo la relazione (1.2) e, quindi, essendo gli eventi elementari mutuamente esclusivi e dovendo essere la probabilit` additiva, si ha: a (1.3) Si noti esplicitamente che la relazione (1.2) vale sempre, cio` sia se il numero di e eventi elementari costituenti levento e discreto, sia se tale numero e pi` che numer` ` u abile. Viceversa la relazione (1.3) vale se il numero di eventi elementari costituenti e nito in virt` della nita additivit` (A3), o se e numerabile, in virt` della numerabile ` u a ` u additivit` (A3b). a Nel caso in esame non vi e alcuna ragione per cui alcuni risultati dovrebbero veri` carsi preferenzialmente rispetto agli altri, a meno che i dadi non siano truccati; conseguentemente gli eventi elementari sono assunti equiprobabili (principio di ragion insufciente), cio` si pone: e

Conseguentemente in virt` della (1.3) la probabilit` di un qualsiasi evento vale: u a

(1.4)

15

'  4 3 3

8 7 6 5  43 43 )3 43  3  34

 4

 

 3 3

ove

denota la cardinalit` di un insieme. a La funzione cos` denita, come e immediato vericare, e una probabilit` nel senso ` ` a che soddisfa gli assiomi. Infatti essa e non negativa (A1); inoltre si ha (A2): `

vale anche la nita additivit` (A3). a Denita la legge di probabilit` calcoliamo la probabilit` dei seguenti eventi: a a

la somma e compresa fra 7 e 10, estremi inclusi ` la somma e 2, 7 o 8 `

Tali eventi sono i seguenti sottoinsiemi di :

le cui cardinalit` sono a

Conseguentemente le loro probabilt` valgono: a

1.2.2 Sorgente binaria senza memoria

Nel caso in cui la sorgente binaria emetta un solo simbolo, lo spazio dei campioni e: `

mentre gli eventi sono gli elementi di:

16

 3  3 6  )3 8  43  1 3 8  43

facce uguali

843 7 43 843 543 843 8 43

' 

5  43 5  43 7  43  3 3 7  43

 ) %

743 6 )3 743 843 743 7 43

6  )3 6  )3 8  43 5  43 5  43 6  )3

)3 6 5 43 )3 6 43 7 6)3 6 )3

% 

7  43 7  43 5  43 6  )3 6  )3 5  43

543 3 843 6)3 43 5 43 5

8  43 8  43 6  )3 7  43 7  43 3

 3 1 3   3 1 3  7 7 43  43 543 8  43 8  3  43  3 1 3 



843 3 6 )3 3 3 3

Inne, avendosi

Anche in questo caso linsieme dei possibili risultati e quello degli eventi sono niti. Conseguentemente, sulla scorta di quanto detto nel paragrafo precedente, per assegnare una legge di probabilit` e sufciente denire la probabili` dellevento a` a . Posto infatti , con , necessariamente deve aversi , ove . Conseguentemente resta denita la probabilit` di tutti gli eventi elementari e quindi, a per la (1.2) e la (1.3), la probabilit` di un qualsiasi altro evento. a Consideriamo ora il caso in cui la sorgente emetta un pacchetto di lunghezza 3. Ricordiamo che in tal caso lo spazio dei campioni e: `

ed e illustrato nella tabella 1.1. Come algebra degli eventi consideriamo di nuovo ` linsieme delle parti, cio` : e Pertanto, ancora una volta, e sufciente assegnare la probabilit` degli eventi elementari ` a . A tal ne assegper denire anche la probabilit` di un qualsiasi altro evento a namo un numero non negativo agli eventi elementari come illustrato nella tabella 1.5, cio` con la legge: e

(0, 0, 0 ) (0, 0, 1 ) (0, 1, 0 ) (0, 1, 1)

(1, 1, 0 ) (1, 1, 1)

Tabella 1.5: Probabilit` dei pacchetti di lunghezza 3. a

ove , , denota il numero di 1 presenti nella stringa ed analogamente denota il numero di 0. Si estenda poi la legge ad un qualsiasi sottoinsieme di con la relazione:

17

  )0       5   

 4

5 

(1, 0, 1 )

(1, 0, 0 )

 4

 

 5

 5    

 

8 7 6$ 5 ) 

&

4

(1.5)

(1.6)

La funzione cos` denita e una probabilit` nel senso che soddisfa gli assiomi. In ` a vero e immediato vericare la non negativit` (A1) e la additivit` (A3); per quanto ` a a riguarda lassioma di normalizzazione (A2), con lausilio della tabella 1.5 e immediato ` vericare che si ha:

onde lasserto. Nel caso di pacchetti di lunghezza arbitraria si pu` procedere in modo analogo, o cio` denendo la probabilit` degli eventi elementari con la posizione e a

ed utilizzando poi la relazione (1.6) per estendere la legge ad un arbitrario evento. Anche in tal caso, come e immediato vericare, la corrispondenza (1.6) soddisfa gli ` assiomi di Kolmogorov.

1.2.3 Spazio dei campioni discreto

Si osservi che la procedura esposta negli esempi precedenti pu` in generale essere o utilizzata per denire la legge di probabilit` nellipotesi che lo spazio dei campioni a sia discreto. Precisamente e sufciente denire le probabilit` degli eventi elementari ` a con i vincoli

utilizzando poi la (1.6) per estendere la probabilit` ad un evento arbitrario. a Infatti la probabilit` cos` denita e certamente non negativa e, per la (1.8), a ` normalizzata ad uno. Inoltre, tenendo presente che

e immediato vericare che vale anche la nita additivit` se gli eventi e sono dis` a giunti. Inne, in modo analogo, e possibile dimostrare anche la numerabile additivit` ` a se e innito numerabile. `

 5  5  '  ' 5 4
18

       

4  4

 4

(1.7) (1.8)

1.2.4 Coppia di arrivi in

Si riprenda in esame lesperimento dellesempio 3, relativo allarrivo a caso di un vi, il cui spazio delle aggiatore e di un treno in una certa stazione nellintervallo prove e il quadrato: `

di gura 1.1.1. Tale spazio e innito non numerabile, precisamente e continuo. ` ` Nel caso di spazi continui, come famiglia di eventi, si considera la pi` piccola u algebra contenente gli intervalli (sotto-rettangoli del quadrato nel caso in esame): essa e costituita dai sottoinsiemi misurabili, per i quali cio` e denita larea, del quadrato ` e` . Dai dati del problema, cio` arrivi a caso, e ragionevole ipotizzare che la probae ` bilit` di avere arrivi in un certo intervallo non dipenda dagli estremi dellintervallo, a ma solo dalla sua durata, e quindi, pi` in generale, che la probabilit` di un evento sia u a proporzionale alla sua area. In altri termini, nel caso in esame, una possibile legge di probabilit` e: a`

Figura 1.7: Legge di probabilit` per lo spazio delle prove dellesempio 3. a La legge di corrispondenza denita dalla (1.9) e una probabilit` in quanto, come e ` a ` immediato vericare, e non negativa ed e normalizzata ad 1; inoltre la nita (rispettiva` ` mente numerabile) additivit` segue dalla nita (rispettivamente numerabile) additivit` a a dellarea: sono pertanto soddisfatti gli assiomi. In particolare, utilizzando la legge di probabilit` (1.9), si veda anche la g. 1.1.1, si a 19

 

ove

denota larea di

, ed e illustrata in g. 1.2.4, . `

 



