N=100 n=30 n/N=0.33 Regole della probabilità ed applicazioni N=numero di modi in cui un evento può manifestarsi n=numero di modi in cui può manifestarsi.

Slides:



Advertisements
Presentazioni simili
Dr. Marta Giorgetti Esercizi Calcolo combinatorio, spazio degli eventi, probabilità, indipendenza, teorema di Bayes.
Advertisements

Calcolo del rischio in situazioni “insolite”
DISTRIBUZIONE BINOMIALE (cenni) DISTRIBUZIONE NORMALE
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 6 Chiara Mocenni Corso di laurea L1.
EVENTI CONDIZIONATI Si consideri la partizione A1, A1, …, A1, N2, di . Si consideri inoltre l’evento B  . Rappresentazione in termini di diagramma.
Le distribuzioni di probabilità discrete
Calcolo delle probabilità per le scuole superiori
Chiara Mocenni – Analisi delle Decisioni a.a Analisi delle Decisioni Probabilita condizionate e Teorema di Bayes Chiara Mocenni.
Definizione di probabilità, calcolo combinatorio,
A partire da determinate condizioni iniziali, un esperimento e losservazione del verificarsi di qualche accadimento che, se si ripete lesperimento nelle.
Variabili aleatorie discrete e continue
La probabilità.
Corsi Abilitanti Speciali Classe 59A III semestre - 3
LE MATRICI.
CALCOLO COMBINATORIO Principio fondamentale del calcolo combinatorio
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
4 x 5 = 20 MULTIPLO DIVISORI e 5 sono divisori di 20
Definizioni Chiamiamo esperimento aleatorio ogni fenomeno del mondo reale alle cui manifestazioni può essere associata una situazione di incertezza. Esempi:
Chiara Mocenni – Analisi delle Decisioni – a.a Analisi delle Decisioni Probabilita condizionate Chiara Mocenni.
3. Processi Stocastici Un processo stocastico è una funzione del tempo i cui valori x(t) ad ogni istante di tempo t sono v.a. Notazione: X : insieme di.
5. Catene di Markov a tempo discreto (CMTD)
Analisi Bivariata e Test Statistici
Marco Riani STATISTICA A – K (60 ore) Marco Riani
STATISTICA A – K (60 ore) Marco Riani
Apprendimento Automatico: Apprendimento Bayesiano
Apprendimento Automatico: Apprendimento Probabilistico Roberto Navigli 1 Apprendimento Automatico: Apprendimento Bayesiano.
Analisi e sintesi di circuiti combinatori
Elementi di Teoria della Probabilità
La distribuzione normale e normale standardizzata
Dizionario Zingarelli
1 Perugia, 16 giugno 2005 ~ X Consumo nei due mesi ~ Spesa in euro: Avvertenza: i testi qui proposti sono, talvolta, modificati rispetto alla formulazione.
Canale A. Prof.Ciapetti AA2003/04
Risorse e Stallo.
Corso di biomatematica Lezione 2: Probabilità e distribuzioni di probabilità Davide Grandi.
LA PROBABILITA’.
Modelli probabilistici
Funzioni di densità (o di probabilità) congiunte.
lezione del 10 aprile 2013 appunti
Bayesian Learning Martedì, 16 Novembre 2004 Giuseppe Manco Readings: Sections , Mitchell Chapter 2, Bishop Chapter 4, Hand-Mannila-Smith Bayesian.
Analisi e sintesi di circuiti combinatori. Reti combinatorie.
Lezione 4 Probabilità.
REGOLE DEL CALCOLO DELLE PROBABILITA’
Scegli quali numeri ci stanno esattamente nel
Forina Italo & Razzaia Luca corporation presents:
La probabilità Schema classico.
Introduzione al calcolo delle probabilità a cura di Maurizio Brizzi (Università di Bologna) BIOSTAT 2013 Asti, 1° luglio 2013.
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 5 1.
1.PROBABILITÀ A. Federico ENEA; Fondazione Ugo Bordoni Scuola estiva di fonetica forense Soriano al Cimino 17 – 21 settembre 2007.
1 CALCOLO COMBINATORIO Principio fondamentale del calcolo combinatorio Se un evento E 1 si può presentare in n 1 modi e un secondo evento E 2 si può manifestare.
Esempi risolti mediante immagini (e con excel)
Probabilità probabilità Probabilità totale
Trova i multipli Realizzato dalla maestra Marina Anno
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
PROBABILITA’.
è … lo studio delle caratteristiche di regolarità dei fenomeni casuali
Rischio e Probabilità. Probabilità di un Evento P(E)  P(E)=1 o 100% => evento certo;  P(E) molto piccolo => evento improbabile;  P(E)=0 o 0% => evento.
Laurea Ing EO/IN/BIO;TLC D.U. Ing EO 10 PROBABILITA’ E VARIABILI ALEATORIE.
La probabilità condizionata
Master in Neuropsicologia ClinicaElementi di Statistica I 17 maggio / 23 Analisi bivariata Per ogni unità statistica si considerano congiuntamente.
2) PROBABILITA’ La quantificazione della ‘possibilità’ del verificarsi di un evento casuale E è detta probabilità P(E) Definizione classica: P(E) è il.
Spiegazione di alcuni concetti
ELEMENTI DI CALCOLO DELLE PROBABILITA’
Probabilità Esercitazioni numeriche del corso di GENETICA AA 2010/2011 LEZIONE N°1.
Elementi di teoria delle probabilità
LA PROBABILITA’.
LA PROBABILITA’. CHE COS’E’? La probabilità di un evento è il quoziente tra il numero dei casi favorevoli a quell’evento e quello dei casi possibili quando.
ELEMENTI DI CALCOLO DELLE PROBABILITA’. Evento Aleatorio Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado)
1 TEORIA DELLA PROBABILITÁ. 2 Cenni storici i primi approcci alla teoria della probabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli)
Probabilità Definizione di probabilità La definizione di probabilità si basa sul concetto di evento, ovvero sul fatto che un determinato esperimento può.
Transcript della presentazione:

N=100 n=30 n/N=0.33 Regole della probabilità ed applicazioni N=numero di modi in cui un evento può manifestarsi n=numero di modi in cui può manifestarsi con caratteristica A P(A)=n/N Se N è un numero di esperimenti Stima della probabilità N=9 n=2 n/N=0.22 N=9 n=5 n/N=0.56 N=35 n=12 n/N=0.34

1.Probabilità di un evento AP(A) 2.Probabilità del complementoP(A)=1-P(A) 3.Prob. congiunta di A e BP(AB) 4.Prob. di A oppure BP(A+B) P(A+B)=P(A)+P(B)-P(AB) 5.Prob. condizionale di A, dato levento BP(A B) Eventi s-indipendenti Eventi s-dipendenti P(AB)=P(A)P(B) regola del prodotto P(A+B)=P(A)+P(B)-P(A)P(B) P(AB)=P(A)P(B A)= P(B)P(A B) ossia P(B A)=P(AB)/P(A) Eventi mutuamente esclusivi P(AB)=0P(A+B)=P(A)+P(B) Multipli Eventi E i mutuamente esclusivi danno congiuntamente la probabilità di B Teorema di Bayes

La probabilità di far centro di un missile è Su una salva di 2 missili, quale è la probabilità di almeno un centro? Es.1 4 casi possibili: AB, AB, AB, AB 1 caso sfavorevole con probabilità Altro modo: albero delle sequenze 0.85x0.85= x0.15= x0.85= x0.15= = B B A A B B La probabilità cercata è il complemento di questa: P(AB+AB+AB)= = Direttamente (eventi mutuamente esclusivi): P(AB+AB+AB)=0.85x x x0.15 =

La probabilità di far centro di un missile è Ma la probabilità che il secondo fallisca SE il primo fallisce è 0.2. Se invece il primo fa centro, la probabilità di successo del secondo non cambia. Su una salva di 2 missili, quale è la probabilità di almeno un centro? Es.2 P(A)=0.85 P(B A)=0.85 P(B A)=0.15 P(B A)=0.20 P(B A)=0.80 Probabilità di successo P(AB)+P(AB)+P(BA) P(AB)=P(A)P(B)=0.85x0.85= P(AB)=P(A)P(B)=0.85x0.15= Eventi s-indipendenti P(AB)=P(A)P(B A)=0.15x0.80=0.12 TOTALE= x0.85= x0.15= x0.80= x0.20=0.03 =0.97 B B A A B B Eventi s-dipendenti