<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>probabilità &#8211; paologironi blog</title>
	<atom:link href="https://www.gironi.it/blog/tag/probabilita-it/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.gironi.it/blog</link>
	<description>Appunti sparsi di (retro) informatica, analisi dei dati, statistica, seo, e cose che cambiano</description>
	<lastBuildDate>Tue, 10 Nov 2026 15:16:23 +0000</lastBuildDate>
	<language>it-IT</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>Probabilità: spazio campionario, eventi, permutazioni e combinazioni</title>
		<link>https://www.gironi.it/blog/probabilita-permutazioni-e-combinazioni/</link>
					<comments>https://www.gironi.it/blog/probabilita-permutazioni-e-combinazioni/#respond</comments>
		
		<dc:creator><![CDATA[paolo]]></dc:creator>
		<pubDate>Wed, 15 Mar 2023 09:46:10 +0000</pubDate>
				<category><![CDATA[statistica]]></category>
		<category><![CDATA[combinazioni]]></category>
		<category><![CDATA[fattoriale]]></category>
		<category><![CDATA[permutazioni]]></category>
		<category><![CDATA[probabilità]]></category>
		<guid isPermaLink="false">https://www.gironi.it/blog/?p=2731</guid>

					<description><![CDATA[Quante probabilità ci sono che una pagina vada in prima pagina? O che un test A/B dia un risultato affidabile? Domande come queste — all&#8217;apparenza molto diverse — condividono la stessa radice: per rispondere servono probabilità e combinatoria. In questo post gettiamo le basi, partendo dallo spazio campionario ed esplorando insieme gli strumenti fondamentali che &#8230; <a href="https://www.gironi.it/blog/probabilita-permutazioni-e-combinazioni/" class="more-link">Leggi tutto<span class="screen-reader-text"> "Probabilità: spazio campionario, eventi, permutazioni e combinazioni"</span></a>]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">Quante probabilità ci sono che una pagina vada in prima pagina? O che un test A/B dia un risultato affidabile? Domande come queste — all&#8217;apparenza molto diverse — condividono la stessa radice: per rispondere servono <strong>probabilità</strong> e <strong>combinatoria</strong>. In questo post gettiamo le basi, partendo dallo spazio campionario ed esplorando insieme gli strumenti fondamentali che ci accompagneranno per tutto il percorso.</p>



<span id="more-2731"></span>



<p class="wp-block-paragraph"><strong>In sintesi:</strong> lo <strong>spazio campionario</strong> (Ω) è l&#8217;insieme di tutti i risultati possibili di un esperimento casuale, un <strong>evento</strong> è un suo sottoinsieme. Quando tutti i risultati sono ugualmente probabili, la probabilità di un evento è il rapporto fra <strong>casi favorevoli e casi possibili</strong>: un 4 con un dado vale 1/6. Per contare i casi senza elencarli si usa il calcolo combinatorio: <strong>permutazioni</strong> (n!) se si ordinano tutti gli elementi, <strong>disposizioni</strong> se se ne sceglie qualcuno e l&#8217;ordine conta, <strong>combinazioni</strong> se l&#8217;ordine non conta.</p>


				<div class="wp-block-uagb-table-of-contents uagb-toc__align-left uagb-toc__columns-1  uagb-block-dd0eddc7      "
					data-scroll= "1"
					data-offset= "30"
					style=""
				>
				<div class="uagb-toc__wrap">
						<div class="uagb-toc__title">
							Di cosa parleremo						</div>
																						<div class="uagb-toc__list-wrap ">
						<ol class="uagb-toc__list"><li class="uagb-toc__list"><a href="#come-si-calcola-una-probabilità" class="uagb-toc-link__trigger">Come si calcola una probabilità?</a><li class="uagb-toc__list"><a href="#il-principio-di-additività-delle-probabilità-per-eventi-incompatibili" class="uagb-toc-link__trigger">Il principio di additività delle probabilità per eventi incompatibili</a><li class="uagb-toc__list"><a href="#il-principio-di-moltiplicazione-delle-probabilità" class="uagb-toc-link__trigger">Il principio di moltiplicazione delle probabilità</a><li class="uagb-toc__list"><a href="#cosa-sono-le-permutazioni" class="uagb-toc-link__trigger">Cosa sono le permutazioni?</a><li class="uagb-toc__list"><a href="#cosa-sono-le-disposizioni" class="uagb-toc-link__trigger">Cosa sono le disposizioni?</a><li class="uagb-toc__list"><a href="#cosa-sono-le-combinazioni" class="uagb-toc-link__trigger">Cosa sono le combinazioni?</a><li class="uagb-toc__list"><a href="#unapplicazione-la-distribuzione-binomiale" class="uagb-toc-link__trigger">Un&#039;applicazione: la distribuzione binomiale</a><li class="uagb-toc__list"><a href="#domande-frequenti" class="uagb-toc-link__trigger">Domande frequenti</a></ol>					</div>
									</div>
				</div>
			