(1.9)

ha: viaggiatore e treno arrivano contemporaneamente

il viaggiatore arriva tra

Si noti che levento viaggiatore e treno arrivano contemporaneamente

ha probabilit` nulla pur non essendo levento impossibile, analogamente levento a complementare viaggiatore e treno non arrivano contemporaneamente

ha probabilit` uno pur non essendo levento certo. Nel primo caso si dice che a e levento impossibile con probabilit` uno (c.p.u.) o quasi con certezza (q.c.) e, ` a sinteticamente si scrive c.p.u. analogamente, nel secondo si dice che sinteticamente, si scrive

e levento certo con probabilit` uno e, ` a

c.p.u.

o, equivalentemente sse

Conseguentemente, considerati due eventi eguali c.p.u., con riferimento ad una generica prova, la probabilit` che uno dei due eventi si possa vericare e laltro no e nulla, a ` mentre la probabilit` che si verichino entrambi gli eventi o che non si verichi nessuno a dei due e uno. ` Si osservi inne che la corrispondenza denita dalla (1.9) e una possibile legge ` di probabilit` ogni volta che lo spazio delle prove e un sottoinsieme di a ` di misura nita. Qualora si utilizzi la probabilit` denita dalla (1.9), si dice che la probabilit` e a a` stata assegnata a caso; tale assegnazione e lequivalente, per spazi delle prove continui, ` dellequiprobabilit` degli eventi elementari considerata nel caso discreto. a

20

se e solo se (sse):

  $  4

In generale si dice che

%

il viaggiatore arriva prima del treno

 4

4   4

%

5 )  

1.3 Denizioni alternative di probabilit` a

Storicamente, lapproccio assiomatico non e lunico utilizzato per denire la prob` abilit` : nel presente paragrafo si considerano brevemente il cosiddetto approccio a classico e quello frequentistico.

1.3.1 Denizione classica

Si riprenda in esame la relazione (1.4) che denisce la probabilit` nel caso del lancio a di una coppia di dadi. Tale relazione la si interpreta dicendo che la probabilit` di un a evento e il rapporto tra il numero di casi favorevoli al vericarsi dellevento (numero ` degli eventi elementari costituenti ) ed il numero dei casi possibili (numero degli eventi elementari costituenti ). La legge di probabilit` denita dalla (1.4) e la cosiddetta denizione classica di a ` probabilit` . Essa per` e applicabile solo ad esperimenti il cui spazio dei campioni a o ` sia nito e implicitamente ipotizza che gli eventi elementari siano equiprobabili. Tale denizione e pertanto circolare nel senso che nel dare la denizione utilizza il concetto ` che si vuole denire. Tuttavia, con riferimento a spazi delle prove niti, lequiprobabilit` degli eventi ela ementari e comunemente assunta quando dai dati del problema non risulti alcuna infor` mazione che porti a considerare un evento elementare pi` o meno probabile di un altro. u In altri termini la perfetta simmetria tra gli eventi elementari giustica lassunzione della loro equiprobabilit` : Principio di simmetria o Principio di ragion insufciente. a

1.3.2 Frequenza relativa

In alternativa allapproccio assiomatico si pu` denire la probabilit` sulla scorta della o a frequenza relativa di un evento. A tal ne si denisce frequenza relativa di un evento in prove come il rapporto:

tra il numero di volte che si verica levento ed il numero complessivo delle prove. La probabilit` di e poi denita come il limite della frequenza relativa a ` in prove, indipendenti ed effettuate tutte in identiche condizioni, al divergere di (Legge empirica del caso): in altri termini, si pone: (1.10)

Tale denizione per` postula lesistenza del limite ed e circolare in quanto il cono ` cetto di indipendenza e esso stesso un concetto probabilistico (vedi sezioni successive) ` cos` come leffettuare le prove in identiche condizioni. 21

 



 

Nellambito dellapproccio assiomatico, come si vedr` in un prossimo capitolo, a e possibile per` dimostrare che la frequenza relativa, in opportune ipotesi che tra` o ducono in termini precisi laffermazione prove indipendenti ed effettuate in identiche condizioni, converge alla probabilit` (Legge dei grandi numeri). a Si osservi per` che la (1.10) ha notevole valore operativo in quanto, in ipotesi di o norma soddisfatte in pratica, risulta:

Tale relazione fornisce la base per la stima di una probabilit` . a

1

0.9

0.8

0.7 Frequenza relativa

0.6

0.5

0.4

0.3

0.2

0.1

0 0 10

10

10 Numero di lanci

Figura 1.8: Andamento della frequenza relativa dellevento

facce uguali .

A scopo illustrativo si riprenda in esame il lancio di una coppia di dadi, precedentemente analizzato, ed in particolare levento: facce uguali

In gura 1.8 e riportato landamento della frequenza relativa di tale evento in funzione ` del numero delle prove: landamento della frequenza di successo e molto irregolare ` 22

la cui probabilit` vale: a

 

10

10

se il numero delle prove e basso, ma, mano a mano che tale numero cresce, lo scosta` mento dal valore precedentemente calcolato diventa trascurabile. Nella stessa gura landamento della frequenza di successo e riportato per tre diverse serie di prove: i vari ` andamenti sono inizialmente molto diversi, ma la loro differenza e trascurabile se il ` numero delle prove e sufcientemente elevato. ` Si osservi inne che gli andamenti riportati in gura 1.8 si possono anche interpretare come la conferma sperimentale delle ipotesi che sono alla base dellanalisi precedentemente effettuata.

1.4 Tecniche di conteggio

Dagli esempi precedenti risulta che, nel caso di esperimenti aleatori con insieme dei risultati nito, e spesso possibile ipotizzare lequiprobabilit` degli eventi elementari ` a dato che, nelle situazioni pi` comuni, non si hanno ragioni sufcienti per poter ritenere u che un qualsiasi evento elementare sia pi` o meno probabile rispetto ad un altro. In u tal caso la probabilit` di un generico evento e data dal rapporto tra il numero di casi a ` favorevoli ed il numero dei casi possibili, secondo la (1.4), e quindi pu` essere calcolata o semplicemente contando il numero di elementi costituenti levento di interesse. Pi` u in generale, saper valutare la cardinalit` di un sottoinsieme nito torna utile anche a per spazi dei campioni niti, ma con eventi elementari non equiprobabili, oltre che in contesti diversi da quello della probabilit` . a Il primo, fondamentale, risultato consiste nel delineare un metodo sistematico per poter contare il numero delle sequenze di lunghezza ( -ple ordinate) di elementi appartenenti, nel caso pi` generale, ad insiemi diversi. u Esempio: Si e interessati a contare il numero di tutte le possibili sequenze di lunghezza ` 2 che si ottengono lanciando prima una moneta e poi un dado. A tal ne, come illustrato nella tabella 1.6 per ognuno dei 2 possibili risultati del lancio della

Tabella 1.6: Coppie ordinate per il lancio di una moneta e di un dado. moneta bisogna considerare i 6 possibili risultati del lancio del dado, ottenendo cos` un insieme composto da coppie diverse. Il risultato stabilito nellesempio precedente e un caso particolare del seguente: ` 23

8  43 8  43

8 43

7  43 7  43

7 43

6  )3 6  )3

6 )3

) %

5  43 5  43

5 43

) 3   3

3

 3  3

3

Teorema fondamentale del conteggio (o Principio di moltiplicazione): La cardinalit` dellinsieme denito dal prodotto cartesiano a

ove

e un insieme nito, di cardinalit` ` a

, e: `

Prova:

e costituito da tutte le -ple ordinate `

Poich il primo elemento della -pla pu` essere scelto in e o in modi diversi e cos` via, segue lasserto.

modi diversi, il secondo Q.E.D.

