FORMULE PER IL CALCOLO

DELLE PROBABILITA

Marco Busato


INDICE

1. PROBABILITA DEGLI EVENTI 1

2. TEOREMI SULLA PROBABILITA 2

3. FORMULA DI BERNULLI 3

4. FORMULA DI BAYES 7

5. RICHIAMI DI CALCOLO COMBINATORIO 11

APPENDICE A1 Probabilit della unione e intersezione di un numero arbitrario di eventi 13


1. PROBABILITA DEGLI EVENTI

Sia A un evento qualsiasi. La probabilit che si verifichi A, indicata con ( ) P A , definita dalla
seguente relazione:


numero di casi favorevoli
( )
numero di casi possibili
P A = 1.1

e in ogni caso:

( ) [0, 1] P A 1.2

Sia A la negazione dellevento A. Allora la probabilit che si verifichi levento A, cio ( ) P A , ovvero
la probabilit che non si verifichi A risulta:

( ) 1 ( ) P A P A = 1.3

Se ( ) 1 P A = allora ovviamente ( ) 0 P A = . Levento la cui probabilit di verificarsi nulle verr nel
seguito indicato con . Dunque per definizione ( ) 0 P = .

Siano A e B due eventi distinti qualsiasi. Da essi si possono costruire in modo naturale i seguenti
nuovi eventi:

A B = si verifica A oppure B

A B = si verificano contemporaneamente A e B

| A B = si verifica A sapendo che si verificato B

| B A = si verifica B sapendo che si verificato A

Corrispondentemente risultano definite le seguenti probabilit associate agli eventi A e B:

( ) P A B = probabilit che si verifichi A oppure B

( ) P A B = probabilit che si verificano contemporaneamente A e B

( | ) P A B = probabilit che si verifichi A sapendo che si gi verificato B

( | ) P B A = probabilit che si verifichi B sapendo che si gi verificato A

Nota 1. Purch non sia A = , B = sicuramente A B , mentre anche se A e B
non necessariamente A B .

Nota 2. Le probabilit sopra definite si possono ovviamente calcolare con la formula generale 1.1,
ma spesso pi comodo usare i metodi esposti nel prossimo paragrafo.


1

2. TEOREMI SULLA PROBABILITA

Siano A e B due eventi distinti qualsiasi. Allora si possono presentare le seguenti due situazioni:

A B = In questo caso si dice che gli eventi A e B sono incompatibili. Due eventi
incompatibili non si possono verificare simultaneamente e per essi si ha:

( ) ( ) ( ) P A B P A P B = + 2.1

( ) 0 P A B = 2.2

A B In questo caso si dice che gli eventi sono compatibili. Due eventi compatibili si
possono verificare simultaneamente e possono a loro volta distinguersi in:

indipendenti: In pratica si pu dire che due eventi compatibili sono indipendenti
se il realizzarsi di uno non cambia la probabilit che si realizzi
laltro, cio se ( | ) ( ) P A B P A = e ( | ) ( ) P B A P B = . Per due eventi
di questo tipo si ha:

( ) ( ) ( ) ( ) P A B P A P B P A B = + 2.3

( ) ( ) ( ) P A B P A P B = 2.4

dipendenti: In pratica si pu dire che due eventi compatibili sono dipendenti se
il realizzarsi di uno cambia la probabilit che si realizzi laltro, cio
se ( | ) ( ) P A B P A e ( | ) ( ) P B A P B . Per due eventi di questo
tipo si ha:

( ) ( ) ( ) ( ) P A B P A P B P A B = + 2.5

( ) ( | ) ( ) ( ) ( | ) P A B P A B P B P A P B A = = 2.6

Le precedenti relazioni possono sintetizzarsi nelle seguenti due di valenza generale:

( ) ( ) ( ) ( ) P A B P A P B P A B = + 2.7

( ) ( | ) ( ) P A B P A B P B = oppure ( ) ( ) ( | ) P A B P A P B A = 2.8

Infatti se gli eventi A e B sono incompatibili ( ) 0 P A B = e la 2.7 coincide con la 2.1, mentre se
gli eventi A e B, supposti compatibili, sono indipendenti ( | ) ( ) P A B P A = e ( | ) ( ) P B A P B = e la
2.8 coincide con la 2.5.

