Webtudordimatematica

Probabilità condizionata

La probabilità di un evento può cambiare se si hanno informazioni in più circa la realizzazione dell'evento stesso. Tali informazioni riguardano il verificarsi di altri eventi.

Esempio

Si effettua un lancio di un dado; consideriamo i seguenti eventi:

  1. A="esce un numero dispari"={1,3,5}.
  2. B="esce un numero minore di 4={1,2,3}.

Calcoliamo la probabilità di ottenere un numero minore di 4, sapendo che il risultato è un numero dispari

Le probabilità degli eventi A e B possono essere calcolate utilizzando la definizione di probabilità matematica

$\begin{array}{l} P(A)=\frac{3}{6}=\frac{1}{2}\quad\quad(\mbox{perchè i casi favorevoli sono 3 mentre i casi equipossibili sono 6})\\ P(B)=\frac{3}{6}=\frac{1}{2}\quad\quad(\mbox{perchè i casi favorevoli sono 3 mentre i casi equipossibili sono 6})\end{array}$

Se sapessimo che l'evento A si è già verificato, i casi possibili per l'evento B non sarebbero più 6 ma si ridurrebbero a 3 ovvero {1,2,3}, mentre i casi favorevoli sarebbero solo 2 ({1,3}). Sotto questa condizione, la probabilità che si ottiene è:

$P(B|A)=\frac{2}{3}=0,667$

Dall'esercizio precendente possiamo osservare come la probabilità condizionata sia maggiore della probabilità calcolata precendentemente.

La probabilità condizionata P(B|A) (leggi probabilità di B dato A) è la probabilità del verificarsi dell'evento B sapendo che l'evento A si è già verificato.

Se $P(A)\neq 0$ si definisce la probabilita di B condizionata ad A come segue:

$$\bbox[#ffffff,5px,border:2px solid #ff6600]{P(B|A)=\frac{P(A\cap B)}{P(A)}}$$

Se invece è $P(B)\neq 0$ si definisce la probabilita di A condizionata ad B:

$$\bbox[#ffffff,5px,border:2px solid #ff6600]{P(A|B)=\frac{P(A\cap B)}{P(B)}}$$

Dalla definizione appena data segue la regola di moltiplicazione:

$$\bbox[#ffffff,5px,border:2px solid #ff6600]{\begin{array}{l} P(A\cap B)=P(A)\cdot P(B|A)\quad\quad\mbox{se } P(A)\neq 0\\ P(A\cap B)=P(B)\cdot P(A|B)\quad\quad\mbox{se } P(B)\neq 0\end{array}}$$

Esempio

Data un’urna contenente 15 palline rosse e 5 palline nere, indichiamo con A l’evento "estrazione di pallina rossa" e con B l’evento "estrazione di pallina nera". Calcoliamo la probabilità di ottenere in due estrazioni consecutive prima una pallina rossa e poi una nera, nell’ipotesi che la prima pallina estratta non venga rimessa nell’urna.

La probabilità di estrarre una pallina rossa alla prima estrazione è

$P(A)=\frac{15}{20}=\frac{3}{4}$

Visto che alla seconda estrazione ci saranno in tutto 19 palline, la probabilità di estrarre una pallina nera dopo l'estrazione senza reimmissione della pallina rossa, è la probabilità condizionata

$P(B|A)=\frac{5}{19}$

La probabilità richiesta dall'esercizio èquivale alla probabilità che gli eventi A e B si verifichino contemporaneamente considerando che la prima estrazione viene effettuata senza reimmissione:

$P(A\cup B)=P(A)\cdot P(B|A)=\frac{3}{4}\cdot\frac{5}{19}=\frac{15}{76}=0,1974$

Se invece la prima pallina fosse stata reintrodotta nell'urna, la probabilità di ottenere prima una pallina rossa e poi una nera sarebbe stata:

$P(A\cup B)=\frac{15}{20}\cdot\frac{5}{20}=\frac{3}{4}\cdot\frac{1}{4}=\frac{3}{16}=0,1875$

Può accadere che la probabilità P(B|A) sia uguale a P(B). Questo succedo quando il verificarsi dell'evento B è indipendente dal verificarsi o meno dell'evento A. Si ha infatti la seguente definizione.

Due eventi A e B si dicono indipendenti se P(B|A)=P(B). In tal caso si ha pure P(A|B)=P(A).

Ne segue la seguente regola nel caso di eventi indipendenti:

Regola di moltiplicazione per eventi indipendenti: se due eventi A e B sono indipendenti, si ha:

$$\bbox[#ffffff,5px,border:2px solid #ff6600]{P(A\cap B)=P(A)\cdot P(B)}$$

Esempio

Trovare la probabilità che in due lanci di un dado si presenti almeno una volta il 5.

Definiamo gli eventi:

  1. A="5 al primo lancio"
  2. B="5 al secondo lancio"
  3. A$\cup$ B="5 al primo oppure al secondo lancio"

Banalmente si ha $P(A)=P(B)=\frac{1}{6}$.

Poichè gli eventi non sono mutuamente esclusivi, per la regola additiva si ha:

$P(A\cup B)=P(A)+P(B)-P(A\cap B)$

Inoltre, poichè gli eventi A e B sono indipendenti, possiamo calcolare $P(A\cap B)$:

$P(A\cap B)=P(A)\cdot P(B)=\frac{1}{6}\cdot\frac{1}{6}=\frac{1}{36}$

Dunque,

$P(A\cup B)=P(A)+P(B)-P(A\cap B)=\frac{1}{6}+\frac{1}{6}-\frac{1}{36}=\frac{11}{36}$

Relazione tra eventi mutuamente esclusivi ed eventi indipendenti

Si osservi che eventi mutuamente esclusivi, (ossia disgiunti), non possono essere indipendenti, perchè se $A\cap B=\emptyset$ allora $P(A\cap B)=0\quad\Leftrightarrow\quad P(A)=0\ \mbox{oppure}\ P(B)=0$, cioè almeno uno dei due eventi deve essere impossibile.

In realtà due eventi disgiunti sono fortemente dipendenti, perchè essere disgiunti vuol dire che se uno si verifica, allora l'altro non si può verificare.

Vai agli esercizi svolti sul calcolo delle probabilità condizionate

Il quaderno degli appunti
Statistica e Probabilità

Coefficiente di correlazione di Pearson

Dati due variabili quantitative X e Y, si dice coefficiente di correlazione o covarianza normalizzata di X e Y il rapporto tra la covarianza e il prod
Trigonometria

Teorema del coseno o di Carnot

Il teorema del coseno (o di Carnot) è una conseguenza del teorema delle proiezioni (visto qui) e afferma che in un triangolo qualsiasi, il quadrato d
Trigonometria

Teorema delle proiezioni

Il teorema delle proiezioni dice che in un triangolo qualsiasi la misura di un lato è uguale alla somma dei prodotti di quelle degli altri due lati p