Esempio: Detto alfabeto di una sorgente linsieme di tutti i simboli differenti che essa pu` emettere, si consideri la sorgente con alfabeto o

costituito da 4 simboli. Calcolare il numero di pacchetti di lunghezza 3 ( pacchetti) ed il numero di pacchetti sempre di lunghezza 3 costituiti da simboli tutti diversi tra loro. I -pacchetti sono le terne ordinate di simboli dellalfabeto , cio` gli elementi e dellinsieme la cui cardinalit` , a norma del teorema fondamentale, vale: a

Detto poi il sottoinsieme dei -pacchetti, costituiti da simboli tutti diversi tra loro, la sua cardinalit` la si ricava tenendo presente che, dovendo essere i simboli a della terna tutti diversi, il primo simbolo, diciamolo , va scelto nellalfabeto, cio` nellinsieme e

24

di cardinalit` a

'



%

5 5

6 5  

In particolare si ha:



 

'

 

ovvero:

(1.11)





 

 

'

Il secondo simbolo, diciamolo , va scelto nellalfabeto precedentemente scelto e quindi nellinsieme

ed, inne, il terzo, diciamolo , nellalfabeto privato dei due simboli precedentemente scelti e quindi nellinsieme

In denitiva si ha:

Esempio: Si consideri lestrazione di 4 carte da un mazzo di carte napoletane (40 carte), effettuata in due modalit` differenti: a a. dopo ogni estrazione la carta estratta viene reinserita nel mazzo di carte; b. dopo ogni estrazione la carta estratta non viene reinserita nel mazzo di carte. Calcolare il numero di tutte le possibili quaterne di carte nei due casi. Nel primo caso, indicando con linsieme costituito dalle 40 carte napoletane, si ottiene che, per ognuna delle 4 estrazioni, il risultato sar` sempre un elemento a di . Ci` signica che linsieme di tutte le sequenze di 4 carte cos` ottenute, o che comprende anche quelle sequenze in cui la stessa carta si ripete pi` volte, e u ` linsieme

la cui cardinalit` , per il principio di moltiplicazione, e: a `

Nel secondo caso si esclude la possibilit` che la stessa carta possa ripetersi e a quindi, mentre la prima carta estratta apparterr` ancora allinsieme a , la seconda sar` un elemento di a cio` dellinsieme e meno il risultato della prima 25

 % % ' 5   5

6    

% 6 6  6

% 5

di cardinalit` a

' 

di cardinalit` a

privato del simbolo

estrazione e cos` via. Pertanto, detto il sottoinsieme delle sequenze di 4 carte tutte diverse tra loro, la sua cardinalit` , a norma del teorema fondamentale, vale: a

Gli esempi precedenti mettono in evidenza due caratteristiche fondamentali delle -ple considerate: la prima e la loro natura intrinseca di sequenze, cio` gruppi costi` e tuiti da un insieme ordinato di elementi. Si parla quindi di -ple ordinate che, come risulta evidente dagli esempi, possono differire anche solo per lordine degli elementi che le compongono, cio` non per il loro valore ma per la loro posizione allinterno e della sequenza. La seconda caratteristica viene evidenziata dal fatto che, nel contare le sequenze, il conteggio d` luogo a risultati diversi a seconda che gli elementi posa sano ripetersi o meno. Nei due casi si parla rispettivamente di conteggio con e senza ripetizione. Sulla scorta di quanto detto precedentemente, supposto di estrarre gli elementi cosa , le -ple ordinate tituenti la -pla tutti da uno stesso insieme di cardinalit` di elementi di , cio` gli elementi di e , sono . Viceversa le -ple ordinate, con , senza ripetizione di elementi di sono:

denota il fattoriale di 1 . Si noti che, mentre linsieme delle -ple ordinate con ripetizione non e mai vuoto ` ` . per ogni e naturali, quello delle -ple ordinate senza ripetizione e vuoto per a Le -ple ordinate di elementi di un insieme , nito e non vuoto, di cardinalit` sono anche dette disposizioni, con o senza ripetizione, di elementi su posti. Pertanto il numero delle disposizioni, con ripetizione, di elementi su posti, denotato con , vale: Analogamente, il numero delle disposizioni, senza ripetizione, di dette anche permutazioni di elementi su posti, denotato con elementi su posti, , vale:

Il fattoriale pu` anche essere valutato ricorsivamente con la relazione: o ove, per convenzione, si assume .

26

 

1 Ricordiamo che si denisce fattoriale di un numero naturale , e lo si denota appunto con dei primi numeri naturali, cio` : e

, il prodotto

%$#"!     

) 

0 21)(% & '  



ove

'' %

'

'

'

 )

6 5  


 % ) 

 % ) 

   543

In particolare, le disposizioni, senza ripetizione, di permutazioni ed il loro numero vale:

elementi su

Esse sono le -ple ordinate, senza ripetizione, di tutti gli elementi dellinsieme , e quindi differiscono soltanto per la posizione dei singoli elementi allinterno della sequenza. Gli esempi precedenti si riferiscono a situazioni in cui lordine e rilevante, ma es` istono altre situazioni in cui lordine dei singoli elementi allinterno della -pla non rappresenta una caratteristica discriminante, come illustrato dal seguente: Esempio: Supponiamo che siamo interessati a considerare i gruppi di 2 simboli diversi, estratti dallalfabeto (1.11) di 4 simboli, ma questa volta senza essere interessati allordine. In altri termini siamo interessati a valutare il numero di tutti a o i possibili sottoinsiemi di di cardinalit` 2. Tale numero pu` ricavarsi da quello delle coppie ordinate di simboli diversi, identicando quelle che differiscono solo per lordine. Il numero delle coppie ordinate e `

Tra queste, quelle che differiscono solamente per lordine dei simboli, e che si ottengono luna dallaltra permutando, cio` scambiando di posizione, i simboli e che le costituiscono, sono, per le considerazioni precedenti, in numero di 2!. Pertanto il numero di coppie non ordinate, estratte da un alfabeto di 4 simboli, e: ` Tali coppie sono dette combinazioni di classe 2 dei 4 elementi dellalfabeto.

Pi` in generale i sottoinsieme di cardinalit` di un insieme , di cardinalit` , sono u a a dette combinazioni di classe degli elementi di . Sulla scorta delle considerazioni fatte nellesempio precedente, si ha che il numero delle combinazioni di classe di elementi, denotato con , vale:

ove si e introdotto il coefciente binomiale: `

27

Ovvero,

posti sono dette

% %  6

%  6

 6

Ricordiamo che tali coefcienti possono essere valutati ricorsivamente con il triangolo di Tartaglia riportato in gura 1.9: in tale triangolo ogni riga inizia e termina con un 1, inoltre ogni elemento interno di una riga si ottiene sommando i due elementi che lo sovrastano nella riga precedente.