Nota 1. La 2.7 e 2.8 si possono facilmente generalizzare al caso di eventi del tipo
1 2 n
A A A
ed
1 2 n
A A A . Si veda a tale proposito Appendice A1.

Nota 2. A seconda dei casi pu essere pi intuitivo calcolare ( | ) P A B oppure ( | ) P B A . Inoltre,
sempre a seconda dei casi, pu essere pi intuitivo calcolare ( ) P A B per mezzo della 2.8 oppure
calcolare ( ) P A B con la formula generale 1.1 e ricavare dalla 2.8 ( | ) P A B o ( | ) P B A noti che
siano rispettivamente ( ) P B oppure ( ) P A . In ogni caso la 2.7 lega fra loro quattro probabilit e la
conoscenza di tre di esse consente di determinare la quarta. Un discorso analogo vale per la 2.8.
2

3. FORMULA DI BERNULI

La formula di Bernulli consente di calcolare la probabilit che un evento A, di esito booleano, si
verifichi k volte in n prove identiche ed indipendenti. Sia:

( ) P A = probabilit che levento A si verifichi in una singola prova


,
( )
n k
P A = probabilit che levento A si verifichi k volte in n prove

Allora:


( ) ( )
, ,
( ) ( ) 1 ( )
k n k
n k n k
P A C P A P A

= 3.1

dove con
, n k
C si indicato il numero di combinazione di n oggetti in classe k:


,
!
( )! !
n k
n
C
n k k
=

3.2

Dalla 3.1 segue in particolare che:

la probabilit che levento A non si verifichi mai in n prove :


( )
,0
( ) 1 ( )
n
n
P A P A = 3.3

la probabilit che levento A si verifichi una sola volta in n prove :

( )
1
,1
( ) ( ) 1 ( )
n
n
P A n P A P A

= 3.4

Chiaramente, la probabilit che levento A si verifichi almeno k volte in n prove esattamente la
probabilit complementare a quella che in n prove: levento A non si verifichi mai, levento A si
verifichi solo una volta, , levento A si verifichi 1 k volte. Sia:


,
( )
n k
P A

= probabilit che levento A si verifichi almeno k volte in n prove

Allora in base a quanto appena detto risulta:


,0 ,2 , 1
,
( ) 1 ( ) ( ) ( )
n n n k
n k
P A P A P A P A

3.5

Dalla 3.5 segue in particolare che:

la probabilit che levento A si verifichi almeno una volta in n prove :


,0
,1
( ) 1 ( )
n
n
P A P A =

3.6

la probabilit che levento A si verifichi almeno due volte in n prove :


,0 ,1
,2
( ) 1 ( ) ( )
n n
n
P A P A P A =

3.7
3

La 3.1 consente di calcolare
,
( )
n k
P A , nota che sia la probabilit ( ) P A . Chiaramente, la conoscenza
della probabilit
,
( )
n k
P A pu consentire di calcolare ( ) P A , ma in questo caso possono essere
necessarie delle condizioni supplementari che derivano dalla natura del problema che si deve studiare.

In effetti, come mostrato in Figura 3.1 nel caso 24, 4 n k = = , per [0, 1] x , la funzione:

(1 )
k n k
y x x

= 3.8

presenta un andamento a campana con un massimo nel punto di ascissa:


k
x
n
= 3.9

Si ha:


( )
( )
k n k
n
k n k
y x
n

= 3.10



Figura 3.1

Dunque, il problema di determinare la probabilit ( ) P A nota la probabilit
,
( )
n k
P A pu ammettere,
per k ed n fissati, soluzione se e solo se si assume:


,
! ( )
( )
( )! !
k n k
n k n
n k n k
P A
n k k n

3.11

Se nella 3.11 si considera il segno di uguaglianza, allora si ha una soluzione formale unica:

( )
k
P A
n
= 3.12

Se invece nella 3.11 si considera la diseguaglianza stretta, il problema presenta due soluzioni formali.
Parliamo di soluzioni formali in quanto non detto che le soluzioni trovate siano accettabili. Infatti,
la probabilit ( ) P A deve sempre essere esprimibile nella forma:


numero di casi favorevoli
( )
numero di casi possibili
P A = 3.13
4

e ci pu comportare delle restrizioni sui valori accettabili di

( ) P A . Questo punto chiarito in
Esempio 3.2.

