Esercizi Svolti Di Calcolo Delle Probabilità

Introduzione al Calcolo delle Probabilità

Il calcolo delle probabilità è una branca della matematica che studia gli eventi casuali o incerti. Questa disciplina trova applicazione in numerosi campi, dalla statistica alla finanza, dall’informatica alla biologia, fino alle scienze sociali. Comprendere i principi fondamentali della probabilità è essenziale per prendere decisioni informate in situazioni di incertezza.

In questa guida approfondita, esploreremo:

• I concetti base della probabilità (eventi, spazio campionario, probabilità classica)
• Le regole fondamentali (addizione, moltiplicazione, probabilità condizionata)
• Le principali distribuzioni di probabilità (binomiale, normale, Poisson)
• Il teorema di Bayes e le sue applicazioni pratiche
• Esercizi svolti passo-passo per ogni argomento
• Errori comuni da evitare nel calcolo delle probabilità

Definizione Formale

La probabilità di un evento A, indicata con P(A), è una misura numerica del grado di possibilità che l’evento A si verifichi. Deve soddisfare i seguenti assiomi (Kolmogorov, 1933):

1. Non negatività: P(A) ≥ 0 per ogni evento A
2. Normalizzazione: P(Ω) = 1, dove Ω è lo spazio campionario
3. Additività: Per eventi mutuamente escludenti A₁, A₂, …, P(∪Aᵢ) = ΣP(Aᵢ)

Probabilità Classica e Definizioni Fondamentali

La probabilità classica (o probabilità a priori) si basa sul principio che tutti gli esiti possibili di un esperimento sono ugualmente probabili. La formula fondamentale è:

P(A) = (Numero di casi favorevoli all’evento A) / (Numero totale di casi possibili)

Esempio 1: Lancio di un dado

Problema: Qual è la probabilità di ottenere un numero pari lanciando un dado a 6 facce?

Soluzione:

1. Spazio campionario Ω = {1, 2, 3, 4, 5, 6} (6 esiti possibili)
2. Evento A = “numero pari” = {2, 4, 6} (3 esiti favorevoli)
3. P(A) = 3/6 = 0.5 o 50%

Esempio 2: Estrazione da un mazzo di carte

Problema: Qual è la probabilità di pescare un asso da un mazzo di 52 carte?

Soluzione:

1. Spazio campionario: 52 carte
2. Evento favorevole: 4 assi (uno per seme)
3. P(asso) = 4/52 = 1/13 ≈ 0.0769 o 7.69%

Tipo di Evento	Esempio	Probabilità	Calcolo
Evento certo	Uscita di un numero ≤6 con un dado	1 (100%)	6/6 = 1
Evento impossibile	Uscita di un 7 con un dado	0 (0%)	0/6 = 0
Evento aleatorio	Uscita di un 3 con un dado	1/6 ≈ 16.67%	1/6 ≈ 0.1667
Evento complementare	Non uscita di un 6 con un dado	5/6 ≈ 83.33%	1 – 1/6 = 5/6

Regole Fondamentali della Probabilità

1. Regola dell’Addizione

Per due eventi A e B, la probabilità che si verifichi A o B è data da:

P(A ∪ B) = P(A) + P(B) – P(A ∩ B)

Dove P(A ∩ B) è la probabilità che si verifichino entrambe gli eventi.

Esempio:

In un gruppo di 100 persone, 40 praticano calcio, 30 praticano basket e 15 praticano entrambi. Qual è la probabilità che una persona scelta a caso pratichi calcio o basket?

Soluzione: P(calcio ∪ basket) = 0.4 + 0.3 – 0.15 = 0.55 o 55%

2. Regola della Moltiplicazione

Per due eventi indipendenti A e B, la probabilità che si verifichino entrambi è:

P(A ∩ B) = P(A) × P(B)

Se gli eventi non sono indipendenti, si usa la probabilità condizionata:

P(A ∩ B) = P(A) × P(B|A)

Esempio:

Qual è la probabilità di ottenere due “testa” consecutivi lanciando una moneta?

Soluzione: P(testa) = 0.5 per ogni lancio. Poiché i lanci sono indipendenti:

P(2 teste) = 0.5 × 0.5 = 0.25 o 25%

3. Probabilità Condizionata

La probabilità condizionata misura la probabilità di un evento A dato che si è verificato un evento B:

P(A|B) = P(A ∩ B) / P(B)

Esempio:

In una classe ci sono 20 studenti: 12 ragazze (3 delle quali portano gli occhiali) e 8 ragazzi (2 dei quali portano gli occhiali). Se uno studente portato a caso porta gli occhiali, qual è la probabilità che sia una ragazza?

Soluzione:

1. P(ragazza ∩ occhiali) = 3/20 = 0.15
2. P(occhiali) = (3 + 2)/20 = 0.25
3. P(ragazza|occhiali) = 0.15 / 0.25 = 0.6 o 60%

Distribuzioni di Probabilità

1. Distribuzione Binomiale

Modella il numero di successi in un numero fisso di prove indipendenti, ciascuna con la stessa probabilità di successo. La formula è:

P(X = k) = C(n, k) × pᵏ × (1-p)ⁿ⁻ᵏ

Dove:

• n = numero di prove
• k = numero di successi
• p = probabilità di successo in una singola prova
• C(n, k) = coefficiente binomiale (“n scegli k”)

Esempio:

Un tiratore colpisce il bersaglio con probabilità 0.7. Qual è la probabilità che in 10 tentativi colpisca esattamente 8 volte?