Figura 1.9: Triangolo di Tartaglia

Esempio: Si consideri lestrazione contemporanea, cio` senza criteri di ordinamento, e di 5 carte da un mazzo di 52 carte francesi. Valutare la probabilit` dellevento: a le 5 carte sono tutte dello stesso seme

Per calcolare la probabilit` richiesta occorre innanzitutto denire lo spazio dei a campioni dellesperimento considerato. Esso e costituito da tutte le cinquine di ` carte differenti; inoltre, per simmetria, gli eventi elementari sono equiprobabili. Ci troviamo quindi in condizioni di poter applicare la regola (1.4) per il calcolo della probabilit` per cui e necessario calcolare le cardinalit` sia dello spazio dei a ` a campioni che dellevento . Poich` nella situazione in esame non ha importanza e lordine delle carte che costituiscono la generica cinquina, la cardinalit` dello a spazio dei campioni e pari al numero di combinazioni di classe 5 di 52 elementi, ` cio` e

Per quanto riguarda il calcolo della cardinalit` dellevento dinteresse, si osservi a prima che esso pu` essere visto come lunione dei seguenti 4 eventi mutuamente o esclusivi: si estraggono 5 carte di cuori si estraggono 5 carte di quadri si estraggono 5 carte di ori si estraggono 5 carte di picche 28

% ' % % %

  

' ' %

Tali eventi sono equipotenti e la cardinalit` di ciascuno e pari al numero di a ` combinazioni di classe 5 di 13 elementi (il numero di carte dello stesso seme), cio` e

e quindi la cardinalit` dellevento di interesse, essendo lunione di 4 eventi a mutuamente esclusivi, e pari alla somma delle cardinalit` dei singoli addendi, ` a cio` e

In denitiva la probabilit` di estrarre 5 carte dello stesso seme e: a `

Esempio: Si consideri lemissione di un pacchetto di lunghezza 5 da parte di una sorgente binaria. Calcolare il numero di pacchetti contenenti 2 simboli 1. Per poter contare le sequenze con due 1 si consideri un alfabeto ttizio composto da tre 0 e due 1. Permutando i 5 simboli dellalfabeto su tutte le possibili posizioni si ottengono sequenze con tre 0 e due 1. A causa della presenza di simboli uguali, per` , alcune delle permutazioni cos` ottenute risultano o indistinguibili; precisamente sono indistinguibili tutte le sequenze che si ottengono dalla permutazione di simboli uguali. Poich` nellalfabeto ci sono tre 0 e e due 1, le permutazioni che, a partire da una certa disposizione dei simboli, danno . Ci` signica che, per o luogo a sequenze indistinguibili sono in numero di ottenere il numero di sequenze diverse in cui sono presenti tre 0 e due 1, bisogna dividere il numero iniziale per . In conclusione, il numero delle sequenze in cui sono presenti 2 simboli 1 e: `

cio` il numero delle combinazioni di classe 2 di 5 elementi. e Allo stesso risultato si perviene se il problema viene riformulato come conteggio di tutte le possibili coppie delle posizioni dei simboli 1 estratte fra le 5 possibili posizioni allinterno della sequenza. In tal modo risulta evidente che si deve calcolare il numero delle coppie non ordinate (le posizioni degli 1) di elementi 29

'

'

% 

'

% '

'

% '

% '

appartenenti ad un insieme di cardinalit` 5 (le possibili posizioni allinterno della a sequenza) e cio` il numero delle combinazioni di classe 2 di 5 elementi: e

Il risultato ottenuto in questo esempio si pu` ovviamente generalizzare al cono teggio delle sequenze binarie di lunghezza in cui siano presenti simboli 1: il loro numero e dato dalle combinazioni di classe di elementi, cio` : ` e

Le combinazioni di classe di elementi sono i sottoinsiemi di cardinalit` di a un insieme di cardinalit` : gli elementi costituenti il sottoinsieme sono per` tutti a o distinti. In alcuni casi invece si e interessati a calcolare il numero di insiemi di cardi` o nalit` costituiti da elementi dellinsieme consentendo per` che i singoli elementi a possano ripetersi, come illustrato dal seguente Esempio: Si riprenda in esame il lancio di una coppia di dadi: i possibili risultati sono le coppie ordinate di elementi di

Ovviamente e implicito in tale assunzione la possibilit` di distinguere la coppia ` a dalla coppia e simili: ci` e ad esempio possibile se i due dadi o` sono di colore diverso. Se non e possibile distinguere tali coppie allora linsieme ` dei possibili risultati dellesperimento e linsieme delle coppie non ordinate, con ` eventuale ripetizione degli elementi; precisamente e linsieme: `

di cardinalit` a

Per contare gli insiemi di cardinalit` costituiti da elementi appartenenti ad un a insieme di cardinalit` , con possibilit` di ripetizione, si pu` operare come segue. a a o

30

8 43 8 3 7 43  4 43

3  34  4

8 7 6 5 3 43 43 )3 43  3  4

8 743 643 )3

53 44 3  34  4

8 43 7 43 6 5 )3 43

63 )4 53 44 3  34  4

8 43 7 43 6 5)3 43 4 3

5   3 3

% 43 8 44 43 73 7 )4 )3 63 6 44 43 53 5 3  34 4 3  4  3

8434 7434 6)34 5434  34  34

 543  3

Si supponga di aver a disposizione scatole numerate da 1 ad , rappresentanti gli elementi di , e biglie, una per ogni elemento da scegliere: ogni -pla non ordinata u con ripetizione si pu` ottenere ponendo le biglie nelle scatole; ovviamente porre pi` o biglie nella stessa scatola equivale a scegliere pi` volte lelemento corrispondente a tale u scatola. A scopo illustrativo in gura 1.10 sono riportati alcuni insiemi di elementi , di elementi. Dalla gura e evidente ` estratti dallalfabeto

Figura 1.10: Disposizioni non ordinate (combinazioni), con ripetizione di 4 elementi su 3 posti. che ad ogni disposizione delle 3 barre (le barre denotano le pareti di separazione delle singole scatole mentre le doppie barre denotano le due pareti terminali che non vanno considerate) e delle 3 biglie corrisponde un sottoinsieme di elementi estratti, con ripetizione, dallalfabeto e viceversa. Pertanto il numero di disposizioni non ordinate con ripetizione di 4 elementi su 3 posti coincide con il numero di sequenze binarie di lunghezza 6 costituite da 3 barre e 3 biglie, cio` con le e disposizioni non ordinate (combinazioni) di classe 3 di 6 elementi:

Generalizzando il ragionamento esposto con riferimento al caso precedente, si ha che il numero delle disposizioni non ordinate con ripetizione di elementi su posti, dette anche combinazioni con ripetizione di classe di elementi, sono date da

in quanto coincidono con le possibili combinazioni di classe di barre pi` u biglie , cio` di e elementi. Si osservi esplicitamente che, cos` come per le disposizioni ordinate, anche nel caso delle combinazioni la ripetizione degli elementi permette di prendere in considerazione situazioni in cui il numero di posti risulta maggiore del numero di elementi, per cui la formula precedente e valida anche per ` . 31

'

'

6 5  

6 5  

6 5

6 5  

 

6 5  

'

5  

6  

6 6 

Disposizioni

con ripetizione

senza ripetizione

Tabella 1.7: Disposizioni di

elementi su

posti.

In tabella 1.7 sono riassunti i risultati stabiliti relativamente alle possibili disposizioni, ordinate e non ordinate, con e senza ripetizione, di elementi su posti.

