You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
P(<br />
B)<br />
= N<br />
i= 1<br />
i<br />
i=<br />
1<br />
N<br />
∑P(<br />
B ∩ A ) = ∑P(<br />
B / A ) P(<br />
A )<br />
i<br />
i<br />
dove abbiamo anche usato il teorema delle probabilità composte. D’altra parte, sempre sulla base<br />
del teorema delle probabilità composte scritto usando simmetricamente A e B posso derivare la<br />
relazione:<br />
P(<br />
A)<br />
P ( A/<br />
B)<br />
= P(<br />
B / A)<br />
P(<br />
B)<br />
Applicando questa relazione all’evento B ed al generico A k ed usando per P(B) la decomposizione<br />
sopra descritta, otteniamo:<br />
P(<br />
B / A ) P(<br />
A )<br />
k<br />
k<br />
P(<br />
A / B)<br />
=<br />
k<br />
N<br />
∑ P(<br />
B / A ) P(<br />
A )<br />
i=<br />
1<br />
i<br />
i<br />
Tale espressione esprime il Teorema di Bayes. Si tratta evidentemente di una conseguenza degli<br />
assiomi della probabilità. Proviamo a “leggere” questo teorema. Supponiamo che il fenomeno che<br />
sto studiando può aver luogo secondo N modalità diverse (gli N eventi Ai). Supponiamo inoltre di<br />
aver osservato l’evento B e di essere interessati a sapere quale o quali tra le N modalità Ai siano<br />
plausibilmente le “cause” di B. O, detto in termini più espliciti, se osservo l’effetto B e questo può<br />
essere dovuto a N cause diverse Ai, voglio, dall’osservazione dell’effetto stabilire la probabilità di<br />
ciascuna causa. Cosi’ formulato si tratta di un problema di straordinaria generalità. Infatti il<br />
procedimento dello sperimentatore consiste proprio nel registrare un effetto (il valore misurato) e<br />
nello stabilire un intervallo di probabilità per il valore vero che significa trovare quale tra le<br />
possibili cause é più plausibile.<br />
Il teorema di Bayes consente dunque di calcolare la probabilità delle cause, dato l’effetto osservato.<br />
Per fare ciò ho bisogno di 2 ingredienti:<br />
conoscenza di tutte le P ( A k ) cioè delle cosiddette “probabilità a priori” delle cause. Si tratta di<br />
una informazione che racchiude tutta la conoscenza a priori sul fenomeno che sto studiando. Se non<br />
ho nessuna conoscenza queste P ( A k ) immagino che siano uniformi cioè che tutte le cause possibili<br />
siano equiprobabili.<br />
conoscenza di tutte le P ( B / A k ). Si tratta per ogni Ak della probabilità di osservare l’effetto B<br />
se la causa che lo origina é Ak. Si chiama anche funzione di verosimiglianza (likelihood in<br />
inglese). E’ una funzione che racchiude tutte le conoscenze che ho sulla relazione tra causa ed<br />
effetto. Nel caso di un esperimento é la mia conoscenza dell’apparato di misura (precisione, errori<br />
sistematici, accuratezza, ripetibilità...)<br />
Il teorema di Bayes permette dunque di passare dalle probabilità per gli effetti alle probabilità per le<br />
cause. Può essere usato come base per il processo dell’inferenza che consiste proprio nel fare<br />
affermazioni sulle cause (i valori veri) dati gli effetti.<br />
(2.4) Il Calcolo Combinatorio.<br />
Vediamo ora alcune interessanti regole di calcolo che sono molto utilizzate nel calcolo delle<br />
probabilità, in particolare nella determinazione del numero dei casi favorevoli e di quello dei casi<br />
possibili che entrano nel metodo combinatorio di valutazione della probabilità. Parliamo del calcolo<br />
combinatorio. E’ importante sottolineare l’importanza del calcolo combinatorio in <strong>Fisica</strong>. Esso<br />
infatti entra in gioco non solo come vedremo nel calcolo delle probabilità, ma svolge un ruolo<br />
essenziale anche nella Meccanica Statistica, cioè in quel settore della <strong>Fisica</strong> Teorica nel quale<br />
vengono studiate le proprietà dei sistemi costituiti da molti elementi.<br />
I problemi di calcolo combinatorio di cui ci occuperemo qui, possono in generali essere tutti posti<br />
nel modo seguente. Supponiamo di avere un certo numero (diciamo n) di elementi, e supponiamo di<br />
avere la possibilità di disporre questi elementi in un certo numero (diciamo k) di caselle, un<br />
elemento a casella, secondo certe modalità date per costituire degli oggetti. Allora mi chiedo:<br />
quant’e il numero di oggetti che posso costituire o, detto in altri termini, il numero di modi in cui<br />
posso disporre gli n elementi nelle k caselle ?<br />
51