Esempio 3.1

Si domanda se pi probabile ottenere almeno un volta il valore 1 lanciando un dado 4 volte di
seguito, oppure ottenere almeno una volta una coppia di 1 lanciando due dadi 24 volte di seguito.

Caso del lancio di un dado

Levento A ottenere 1 dal lancio di un dado. La probabilit di A in un singolo lancio :


1
( )
6
P A = 3.14

Il nostro problema calcolare
4,1
( ) P A

. Usando la 3.6 si trova:

( ) ( )
4 4
0 4
4,0 4,0
4,1
1 5
( ) 1 ( ) 1 ( ) 1 ( ) 1 11 1 1 0.5177
6 6
P A P A C P A P A
| | | |
= = = =
| |
\ . \ .

3.15

Caso del lancio di due dadi

Levento A ottenere una coppia di 1 dal lancio simultaneo di due dadi. La probabilit di A in un
singolo lancio :


1
( )
36
P A = 3.16

Il nostro problema calcolare
24,1
( ) P A

. Usando la 3.6 si trova:

( ) ( )
24
0 24
24,0 24,0
24,1
1
( ) 1 ( ) 1 ( ) 1 ( ) 1 11 1
36
P A P A C P A P A
(
| |
(
= = = =
(
|

\ .
(

24,1
24
35
1 0.4914
36
( ) P A
| |
=
|
\ .

3.17

La probabilit della prima modalit di lancio quindi del 51.77% mentre quella della seconda
modalit di lancio del 49.14%. Risulta pertanto pi conveniente la prima modalit di lancio.

Esempio 3.2

Da unurna contenente 40 palline fra rosse e blu si sono eseguite 20 estrazioni di singole palline con
reinserimento della palina estratta. Le estrazioni di palline rosse sono state 4.

1) Sapendo che la probabilit di 4 estrazioni di palline rosse in 20 estrazioni del 13.042%, calcolare
quante palline rosse sono contenute nellurna.

2) Determinare il numero di palline rosse da mettere nellurna affinch la probabilit di 4 estrazioni
di palline rosse in 20 estrazioni consecutive sia massima.

Risposta al quesito 1

Levento A ottenere lestrazione di una pallina rossa. Detto x il numero di palline rosse, la
probabilit di A in una singola estrazione :
5

( )
40
x
P A = 3.18

Sappiamo che
20,4
( ) 0.13042 P A = , per cui essendo
20,4
4845 C = , dalla 3.1 otteniamo la seguente
equazione in x:


4 16
4845 1 0.13042
40 40
x x | | | |
=
| |
\ . \ .

20
4 16
0.13042 40
(40 )
4845
x x

= 3.19

Le soluzioni accettabili di questa equazione sono i valori interi da 1 (nellurna deve esservi almeno
una pallina rossa) a 39 (nellurna deve esservi almeno una pallina blu). La precedete equazione
nellintervallo [1, 39] ammette le seguenti due soluzioni:


1
4.80977 x = ;
2
12 x = 3.20

La prima non accettabile mentre la seconda s. Dunque nellurna devono esservi 12 palline rosse.

Si noti che se per
20,4
( ) P A si fosse ad esempio scelto il valore 0.12, il problema non avrebbe avuto
soluzione. Ci significa che non possibile con 40 palline fra rosse e blu ottenere in 20 estrazioni 4
estrazioni di palline rosse con la probabilit del 12%.

Risposta al quesito 2

Affinch la probabilit
20,4
( ) P A sia massima per la 3.12 deve essere:


4
( )
20
P A = 3.21

Per la 3.18 deve quindi aversi:


4
40 20
x
= 8 x = 3.22

Il valore di x trovato, essendo un intero maggiore di 0 e minore di 40, quello da assumere come
soluzione del problema in esame. Dunque, affinch la probabilit
20,4
( ) P A sia massima, lurna deve
contenere 8 palline rosse.

Si noti che se il valore di x trovato non fosse stato un numero intero, allora come soluzione avremmo
dovuto assumere il numero intero pi prossimo al valore di x trovato.