1.5 Eventi indipendenti

Da un punto di vista intuitivo due eventi sono indipendenti se non si inuenzano: se cio` il vericarsi delluno non altera le aspettative che si hanno sul vericarsi o meno e dellaltro. Tale punto di vista intuitivo, come sar` meglio chiarito nel prossimo paraa grafo quando verr` introdotta la probabilit` condizionata, viene formalizzato con la a a seguente denizione: due eventi e si dicono indipendenti se:

(1.12)

Si noti che tale denizione e simmetrica nel senso che se e indipendente da anche ` ` e indipendente da . ` Eventi non indipendenti sono anche detti correlati. Si osservi che se e sono indipendenti lo sono anche e , e , e (vedi Ex. 1.22). Osserviamo esplicitamente che la denizione di indipendenza non va confusa con quella di eventi mutuamente esclusivi. Infatti se gli eventi e sono indipendenti allora la loro probabilit` congiunta e data dalla (1.12); conseguentemente possono a ` essere anche mutuamente esclusivi solo se almeno uno dei due ha probabilit` nulla. a Pertanto eventi mutuamente esclusivi, aventi probabilit` non nulla, sono correlati. Tale a affermazione si giustica anche intuitivamente: infatti se gli eventi sono mutuamente esclusivi il vericarsi delluno esclude il vericarsi dellaltro e quindi saper o meno che uno dei due si e vericato inuenza la nostra aspettativa sul vericarsi o meno ` dellaltro. 32

non ordinate (combinazioni)

ordinate

La denizione di indipendenza pu` essere generalizzata ad un numero arbitrario o di eventi: precisamente gli eventi si dicono statisticamente indipendenti se per ogni sottoinsieme di eventi

In altri termini

eventi sono indipendenti se lo sono a coppie, terne, quaterne, etc..

Esempio: Sorgente binaria senza memoria (continuazione) Si riprenda in esame lemissione di un pacchetto lungo 3 con lassegnazione di probabilit` denita dalla (1.5) e dalla (1.6) e valutiamo se gli eventi a

sono indipendenti.

Con lausilio della tabella delle probabilit` degli eventi elementari (tabella 1.5) a e tenendo presente la costituzione degli eventi di interesse illustrata nella tabella 1.8, e immediato vericare che: `

( 1, 0, 0) ( 1, 0, 1) ( 1, 1, 0) ( 1, 1, 1)

Tabella 1.8: Terne costituenti gli eventi

  5  4 5     5  4 5    5  4 

In modo analogo, con lausilio della tabella 1.9, si ha:

' % # 1 5  7 5   5    

( 0, 1, 0) ( 0, 1, 1) ( 1, 1, 0) ( 1, 1, 1)

( 0, 0, 1) ( 0, 1, 1) ( 1, 0, 1) ( 1, 1, 1)

33

 5    

 5 % 4 5  %  4  5  %  4 

' % # 

 8 5   5   

5  

si ha:

           

   

6$

( 1, 1, 0) ( 1, 1, 1)

( 1, 0, 1) ( 1, 1, 1)

Tabella 1.9: Terne costituenti gli eventi Pertanto gli eventi

sono indipendenti a coppie. Avendosi inoltre

sono indipendenti.

In modo del tutto analogo si pu` vericare che gli eventi: o

sono indipendenti. Ci` si esprime sinteticamente dicendo che le coordinate del o generico evento elementare sono indipendenti; in altri termini i bit sono emessi indipendentemente luno dallaltro. Invero lassegnazione di probabilit` agli eventi elementari riportata in tabella 1.5 e stata effettuata ipotizzando a ` lindipendenza dei vari bit, e ci` spiega anche lattributo senza memoria dato alla o sorgente binaria considerata.

1.6 Probabilit` condizionata a

Spesso, con riferimento ad un determinato esperimento, le probabilit` cambiano in a relazione alleventuale informazione disponibile in merito ai risultati dellesperimento stesso. Intuitivamente la probabilit` di ottenere un due lanciando un dado e diversa a ` dalla probabilit` che si verichi tale evento se e noto che il risultato della prova e pari. a ` ` Tale considerazione viene formalizzata introducendo la probabilit` condizionata. A a tal ne, dato un evento , avente probabilit` non nulla, si consideri la corrispondenza: a

(1.13)

34

!" ' % # 0 

' % #

 5    

gli eventi

#$ ' % # 1 5  5   

  5 4) 0

 5    
( 0, 1, 1) ( 1, 1, 1)

' % # 

 5    

 4 5  

! 

 5   

La prima di tali relazioni afferma che, se il vericarsi di e condizione sufciente ` per il vericarsi di , allora la probabilit` di condizionata a deve essere uno; la a ` seconda asserisce che, se il vericarsi di e condizione necessaria per il vericarsi di , allora la probabilit` di condizionata a non deve diminuire; inne la terza a relazione afferma che se e sono mutuamente esclusivi, allora il vericarsi delluno esclude il vericarsi dellaltro e, quindi la probabilit` delluno condizionata allaltro a deve essere nulla. Tali propriet` sono illustrate in gura 1.11. a

&



   

 

Tale corrispondenza soddisfa gli assiomi di Kolmogorov e, quindi, denisce una nuova legge di probabilit` denominata la probabilita condizionata. Invero si ha: a `

La denizione data di probabilit` condizionata soddisfa le condizioni che intua itivamente sono richieste alla probabilit` condizionata. Infatti, dalla (1.13) segue a che:

   !               )         

Si noti inoltre che, se

Figura 1.11: Propriet` della probabilit` condizionata a a

sono statisticamente indipendenti ed a probabilit` non a

W W

35

  

In altri termini, per eventi statisticamente indipendenti, il vericarsi o meno delluno non muta la probabilit` di vericarsi dellaltro. Viceversa per eventi correlati probaa bilit` a priori e probabilit` condizionate differiscono. In tal caso, se a a si dice che e positivamente correlato a , altrimenti si dice che e negativamente ` ` ` correlato a . E possibile dimostrare che se e correlato positivamente a allora ` anche e positivamente correlato ad (vedi esercizi). ` Si noti che oltre che probabilit` di condizionata a e anche numericaa ` o mente uguale alla verosimiglianza di per . Le due nozioni per` sono diverse: invero , come gi` detto e una legge di probabilit` , mentre la verosimiglianza, denita a ` a da , come e facile vericare, non lo e. In altri termini nel primo caso levento ` ` condizionante e sso, mentre varia quello condizionato; nel caso della verosimiglianza ` invece, e levento condizionato a non variare, mentre quello condizionante varia. ` Il signicato della probabilit` condizionata e ulteriormente chiarito dalla sua a ` interpretazione frequentistica. Infatti, secondo tale interpretazione risulta:

ove e denotano rispettivamente il numero di volte che si vericano in prove gli eventi e, rispettivamente, . Pertanto la probabilit` condizionata e la a ` frazione di volte che si verica levento non pi` in tutte le prove, ma limitatamente u a quelle in cui si verica . In altri termini le prove in cui non si verica vanno scartate e non contribuiscono pi` al calcolo della frequenza relativa. u La denizione di probabilit` condizionata e le sue propriet` sono presentate a a sinteticamente nella tabella 1.10. Introdotta la probabilit` condizionata, e possibile estendere la denizione di eventi a ` indipendenti ad eventi condizionalmente indipendenti. Precisamente, due eventi e si dicono condizionalmente indipendenti dato levento a probabilit` non nulla a ( ) se (1.14)

Analogamente alla denizione (1.12), lindipendenza equivale alla fattorizzazione della probabilit` congiunta, ma, in questo caso, la probabilit` considerata e quella a a ` condizionata. 36

 

 

nulla allora risulta:

Probabilit` condizionata a

Tabella 1.10: Probabilit` condizionata e sue propriet` . a a Anche in questo caso, come e immediato vericare, si ha `

cio` lulteriore condizionamento a (rispettivamente ad ) non ha alcun effetto sulla e probabilit` condizionata a . a In modo del tutto analogo si estende la denizione di indipendenza condizionale a pi` di due eventi. u

1.7 Leggi Fondamentali

Tale relazione esprime la cosiddetta legge della probabilit` congiunta (o composa ta): la probabilit` di una congiunzione di eventi e data dal prodotto della probabilit` a ` a incondizionata delluno per la probabilit` condizionata dellaltro. a Pi` in generale sussiste la seguente Regola della catena: u