<h2 class="wp-block-heading">Come si calcola una probabilità?</h2>



<p class="has-light-gray-background-color has-background wp-block-paragraph">La probabilità è una misura matematica che ci indica la possibilità che un evento si verifichi. In altre parole, quando tutti i casi sono ugualmente probabili, la probabilità è il rapporto tra il numero dei casi favorevoli e il numero dei casi possibili.</p>



<p class="has-text-align-left has-white-background-color has-background wp-block-paragraph">La probabilità si basa su due concetti fondamentali: lo <strong>spazio campionario</strong> e l&#8217;<strong>evento</strong>.</p>



<h3 class="wp-block-heading">Che cos&#8217;è lo spazio campionario?</h3>



<p class="wp-block-paragraph">Lo <strong>spazio campionario</strong> è l&#8217;insieme di tutti i possibili risultati di un esperimento casuale. Di solito si indica con la lettera greca <strong>Ω</strong> (omega), a volte con S.<br>Se lanciamo una moneta, Ω = {testa, croce}. Se lanciamo un dado, Ω = {1, 2, 3, 4, 5, 6}. Se lanciamo due dadi, Ω = {(1,1), (1,2), …, (6,6)}: 36 coppie in tutto, perché ognuna delle 6 facce del primo dado può combinarsi con ognuna delle 6 del secondo.</p>



<p class="wp-block-paragraph">Il numero degli elementi dello spazio campionario si scrive |Ω| (si legge «cardinalità di omega»): nel lancio di due dadi |Ω| = 36. È il denominatore di tutte le probabilità che calcoleremo fra poco, ed è per questo che conviene sempre scriverlo per primo.</p>



<h3 class="wp-block-heading">Che cos&#8217;è un evento?</h3>



<p class="wp-block-paragraph">Un <strong>evento</strong> è un sottoinsieme dello spazio campionario che ci interessa.<br>Per esempio, se lanciamo una moneta e ci interessa sapere se uscirà testa o croce, l&#8217;evento è {testa} o {croce}. Se lanciamo due dadi e ci interessa se la somma dei numeri è pari o dispari, l&#8217;evento «somma pari» è {(1,1), (1,3), (2,2), …, (6,6)}, che contiene 18 coppie; l&#8217;evento «somma dispari» è {(1,2), (1,4), …, (6,5)}, con le altre 18.</p>



<h3 class="wp-block-heading">Casi favorevoli su casi possibili</h3>



<p class="has-light-gray-background-color has-background wp-block-paragraph"><strong>La probabilità di un evento si calcola dividendo il numero dei casi favorevoli al verificarsi dell&#8217;evento per il numero dei casi possibili nello spazio campionario</strong>, purché i casi siano tutti ugualmente probabili (un dado equilibrato sì, un dado truccato no).</p>



<div class="wp-block-uagb-image aligncenter uagb-block-9e81534e wp-block-uagb-image--layout-default wp-block-uagb-image--effect-static wp-block-uagb-image--align-center"><figure class="wp-block-uagb-image__figure"><img decoding="async" src="https://www.gironi.it/blog/wp-content/uploads/2023/03/probabilita.jpg" alt="immagine di dadi per suggerire il concetto di probabilità" class="uag-image-2774" width="" height="" title="" loading="lazy" /></figure></div>



<p class="wp-block-paragraph">Per esempio:</p>



<p class="wp-block-paragraph">se abbiamo un dado a sei facce e vogliamo sapere la probabilità di ottenere un 4 tirando il dado, abbiamo 1 caso favorevole (la faccia con il numero 4) rispetto a 6 casi possibili (le sei facce del dado).<br><strong>Quindi, la probabilità di ottenere un 4 è di 1/6.</strong></p>



<p class="wp-block-paragraph">Altri possibili e semplici esempi:</p>



<ul class="wp-block-list">
<li>La probabilità che esca testa lanciando una moneta è 1/2</li>



<li>La probabilità che la somma dei numeri sia pari lanciando due dadi è 18/36 = 1/2</li>
</ul>



<p class="has-light-gray-background-color has-background wp-block-paragraph"><strong>La probabilità si esprime in numeri compresi tra 0 e 1, dove 0 indica l&#8217;impossibilità dell&#8217;evento e 1 indica la certezza dell&#8217;evento.</strong></p>



<p class="wp-block-paragraph">Un valore di probabilità vicino a 0 indica una bassa possibilità che l&#8217;evento si verifichi, mentre un valore di probabilità vicino a 1 indica una alta possibilità che l&#8217;evento si verifichi.</p>



<h2 class="wp-block-heading">Il principio di additività delle probabilità per eventi incompatibili</h2>