6

4. FORMULA DI BAYES

Siano A, B due eventi incompatibili (cio tali che A B = ) la cui unione costituisce la totalit degli
eventi possibili di un dato problema. Sia quindi E un evento qualsiasi che possa essere generato o
causato dagli eventi A e B (o anche da uno solo di essi). Introduciamo infine le seguenti notazioni:

( ) p A = probabilit che si verifichi levento A

( ) p B = probabilit che si verifichi levento B

( ) p E = probabilit che si verifichi levento E

( | ) p E A = probabilit che si verifichi levento E nellipotesi che si verificato levento A

( | ) p E B = probabilit che si verifichi levento E nellipotesi che si verificato levento B

Allora, avvalendosi dei teoremi sulla probabilit riportati nel Paragrafo 2, facile verificare che:

( ) ( ) ( | ) ( ) ( | ) P E P A P E A P B P E B = + 4.1

Infatti, per come gli eventi A, B ed E sono stati definiti levento E si pu rappresentare nella forma
seguente:

( ) ( ) E E A E B = 4.2

e risulta ( ) ( ) E A E B = .

Da un punto di vista generale la formula 4.1 risolve il seguente problema: calcolare la probabilit di
un evento E che pu essere generato dal verificarsi di due differenti eventi indipendenti A e B. E
interessante anche risolvere il problema inverso cio: supposto avvenuto un evento E che pu essere
generato dal verificarsi di due differenti eventi indipendenti A e B, calcolare la probabilit che a
generare E sia stato A oppure B. Questultimo manifestamente un problema di diagnosi, in quanto
si propone di determinare la probabilit delle cause che hanno generato un certo effetto. La soluzione
di questo problema fornita dalla Formula di Bayes qui di seguito riportata. In pratica ci proponiamo
di determinare:

( | ) p A E = probabilit che si sia verificato levento A sapendo che si verificato levento E

( | ) p B E = probabilit che si sia verificato levento B sapendo che si verificato levento E

Si ha (formula di Bayes):


( | ) ( )
( | )
( | ) ( ) ( | ) ( )
p E A p A
p A E
p E A p A p E B p B
=
+
4.3


( | ) ( )
( | )
( | ) ( ) ( | ) ( )
p E B p B
p B E
p E A p A p E B p B
=
+
4.4

Si noti che le 4.3 e 4.4 legano fra loro cinque differenti probabilit e quindi in pratica, note quattro di
esse, consentono di determinare la quinta (qualunque essa sia). Si possono quindi presentare nelle
applicazioni delle 4.3 e 4.4 due differenti tipi di problemi:

7

problema diretto: determinare la probabilit ( | ) p A E e ( | ) p B E

problema inverso: determinare la probabilit ( | ) p E A e ( | ) p E B oppure ( ) P A o ( ) P B

Negli esempi che seguono mostriamo lapplicazione della formula 4.1 e della formula di Bayes 4.3
(sia nel caso di problema diretto che di problema inverso).

Concludiamo il paragrafo osservando che la 4.1 e le 4.3 e 4.4 possono facilmente essere generalizzate
al caso di n eventi causa
i
A , 1, 2, ..., i n = , tutti fra loro incompatibili (cio tali che
i j
A A = ,
i j ) e costituenti la totalit delle possibili cause di un dato evento effetto E. Quando si considera
un numero generico di cause, la 4.1 deve essere sostituita dalla formula seguente:


1
( ) ( ) ( | )
n
i i
i
P E P A P E A
=
=

4.5

Le 4.3 e 4.4 vengono invece sostituite dalle seguenti n relazioni:


1
( | ) ( )
( | )
( ) ( | )
i i
i n
i i
i
p E A p A
p A E
P A P E A
=
=

4.6

Esempio 4.1

Vi sono due scatole. La prima contenente 12 paline rosse e 8 blu. La seconda contenente 4 palline
rosse e 10 blu. Si sceglie a caso una scatola e si estrae da essa una pallina. Quale la probabilit che
la pallina estratta sia rossa?