Tale relazione e nota come legge o formula di Bayes e consente di scambiare i ruoli di ` evento condizionato e condizionante. 37

Legge di Bayes:

Dalla legge della probabilit` congiunta segue che: a

 1  

  

 



  



Legge della probabilit` congiunta: a segue che:

Dalla denizione di probabilit` condizionata a

Eventi indipendenti

Propriet` a

&

 

   



  




Legge della probabilit` totale: a Si consideri una partizione nita o numerabile dellevento certo costituita da eventi aventi probabilit` non nulla; in altri a termini, gli eventi , sono a due a due mutuamente esclusivi e necessariamente in ogni prova si verica uno ed uno solo di tali eventi. In tale ipotesi la probabilit` di a un qualsiasi evento pu` calcolarsi con la seguente relazione, nota come legge della o probabilit` totale: a

Legge di Bayes, seconda formulazione. Esprimendo nella formula di Bayes la probabilit` dellevento condizionante a mezzo della legge della probabilit` totale si a a ottiene la seguente formulazione alternativa della legge di Bayes

Per comodit` del lettore la denizione di probabilit` condizionata, le sue propriet` a a a e leggi fondamentali della probabilit` sono riassunte nella tabella 1.11. a

 

come illustrato in gura 1.12 con riferimento ad una partizione nita dellevento certo. Essendo le congiunzioni , a loro volta a due a due mutuamente esclusive, per ladditivit` della probabilit` si ha: a a

da cui, per la legge della probabilit` composta, segue lasserto. a

Invero, essendo

Figura 1.12: Partizione dellevento certo ricoprente

        


!

una partizione dellevento certo, si ha:

38

 !

partizione discreta di

Tabella 1.11: Leggi fondamentali. Esempio: canale binario simmetrico (BSC) Si consideri il canale binario simmetrico (BSC) di gura ove:

assegnati e , e denita la probabilit` di ogni evento ` a



per i simboli dingresso e di uscita omonimi sono correlati, positivamente se e negativamente se ; se i simboli in ingresso sono equiprobabili lo sono anche in uscita.

Calcolare inoltre la legge di probabilit` sullo spazio dingresso condizionata al a generico valore del simbolo duscita. Il BSC rappresenta un semplice modello di canale di comunicazione rumoroso. In tale canale, a causa del rumore, non sempre il simbolo di uscita coincide col simbolo dingresso, in quanto vi e una probabilit` di errore condizionata ` a 39

per

ingresso ed uscita del canale sono indipendenti;

la probabilit` derrore a temente dal valore di ;

e uguale a `

   !

Dimostrare che:

indipenden-

 4

 4

 4

4 

sono rispettivamente lingresso e luscita del canale;

Legge di Bayes seconda formulazione

   

Legge della probabilit` totale: a

Legge di Bayes:

 1  
;

  

 


 




  

1


Regola della catena:



  




Legge della probabilit` congiunta: a

Figura 1.13: Schemi del BSC

pari ad . Il canale e detto simmetrico perch le probabilit` di ricevere un ` e a simbolo diverso da quello trasmesso, noto il simbolo trasmesso, non dipende dal particolare simbolo trasmesso. Si osservi che laleatoriet` dei simboli di a uscita scaturisce da una duplice casualit` : lincertezza sul simbolo dingresso, a che e aleatorio, e lincertezza sullaver il canale introdotto o meno un errore. Per ` poter separare gli effetti di questo duplice meccanismo aleatorio bisogna quindi condizionare al valore dellingresso e considerare le probabilit` dei simboli di a uscita, dato il simbolo dingresso. Cominciamo con losservare che, in questo caso, come spazio campione possibile considerare linsieme di tutte le possibili coppie , ovvero

Calcoliamo, ad esempio, la probabilit` dellevento elementare a applicando la legge della probabilit` congiunta si ha: a

Dal momento che il calcolo della probabilit` degli altri eventi elementari si a svolge in maniera analoga si e mostrato che la probabilit` di ogni evento e ` a ` funzione di ed . La probabilit` derrore si pu` calcolare con la legge della probabilit` totale; a o a infatti si ha:

Tale probabilit` e quindi indipendente dal valore di . Si noti che questo risultato a` e dovuto allipotesi di simmetria del canale e non e pi` valido nel caso in cui le ` ` u 40



 4

e come eventi tutti i sottoinsiemi di .

 4

 4

) 0  0 )   

 4

 0  0 4  

 4

&

4   4

 0

e `

Figura 1.14: BSC non rumoroso

due probabilit` di errore condizionate dipendano dal simbolo dingresso. Inoltre, a si osservi che il caso pi` sfavorevole corrisponde ad u ; infatti, se invertendo il simbolo di uscita posso ottenere una probabilit` di errore pari a a . In particolare i valori ed corrispondono entrambi al caso di canale non rumoroso, in quanto luscita del canale specica univocamente lingresso, come illustrato in g. 1.14 Per stabilire in quali ipotesi i simboli in ingresso ed in uscita al BSC siano o meno indipendenti calcoliamo la probabilit` di avere un certo simbolo di uscita. a Applicando ancora la legge della probabilit` totale si ottiene: a

In modo analogo e possibile valutare ` ; in alternativa, e sufciente ` osservare che levento e il complemento dellevento ` ; si ha pertanto:

ossia i simboli di uscita sono equiprobabili indipendentemente dal valore della probabilit` dei simboli di ingresso . Inoltre, nellipotesi a si ha:

e quindi i simboli di uscita sono indipendenti dai simboli di ingresso. E evidente che in tal caso la trasmissione di simboli e del tutto inutile: infatti, poich i ` e simboli di uscita sono equiprobabili ed indipendenti dai simboli dingresso si possono ottenere le stesse prestazioni rinunciando alla trasmissione e generando localmente luscita del canale completamente a caso, ad esempio lanciando una moneta bilanciata. 41

 4

Da tali relazioni si trae la conclusione che, per

e `

 % 0 4  4 

 % 0

 4  0 0 4  4 

 4

 4

 4

4

4

4 #

Ora, si osservi che, dalle espressioni delle probabilit` a priori dei simboli a duscita segue che:

Di conseguenza, ci si rende conto che:

- Se allora , , ossia i simboli dingresso e di uscita sono positivamente correlati quando assumono lo stesso valore; - Se ingresso ed uscita sono indipendenti, qualsiasi sia il valore di , come gi` discusso; a - Se allora , , ossia i simboli dingresso e di uscita sono negativamente correlati quando assumono lo stesso valore, coerentemente con la precedente osservazione che per e opportuno invertire i simboli di uscita. ` Analogamente risulta:


Quindi:

- Se allora , , ossia i simboli dingresso e di uscita sono negativamente correlati se assumono valori diversi; - Se allora , , ossia i simboli dingresso e di uscita sono positivamente correlati se assumono valori diversi. Per vericare che i simboli di uscita sono equiprobabili se lo sono i simboli di ingresso e sufciente sostituire nelle espressioni generali delle loro probabilit` , ` a precedentemente calcolate, a il valore . Si noti che, in tale ipotesi, i simboli duscita sono equiprobabili indipendentemente dal valore di . Inne, il calcolo della legge di probabilit` sullo spazio di ingresso condizionata a al generico valore del simbolo di uscita si esegue applicando la legge di Bayes:

42

 % 0  % 0  0

 % 0  0  % 0

# 4 # 

# 4 # 

# 4 # 

# 4 # 

4 # 

4 # # 

 4 #

4  4

4 #  # 

4  4

4 # 

 4 4 # 

4  4 

4  4 

 

 4

 

Ad esempio, supposto, per semplicit` , a e di aver osservato in uscita il valore , le probabilit` dei simboli dingresso sono date da: a

Si pu` quindi notare come losservazione di un simbolo in uscita modichi la o legge di probabilit` dei simboli di ingresso in maniera dipendente dal valore a di . In particolare, per o per , tale distribuzione e fortemente ` asimmetrica, il che e indice del fatto che il canale pu` operare con prestazioni ` o soddisfacenti.