Soluzione: P(X=8) = C(10,8) × (0.7)⁸ × (0.3)² ≈ 0.2333 o 23.33%

Parametri	n=10, p=0.5	n=20, p=0.3	n=50, p=0.1
Media (μ = n×p)	5	6	5
Varianza (σ² = n×p×(1-p))	2.5	4.2	4.5
P(X ≤ μ)	0.6230	0.7454	0.6065

2. Distribuzione Normale

La distribuzione normale (o gaussiana) è una delle più importanti distribuzioni continue. È simmetrica e a forma di campana, caratterizzata da media (μ) e deviazione standard (σ). La funzione di densità è:

f(x) = (1/σ√(2π)) × e⁻⁽⁽ˣ⁻ᵐᵘ⁾²⁄₂σ²⁾

Regola empirica (68-95-99.7):

• ≈68% dei dati cade entro μ ± σ
• ≈95% dei dati cade entro μ ± 2σ
• ≈99.7% dei dati cade entro μ ± 3σ

Esempio:

I punteggi di un test sono distribuiti normalmente con μ=70 e σ=10. Qual è la probabilità che uno studente scelto a caso abbia un punteggio tra 60 e 80?

Soluzione:

1. Standardizzare i valori: z₁ = (60-70)/10 = -1; z₂ = (80-70)/10 = 1
2. P(60 < X < 80) = P(-1 < Z < 1) ≈ 0.6826 o 68.26%

Teorema di Bayes

Il teorema di Bayes permette di aggiornare le probabilità alla luce di nuove informazioni. La formula è:

P(A|B) = [P(B|A) × P(A)] / P(B)

Esempio (Test Medico):

Un test per una malattia ha:

• Sensibilità (P(+|malato)) = 99%
• Specificità (P(-|sano)) = 99%
• Prevalenza della malattia = 0.1%

Se una persona risulta positiva, qual è la probabilità che sia realmente malata?

Soluzione:

1. P(malato) = 0.001; P(sano) = 0.999
2. P(+|malato) = 0.99; P(+|sano) = 0.01
3. P(+) = P(+|malato)×P(malato) + P(+|sano)×P(sano) = 0.00099 + 0.00999 = 0.01098
4. P(malato|+) = (0.99 × 0.001) / 0.01098 ≈ 0.0902 o 9.02%

Interpretazione: Nonostante il test sia molto accurato, la bassa prevalenza della malattia fa sì che solo il 9% dei positivi sia realmente malato (falsi positivi dominano).

Errori Comuni nel Calcolo delle Probabilità

1. Confondere probabilità condizionata: P(A|B) ≠ P(B|A). Questo è noto come fallacia dell’inversione condizionale.
2. Ignorare la dipendenza tra eventi: Usare P(A)×P(B) quando gli eventi non sono indipendenti.
3. Trascurare l’evento complementare: A volte è più facile calcolare P(non A) e poi fare 1 – P(non A).
4. Dimenticare di normalizzare: In problemi con probabilità condizionate, assicurarsi che la somma delle probabilità sia 1.
5. Sottostimare la variabilità: Nella distribuzione normale, eventi a 3σ dalla media sono rari ma non impossibili.

Applicazioni Pratiche della Probabilità

Il calcolo delle probabilità ha applicazioni in numerosi campi:

• Finanza: Valutazione del rischio, modelli di pricing delle opzioni (Black-Scholes).
• Medicina: Valutazione dell’efficacia dei trattamenti, diagnostica (teorema di Bayes).
• Informatica: Algoritmi randomizzati, machine learning, crittografia.
• Ingegneria: Affidabilità dei sistemi, controllo qualità.
• Scienze Sociali: Sondaggi, analisi dei dati elettorali.
• Giochi: Strategie ottimali in poker, blackjack, roulette.

Risorse Autorevoli per Approfondire

University of California, Berkeley – Introduction to Probability MIT OpenCourseWare – Introduction to Probability and Statistics NIST – Probability and Statistics for Random Number Generation

Conclusione

Il calcolo delle probabilità è uno strumento potente per quantificare l’incertezza e prendere decisioni informate. Dai problemi semplici come il lancio di un dado alle applicazioni complesse in intelligenza artificiale e finanza quantitativa, i principi della probabilità sono onnipresenti.

Per padronizzare questi concetti:

1. Inizia con problemi semplici per comprendere le basi.
2. Visualizza gli spazi campionari con diagrammi di Venn o alberi delle probabilità.
3. Pratica con esercizi di difficoltà crescente, come quelli presentati in questa guida.
4. Applica i concetti a situazioni reali per consolidare la comprensione.
5. Utilizza strumenti come il calcolatore interattivo sopra per verificare i tuoi calcoli.

Ricorda che la probabilità non è solo teoria: è una lente attraverso cui interpretare il mondo, dove l’incertezza è la norma e le decisioni informate fanno la differenza.