Gli eventi causa, cio gli eventi A e B, sono relativi alla scelta della scatola. Sia dunque: A =scelta
della prima scatola, B = scelta della seconda scatola. Levento E invece estrazione di una
pallina rossa. Poich le scatole due e sono scelte a caso, si ha:


1
( )
2
P A = ;
1
( )
2
P B = 4.7

Si ha poi manifestamente:


12
( | )
20
P E A =
3
( | )
5
P E A = 4.8


4
( | )
14
P E B =
2
( | )
7
P E B = 4.9

Dalla 4.1 si ottiene allora:


13 12 31
( ) 0.4429
25 27 70
P E = + = 4.10

La probabilit richiesta quindi del 44.29%.

8

Esempio 4.2

Vi sono due scatole. La prima contenente 12 paline rosse e 8 blu. La seconda contenente 4 palline
rosse e 10 blu. Si sceglie a caso una scatola e si estrae da essa una pallina che risulta rossa. Quale
la probabilit che la pallina sia stata estratta dalla prima scatola?

Gli eventi A, B ed E sono quelli di Esempio 4.1. Dobbiamo calcolare la probabilit ( | ) P A E che per
la 4.3 fornita dalla seguente relazione:


( | ) ( )
( | )
( | ) ( ) ( | ) ( )
p E A p A
p A E
p E A p A p E B p B
=
+
4.11

Si ha quindi, essendo le probabilit a secondo membro tutte note (v. 4.7 4.9):


31
21
52
( | ) 0.6774
31 21
31
52 72
p A E = =
+
4.12

La probabilit richiesta quindi del 67.74%.

Esempio 4.3

Vi sono due scatole. La prima contenente paline rosse e palline blu in quantit non precisata. La
seconda contenente 4 palline rosse e 10 blu. Si lancia una moneta e:
se esce testa si estrae una pallina dalla prima scatola
se esce croce si estrae una pallina dalla seconda scatola
Sapendo che la probabilit che una pallina rossa sia stata estratta dalla prima scatola del 38.65%,
calcolare la percentuale di palline rosse nella prima scatola.

Gli eventi A, B ed E sono quelli di Esempio 4.1. In questo caso per nota ( | ) 0.3865 P A E = mentre
lincognita ( | ) P E A che legata al numero di palline rosse e blu contenute nella prima scatola:


numero palline rosse in scatola 1
( | )
palline totali nella scatola 1
P E A = 4.13

Chiaramente:


1
( )
2
P A = ;
1
( )
2
P B = 4.14

Inoltre:


4
( | )
14
P E B =
2
( | )
7
P E B = 4.15

Dalla 4.3 considerando come incognita ( | ) P E A si ottiene la formula:

9


( | ) ( | ) ( )
( | )
( )(1 ( | ))
p E B p A E p B
p E A
p A p A E
=

4.16

Si ha quindi:


2 3865 1
1546
7100002
( | ) 0.18
1 3865
8589
(1 )
2 10000
p E A = =

4.2

La percentuale di palline rosse contenute nella prima scatola dunque del 18%.




10

5. RICHIAMI DI CALCOLO COMBINATORIO

Combinazioni semplici:
, n k
C

Rappresenta il numero di k-uple che si possono formare con n oggetti distinti, n k > , quando sono
verificate le seguenti due condizioni:

1) le k-uple si considerano distinte in base ai soli oggetti contenuti e non per la loro posizione,

2) ogni oggetto pu comparire solo una volta in ogni k-upla.


,
!
!( )!
n k
n
C
k n k
=

5.1

Combinazioni con ripetizione:
,
'
n k
C

Rappresenta il numero di k-uple che si possono formare con n oggetti distinti, nessuna ipotesi su n e
k, quando sono verificate le seguenti due condizioni:

1) le k-uple si considerano distinte in base ai soli oggetti contenuti e non per la loro posizione,

2) ogni oggetto pu comparire pi di una volta in ogni k-upla.


,
( 1 )!
'
!( 1)!
n k
n k
C
k n
+
=

5.2

Disposizioni semplici:
, n k
D

Rappresenta il numero di k-uple che si possono formare con n oggetti distinti, n k > , quando sono
verificate le seguenti due condizioni:

1) le k-uple si considerano distinte in base agli oggetti contenuti e la loro posizione,

2) ogni oggetto distinto pu comparire solo una volta in ogni k-upla.