1.8 Probabilit` , incertezza ed informazione. a

La denizione quantitativa del contenuto informativo di un evento e legato alla ` probabilit` di tale evento. Invero si considerino le seguenti affermazioni: a - Domani, 15 agosto, sar` una bella giornata. a - Domani sera il capo del governo e quello dellopposizione si esibiranno in uno spogliarello in piazza. e chiedamoci quale delle due ha un maggior contenuto informativo. Lovvia risposta e ` la seconda delle due, in quanto la prima e scontata, mentre la seconda e sorprendente. ` ` In altri termini, da un punto di vista intuitivo, ha un elevato contenuto informativo unaffermazione molto imprevedibile. Ci` e in accordo con un noto luogo comune o ` del giornalismo: notizia non e un cane che morde una persona, ma una persona che ` morde un cane. Quindi, anche nel linguaggio comune, il contenuto informativo di unaffermazione e legato alla sua probabilit` di vericarsi: precisamente pi` un evento ` a u e improbabile maggiore e linformazione che fornisce, una volta che si sia vericato. ` ` Considerato uno uno spazio di probabilit` a , ci proponiamo di denire quantitativamente linformazione associata allevento . A tal ne, osserviamo che dalla discussione precedente segue che e ragionevole ` richiedere che il contenuto informativo di un evento , diciamolo , debba essere una funzione decrescente della , vale a dire

(1.15)

Allo scopo di stabilire ulteriori propriet` da imporre alla a si consideri una sorgente binaria senza memoria, cio` che emette i simboli (bit) indipendentemente luno e dallaltro, e si prendano in esame i seguenti eventi: 43

 4 

4 


poich` le emissioni sono indipendenti. Inoltre da quanto detto precedentemente risulta: e

Dal momento che le emissioni sono indipendenti, e ragionevole imporre che: `

cio` che linformazione sia additiva per eventi indipendenti. e Inne, in aggiunta alle condizioni (1.15) e (1.16), si richiede anche che linformazione sia non negativa, si impone cio` : e

` E possibile dimostrare che lunica funzione che soddis le tre condizioni desiderate, che sia cio` decrescente con la probabilit` dellevento (1.15), additiva per e a eventi indipendenti (1.16) e non negativa (1.17), debba essere del tipo:

Si osservi che la denizione (1.18) garantisce anche che ad un evento a probabilit` uno, a in particolare allevento certo, e associato un contenuto informativo nullo, come deve ` intuitivamente essere dal momento che il vericarsi di un tale evento non aggiunge alcuna informazione supplementare. Inoltre, si noti che avendosi:

le costanti ed concorrono a ssare lunit` di misura dellinformazione. a La scelta di gran lunga pi` comune per denire il contenuto informativo associato u ad un evento e: ` (1.19) e linformazione espressa dalla (1.19) e misurata in bit. ` Il signicato di tale scelta e illustrato dal seguente esempio. Si consideri una ` sorgente binaria che emetta un simbolo tra due simboli equiprobabili; in tal caso linformazione associata ai singoli simboli vale:

44

(1.16) (1.17) (1.18)

Il primo simbolo emesso e 1 ` Il secondo simbolo emesso e 1 ` Il primo ed il secondo simbolo emessi sono 1 le cui probabilit` valgono: a

%   4 

  )

    )    

) 


)   



 4

 

& 




 

Pertanto 1 bit e linformazione associata ad una scelta tra due alternative equiprobabili. ` Si osservi che usualmente il termine bit e di solito utilizzato con due diversi sig` nicati: il primo, quello introdotto in questo paragrafo, cio` come unit` di misura e a dellinformazione (bit=binary information unit); il secondo come sinonimo di cifra binaria (bit=binary digit). I due concetti sono per` profondamente diversi e non vanno o confusi; in particolare, una cifra binaria ha linformazione di un bit se e solo se le due cifre sono equiprobabili.

45

1.9 Esercizi
Ex. 1.1 Un esperimento aleatorio consiste nel provare il funzionamento di una lampadina osservando la sua durata. Denire il corrispondente spazio dei campioni, specicando se e di tipo continuo o di tipo discreto. Si individuino inoltre i seguenti ` eventi: la durata della lampada e non inferiore a 5 ` la durata della lampada e compresa tra 5 e 30 `

Ex. 1.2 Si determini lo spazio dei campioni relativo al doppio lancio di un dado. Si individuino inoltre i seguenti eventi: la somma dei due lanci e 5 ` primo lancio pari

Ex. 1.3 Si consideri un canale binario, cio` un mezzo di trasmissione che accetta in e ingresso simboli 0 e 1 e fornisce in uscita simboli 0 e 1. A causa dei disturbi presenti sul canale, per` , non sempre il simbolo in uscita e uguale a quello che viene o ` effettivamente trasmesso, e cio` possibile che si verichi un errore di trasmissione. ` e Per tale motivo, il funzionamento del canale binario pu` essere correttamente descritto o come un esperimento aleatorio. Si individuino lo spazio dei campioni relativo alla trasmissione di un solo simbolo e gli eventi: si e vericato un errore nella trasmissione del simbolo 1 ` si e vericato un errore di trasmissione ` si e ricevuto il simbolo 0 ` si e trasmesso il simbolo 1 `

Ex. 1.4 Un esperimento aleatorio consiste nellestrarre tre carte da un mazzo di carte napoletane. Considerato levento le carte estratte sono tutte di coppe , stabilire in quali delle seguenti estrazioni si verica levento : (2 di bastoni, 5 di coppe, asso di denari) (asso di spade, 7 di denari, 10 di spade) (asso di spade, 6 di coppe, 10 di spade) (asso di coppe, 2 di coppe, 3 di coppe)

46

primo lancio pari e la somma dei due lanci e 5 ` primo lancio pari oppure la somma dei due lanci e 5 `

la durata della lampada e superiore a 10 `

6 $

Ex. 1.5 Si considerino i quattro gruppi sanguigni 0, A, B e AB. Una qualsiasi persona pu` ricevere il sangue da un donatore del suo stesso gruppo ed anche da un donatore del o gruppo 0, mentre una persona del gruppo AB pu` ricevere il sangue da uno qualsiasi dei o quattro gruppi. Un esperimento aleatorio consiste nel determinare il gruppo sanguigno per ogni coppia di donatori che arriva in una banca del sangue. 1. Si determini lo spazio dei campioni relativo a questesperimento. il secondo donatore pu` ricevere il sangue dal primo o

ciascuno dei due donatori puo ricevere il sangue dallaltro ` nessuno dei due donatori puo ricevere il sangue dallaltro ` 3. Nellipotesi che gli eventi elementari siano equiprobabili, si calcolino le probabilit` dei tre eventi individuati. a Ex. 1.6 Una moneta non truccata viene lanciata quattro volte. Si determini lo spazio dei campioni e si calcoli la probabilit` dei seguenti eventi: a si ottengono esattamente tre teste si ottiene almeno una testa

Ex. 1.7 Dati due eventi

si mostri che:

Ex. 1.8 Calcolare le seguenti probabilit` : a

c. d. e.