,
!
( )!
n k
n
D
n k
=

5.3

Disposizioni con ripetizione:
,
'
n k
D

Rappresenta il numero di k-uple che si possono formare con n oggetti distinti, nessuna ipotesi su n e
k, quando sono verificate le seguenti due condizioni:

1) le k-uple si considerano distinte in base agli oggetti contenuti e la loro posizione,

2) ogni oggetto pu comparire pi di una volta in ogni k-upla.


,
'
k
n k
D n = 5.4

Permutazioni semplici:
n
P

Rappresenta il numero di n-uple che si possono formare con n oggetti distinti. Le n-uple si
considerano distinte in base alla posizione che in esse hanno gli oggetti.

!
n
P n = 5.5

11

Permutazioni con ripetizione:
1 2
, ,...n
k
n n
n
P

Rappresenta il numero di n-uple che si possono formare con n oggetti non distinti, fra i quali se ne
esistono k distinti ciascuno ripetuto
i
n volte (dunque: 1, 2, ..., i k = ;
1 2 k
n n n n + + + = ). Le n-uple
si considerano distinte in base alla posizione che in esse hanno i k oggetti distinti e non quelli ripetuti.


1 2
, ,...n
1 2
!
! ! !
k
n n
n
k
n
P
n n n
=

5.6

Il concetto di permutazioni con ripetizione illustrato in Esempio 1 ed Esempio 2.

Nota: certe volte occorre determinare il numero di possibili raggruppamenti non direttamente
riconducibili ad uno dei casi sopra elencati. Occorre allora scomporre il problema in sotto problemi
risolubili con i casi sopra elencati. Si veda a tale proposito Esempio 3.

Esempio 1. Consideriamo gli oggetti A, A, B, C. In tutto sono quattro oggetti e le quaterne che si
possono formare con essi sono 4! 24 = . Per ad esempio la quaterna (A, A, B, C) deve contare una
volta sola, in quanto non c modo di distinguere le due A. Si noti infatti che se invece di A avessimo
1
A ed
2
A allora le due quaterne (
1 2
A , A , B, C) ed (
2 1
A , A , B, C) dovrebbero considerarsi diverse.
In tutto con le due A si possono formare 2! 2 = coppie, quindi il numero di permutazioni dei 4 oggetti
A, A, B, C 24/ 2 12 = . Questo risultato era intuibile perch ogni quaterna deve contarsi una volta
sola e non due.

Esempio 2. Anagrammi possibili con la parola ORO. Si hanno 3 oggetti non distinti e 2 oggetti
distinti: R di molteplicit 1 ed O di molteplicit 2. In base alla 5.6 il numero di anagrammi possibili
(anche privi di significato) : 3!/ (1! 2!) 3 = . Infatti gli anagrammi possibili sono: ORO, ROO, OOR.
Rendiamo distinguibili le O e vediamo cosa succede. Scriviamo ORO cos: O1RO2. I possibili
anagrammi sono allora: O1RO2, RO1O2, RO2O1, O2RO1, O2O1R, O1O2R. Le O in realt sono per
indistinguibili, quindi O1RO2 =O2RO1, e cos anche per gli altri anagrammi simili.

Esempio 3. Dimostrare che le possibili targhe automobilistiche italiane sono 390625000. Le targhe
sono del tipo AB 123 CD quindi il loro numero
25,2 10,3 25,2
' ' ' D D D . Si devono usare le disposizioni
con ripetizione, infatti non solo sono diverse le coppie AB e BA (quindi disposizioni), ma sono
possibili anche coppie del tipo AA e BB. Le lettere distinte sono 25 perch si considera lalfabeto
esteso: 21 lettere dellalfabeto italiano dalla A alla Z, alle quali va sottratta la lettera O (che potrebbe
confondersi con la D) pi le lettere K, J , W, X, Y. Le targhe le cui prime due lettere sono ZA sono
riservate alle auto che nel posteriore devono usare targhe quadrate. Esse sono in tutto
10,3 25,2
' ' D D ,
cio 625000.