47

Ex. 1.9 e sono due eventi tali che e sono mutuamente esclusivi. Pi` in generale mostrare che e u esclusivi se le loro probabilit` soddisfano la relazione a



sapendo che:

'   

' 

  

b.

a.

; ; ; ; .

il numero di teste e uguale al numero di croci ` il numero di teste e maggiore del numero di croci `

. Stabilire se non sono mutuamente .

2. Si individuino i seguenti eventi:



Ex. 1.10 Dimostrare la seguente disuguaglianza di Bonferroni:

Ex. 1.11 Due persone, Tizio e Caio, tentano di telefonarvi a caso tra le 17 e le 18 indipendentemente luna dallaltra. Tizio, avendo un unico gettone prevede una telefonata di tre minuti, mentre Caio, che ha due gettoni, prevede una telefonata di sei minuti. Ipotizzando che ognuno faccia un solo tentativo, calcolare: - la probabilit` che Tizio o Caio riescano a parlarvi; a - la probabilit` che Tizio e Caio riescano a parlarvi. a Ex. 1.12 Lesperimento in esame consiste nel valutare la durata di un componente. Vericare che lo spazio delle prove e ` e che la corrispondenza:

e una legge di probabilit` per lesperimento in esame. ` a

Ex. 1.13 Un esperimento ha risultati possibili. Dimostrare che si possono eventi distinti relativi a tale esperimento. individuare al pi` u Ex. 1.14 Siano e due eventi a probabilit` non nulla. Dimostrare che se sono a indipendenti non sono mutuamente esclusivi e viceversa. Ex. 1.15 Relativamente allesperimento del lancio di una coppia di dadi non truccati, si considerino gli eventi

la somma e compresa fra 7 e 10 (inclusi) ` la somma e 2, 7 o 8 `

Si verichi se i tre eventi sono indipendenti. Ex. 1.16 Si consideri lesperimento in cui i possibili risultati sono le terne

Assunti equiprobabili gli eventi elementari, si verichi se gli eventi c` una e in posizione

sono indipendenti.

 

48

' % #

facce uguali

11

a) non se ne verichi nessuno; b) se ne verichi almeno uno; c) se ne verichi esattamente uno, non importa quale. Ex. 1.18 Un generatore deve alimentare 5 carichi intermittenti connessi in parallelo; ciascun carico e collegato per un quarto del tempo, indipendentemente dagli altri, ed ` assorbe 2W. Determinare un appropriato spazio di probabilit` atto a descrivere il problema in a esame. Sapendo che il generatore pu` al pi` erogare 6W, determinare inoltre con che o u probabilit` non si possa soddisfare la richiesta di potenza. a Ex. 1.19 Dimostrare che e pi` facile ottenere almeno un 6 lanciando un dado 4 volte ` u che un 12 lanciando due dadi 24 volte. Ex. 1.20 Si lancia un dado nch` non esce la stessa faccia due volte consecutive. e Valutare la probabilit` di lanciare il dado N volte. a Ex. 1.21 Due giocatori, A e B, lanciano alternativamente una moneta e vince chi per primo ottiene testa. Si assuma che A inizi il gioco. Determinare la probabilit` che vinca a A supposta la moneta ben bilanciata. Ripetere il calcolo per una moneta arbitraria. Ex. 1.22 Dimostrare che se , e , lo sono. e sono eventi indipendenti, allora anche e ,

Ex. 1.23 Siano e due eventi. Dimostrare che se sono statisticamente indipendenti.

allora

Ex. 1.24 Dimostrare che se e positivamente (rispettivamente negativamente) corre` lato a allora anche e positivamente (rispettivamente negativamente) correlato a ` . Ex. 1.25 Dimostrare la regola a catena della probabilit` , cio` che a e

49

 1  

  

 



  



Ex. 1.17 Gli eventi nare la probabilit` che: a

sono indipendenti. Posto

  



, determi-

  

risulta

Ex. 1.27 Da un mazzo di carte francesi (senza jolly) si sottrae una carta senza guardarla. Poi si gira unaltra carta: con quale probabilit` questultima e di ori? a ` Ex. 1.28 Una moneta non truccata viene lanciata 10 volte e gli esperimenti (lanci) sono tutti indipendenti. Calcolare: teste teste e 1 croce in ordine qualsiasi . Dire se testa al decimo lancio 9 teste nei primi 9 lanci e minore, ` uguale o maggiore di 0.5. Stabilire se e pi` facile avere N teste e N croci su 2N lanci o ` u N+1 teste e N+1 croci su 2N+2 lanci. Ex. 1.29 Un treno arriva a caso in una stazione nellintervallo e vi sosta minuti. Un viaggiatore, a sua volta, arriva alla stazione in un istante qualsiasi dello stesso intervallo di tempo, indipendentemente dal treno. Determinare:

quanto deve valere

afnch` il viaggiatore prenda il treno con probabilit` 0.68. e a

la probabilit` di prendere il treno senza aspettare; a

la probabilit` di prendere il treno senza aspettare, sapendo che il treno e arrivato a ` dopo .

Ex. 1.30 Alle elezioni, il signor K vota per la lega (evento ). Stabilire con quale probabilit` vive nel nord ( ), centro ( ) o sud ( ) dellItalia sapendo che: a

, , ,

Ex. 1.31 Uno studente pu` sostenere lesame di Economia con uguale probabilit` con o a i professori A, B e C, i quali bocciano con probabilit` 0.1, 0.3 e 0.2 rispettivamente. a Sapendo che uno studente e stato bocciato, qual e la probabilit` che abbia sostenuto ` ` a lesame con A? Ex. 1.32 Un giocatore disonesto trucca un dado in modo da ottenere il numero 6 in un lancio con probabilit` a e un qualsiasi altro risultato con probabilit` a . Sfortunatamente (per lui) al momento del lancio il dado truccato si trova mescolato con altri 50

 4



    

'

 4

 ' '

   

'%

Ex. 1.26 Sia per ogni evento

una partizione discreta dellevento

  

. Dimostrare che

4

due dadi non truccati. Il giocatore sceglie un dado a caso, lo lancia, e ottiene 6. Valutare la probabilit` che sia stato lanciato il dado truccato. Ripetere il calcolo sapendo a che, lanciato una seconda volta lo stesso dado, si e ottenuto ancora 6. ` Ex. 1.33 Due terminali, A e B, sono connessi tra loro tramite quattro interruttori ; precisamente e sono connessi in serie tra loro e in parallelo a ed a . Nellipotesi che gli interruttori possano essere aperti o chiusi con uguale probabilit` indipendentemente luno dallaltro, determinare: a un appropiato spazio di probabilit` atto a descrivere il problema in esame; a

la probabilit` che i terminali A e B siano connessi; a la probabilit` che i terminali A e B siano connessi, sapendo che linterruttore a e chiuso; ` la probabilit` che linterruttore a connessi.

sia chiuso, sapendo che i terminali sono

Ex. 1.34 Tre sorgenti binarie indipendenti emettono il simbolo 1 con probabilit` a e sono connesse tramite un interruttore ad un BSC di parametro . Linterruttore e connesso per il 50% del tempo alla prima sorgente, e per il 25% del ` tempo a ciascuna delle altre due sorgenti indipendentemente dallo stato della sorgente.

Determinare:

le probabilit` dei simboli in uscita al BSC; a

la probabilit` che il canale sia connesso alla prima sorgente avendo osservato uno a zero in uscita al BSC.

51

 1 )

' %

6 5 6 5 1