12

APPENDICE A1 Probabilit della unione ed intersezione di un numero arbitrario di eventi

Al Paragrafo 2 abbiamo visto che nel caso di due eventi A e B qualsiasi risulta:

( ) ( ) ( ) ( ) P A B P A P B P A B = + A1.1

( ) ( | ) ( ) P A B P A B P B = oppure ( ) ( ) ( | ) P A B P A P B A = A1.2

dove se gli eventi A e B sono incompatibili ( ) 0 P A B = (e non definiamo ( | ) P A B e ( | ) P B A ),
mentre se gli eventi A e B sono compatibili, per cui ( ) 0 P A B e sono definite le probabilit
( | ) P A B e ( | ) P B A , occorre distinguere fra eventi indipendenti e dipendenti. Nel primo caso si ha
( | ) ( ) P A B P A = e ( | ) ( ) P B A P B = , mentre nel secondo caso ( | ) P A B e ( | ) P B A hanno valori
differenti da ( ) P A e ( ) P B .

Consideriamo ora n eventi qualsiasi
1 2
, , ...,
n
A A A e studiamo la probabilit degli eventi loro unione
ed intersezione:
1 2 n
A A A ed
1 2 n
A A A . Poich:


1 2 1 2
( )
n n
A A A A A A = A1.3


1 2 1 2
( )
n n
A A A A A A = A1.4

dalle A1.1 ed A1.2 si ottiene con evidente simbolismo:


1 2 1 2 1 2
( ) ( ) ( ) ( ( ))
n n n
P A A A P A P A A P A A A = + A1.5


1 2 1 2 2
( ) ( | ) ( )
n n n
P A A A P A A A P A A = A1.6

Procedendo in modo analogo sulle probabilit
2
( )
n
P A A ,
2
( )
n
P A A nonch utilizzando
la propriet distributiva delle operazioni unione e intersezione di eventi, si trovano allora le
espressioni che generalizzano la A1.1 e A1.2 al caso della unione e intersezione di un generico
numero di eventi qualsiasi. In particolare, si pu dimostrare che:

1) Se gli eventi sono a due a due incompatibili, cio
i j
A A = per i j , allora:


1 2 1 2
( ) ( ) ( ) ( )
n n
P A A A P A P A P A = + + + A1.7

2) Se gli eventi sono a due a due compatibili ed indipendenti, cio
i j
A A e ( | ) ( )
i j i
P A A P A =
per , 1, 2, ..., i j n = , allora:


1 2 1 2
( ) ( ) ( ) ( )
n n
P A A A P A P A P A = A1.8

3) Se gli eventi sono a due a due compatibili e dipendenti, cio
i j
A A e ( | ) ( )
i j i
P A A P A
per , 1, 2, ..., i j n = , allora:


1 2 1 2 2 3 1
( ) ( | ) ( | ) ( | ) ( )
n n n n n n
P A A A P A A A P A A A P A A P A

= A1.9

A titolo desempio ricaviamo la formula generale per
1 2 3
( ) P A A A e
1 2 3
( ) P A A A .
13

Formula generale per
1 2 3
( ) P A A A

In forza della A1.5 si ha:


1 2 3 1 2 3 1 2 3
( ) ( ) ( ) ( ( )) P A A A P A P A A P A A A = + A1.10

Ma:


1 2 1 2 1 2
( ) ( ) ( ) ( ) P A A P A P A P A A = + A1.11

Inoltre, essendo
1 2 3 1 2 1 3
( ) ( ) ( ) A A A A A A A = , si ha:


1 2 3 1 2 1 3 1 2 1 3
( ( )) ( ) ( ) (( ) ( )) P A A A P A A P A A P A A A A = + A1.12

ovvero pi semplicemente, tenendo conto che
1 2 1 3 1 2 3
( ) ( ) A A A A A A A = :


1 2 3 1 2 1 3 1 2 3
( ( )) ( ) ( ) ( ) P A A A P A A P A A P A A A = + A1.13

Dalla A1.10 si ottiene quindi:


1 2 3 1 2 3 1 2 1 3 2 3
( ) ( ) ( ) ( ) ( ) ( ) ( ) P A A A P A P A P A P A A P A A P A A = + + +


3 2 1 1 2 3
( ) ( ) P A A A P A A A + A1.14

Questa la formula generale che esprime
1 2 3
( ) P A A A qualunque siano gli eventi
1 2 3
, , A A A . Da
essa si traggono le formule particolari valide nei casi in cui gli eventi
1 2 3
, , A A A siano legati da
qualche condizione di incompatibilit o dipendenza.

Formula generale per
1 2 3
( ) P A A A

Supposto che gli eventi
1 2 3
, , A A A siano fra loro tutti compatibili (in caso contrario
1 2 3
A A A =
e quindi
1 2 3
( ) 0 P A A A = ), in forza della A1.6 si ha:


1 2 3 1 2 3 2 3
( ) ( | ) ( ) P A A A P A A A P A A = A1.15

Ma:


2 3 2 3 3
( ) ( | ) ( ) P A A P A A P A = A1.16

Possiamo quindi concludere che:


1 2 3 1 2 3 2 3 3
( ) ( | ) ( | ) ( ) P A A A P A A A P A A P A = A1.17

Questa la formula generale che esprime
1 2 3
( ) P A A A qualunque siano gli eventi
1 2 3
, , A A A ,
purch ovviamente compatibili. Da essa si traggono le formule particolari valide nei casi in cui gli
eventi
1 2 3
, , A A A siano legati da qualche condizione di inclusione o dipendenza.
14

Per illustrare come le relazioni A1.14 ed A1.17 si modificano in particolari situazioni, consideriamo
dei casi concreti.

Caso 1

Gli eventi
1 2 3
, , A A A soddisfino alle seguenti condizioni:
1 2 3
A A A ,
1 2 3
, , A A A tutti fra loro
indipendenti. Allora innanzitutto dalla A1.17 si ottiene:


1 2 3 1 2 3
( ) ( ) ( ) ( ) P A A A P A P A P A = A1.18

Per quanto riguarda
1 2 3
( ) P A A A osserviamo invece che nel caso in esame si ha:


1 2 1 2
( ) ( ) ( ) P A A P A P A = A1.19


1 3 1 3
( ) ( ) ( ) P A A P A P A = A1.20


2 3 2 3
( ) ( ) ( ) P A A P A P A = A1.21

Possiamo quindi concludere che nel caso in esame:


1 2 3 1 2 3 1 2 1 3 2 3
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P A A A P A P A P A P A P A P A P A P A P A = + + +


2 2 3 3 1 1
( ) ( ) ( ) ) ( P A P A P P A A A A + A1.22

Caso 2

Gli eventi
1 2 3
, , A A A soddisfino alle seguenti condizioni:
1 2 3
A A A ,
1 2 3
, , A A A tutti fra loro
dipendenti. Allora innanzitutto dalla A1.17 si ottiene:


1 2 3 1 2 3 2 3 3
( ) ( | ) ( | ) ( ) P A A A P A A A P A A P A = A1.23

Per quanto riguarda
1 2 3
( ) P A A A osserviamo invece che nel caso in esame si ha:


1 2 1 2 2
( ) ( | ) ( ) P A A P A A P A = A1.24


1 3 1 3 3
( ) ( | ) ( ) P A A P A A P A = A1.25


2 3 2 3 3
( ) ( | ) ( ) P A A P A A P A = A1.26

Possiamo quindi concludere che nel caso in esame:


1 2 3 1 2 3 1 2 2 1 3 3
( ) ( ) ( ) ( ) ( | ) ( ) ( | ) ( ) P A A A P A P A P A P A A P A P A A P A = + + +


2 3 3 3 2 1 1 2 3 2 3 3
( | ) ( ) ( | ) ( | ) ( ) ( ) P A A P A P A A P A A A A A A P A P + A1.27

Chiaramente, si potrebbero considerare mole altre situazioni. Esse, in ogni caso, andrebbero trattate
come ora illustrato. A tale proposito osserviamo che se
i j
A A , allora:
15


i j j
A A A = ;
i j i
A A A = A1.28

e di conseguenza:

( ) ( )
i j j
P A A P A = A1.29

( ) ( )
i j i
P A A P A = A1.30

( | ) ( | )
k i j k i
P A A A P A A = A1.31

Osservazione: Le formule che esprimono
1 2
( )
n
P A A A , in particolare la A1.8 e la A1.9, sono
importanti perch molti eventi composti sono interpretabili come intersezione di eventi elementari.
Ci succede ad esempio nelle estrazioni successive di oggetti da unurna. In questo caso gli eventi
elementari sono le singole estrazioni ed essi sono indipendenti se le estrazioni vengono eseguite con
reimmissione, mentre sono dipendenti se le estrazioni vengono eseguite senza reimmissione.


16