<p class="has-light-gray-background-color has-background wp-block-paragraph">Il principio di additività delle probabilità per <strong>eventi incompatibili</strong> afferma che la probabilità dell&#8217;unione di due o più eventi incompatibili è uguale alla somma delle loro probabilità.</p>



<p class="wp-block-paragraph">Gli eventi incompatibili sono eventi che non possono verificarsi contemporaneamente, ovvero se uno si verifica, l&#8217;altro non può verificarsi.<br>Ad esempio, nel lancio di un dado, gli eventi &#8220;uscita del numero 3&#8221; e &#8220;uscita del numero 5&#8221; sono incompatibili. In questo caso, la probabilità dell&#8217;unione degli eventi (cioè l&#8217;uscita del numero 3 o del numero 5) è pari alla somma delle loro probabilità (1/6 + 1/6 = 1/3).</p>



<h2 class="wp-block-heading">Il principio di moltiplicazione delle probabilità</h2>



<p class="has-light-gray-background-color has-background wp-block-paragraph">Il principio di moltiplicazione delle probabilità afferma che la probabilità dell&#8217;intersezione di due eventi è uguale al prodotto delle loro probabilità individuali, <strong>se gli eventi sono indipendenti</strong>.</p>



<p class="wp-block-paragraph">In altre parole, se A e B sono due eventi indipendenti in un esperimento di probabilità, allora la probabilità che entrambi si verifichino contemporaneamente è data dal prodotto delle loro singole probabilità:</p>



<p class="wp-block-paragraph">P(A ∩ B) = P(A) × P(B).</p>



<hr class="wp-block-separator has-alpha-channel-opacity" />



<p class="wp-block-paragraph">Finora abbiamo calcolato probabilità molto semplici: un dado, due dadi, una moneta. Quando però il numero dei casi possibili diventa elevato, contarli uno per uno è impossibile. È qui che entra in gioco il <strong>calcolo combinatorio</strong>, che ci permette di determinare rapidamente quanti casi favorevoli e quanti casi possibili esistono, senza doverli elencare tutti.</p>



<p class="wp-block-paragraph">Tre sono gli strumenti fondamentali della combinatoria: le <strong>permutazioni</strong>, le <strong>disposizioni</strong> e le <strong>combinazioni</strong>. La differenza tra loro è semplice: dipende da quanti elementi scegliamo e se l&#8217;ordine conta o no. Teniamo a mente questa mappa, poi li vediamo uno per uno.</p>



<div class="wp-block-group has-light-gray-background-color has-background"><div class="wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow">
<p class="wp-block-paragraph"><strong>Come orientarsi nella combinatoria</strong></p>



<figure class="wp-block-table"><table><thead><tr><th>Domanda</th><th>Strumento</th></tr></thead><tbody><tr><td>Uso <strong>tutti</strong> gli elementi?</td><td><strong>Permutazioni</strong> (n!)</td></tr><tr><td>Ne scelgo <strong>alcuni</strong> e l&#8217;<strong>ordine conta</strong>?</td><td><strong>Disposizioni</strong> (n!/(n-r)!)</td></tr><tr><td>Ne scelgo <strong>alcuni</strong> e l&#8217;<strong>ordine non conta</strong>?</td><td><strong>Combinazioni</strong> (C(n,k))</td></tr></tbody></table></figure>
</div></div>



<h2 class="wp-block-heading">Cosa sono le permutazioni?</h2>



<p class="wp-block-paragraph"><strong>Le permutazioni sono i modi in cui si possono ordinare n oggetti distinti in n posizioni diverse</strong>. Per esempio:</p>



<ul class="wp-block-list">
<li>Le permutazioni delle lettere A,B,C sono ABC ACB BAC BCA CAB CBA</li>



<li>Il numero delle permutazioni di n oggetti distinti si calcola con il fattoriale n!, cioè il prodotto dei numeri naturali da 1 a n</li>



<li>Il numero delle permutazioni di A,B,C è 3! = 3 x 2 x 1 = 6</li>
</ul>



<p class="wp-block-paragraph">Vediamo un po&#8217; di altri esempi:</p>



<h3 class="wp-block-heading">Quanti modi diversi ci sono per disporre 4 libri su una mensola?</h3>



<p class="wp-block-paragraph">La risposta è: n!<br>Ricordo ancora che &#8220;!&#8221; indica il fattoriale, cioè il prodotto di tutti i numeri interi positivi da 1 a n.</p>



<p class="wp-block-paragraph">Soluzione: 4! (4 fattoriale) = 24 modi diversi</p>



<h3 class="wp-block-heading">Quante permutazioni sono possibili in un insieme di 5 lettere?</h3>



<p class="wp-block-paragraph">5! = 5 x 4 x 3 x 2 x 1 = 120</p>



<p class="wp-block-paragraph">Ci sono 120 permutazioni possibili di 5 lettere.</p>



<h2 class="wp-block-heading">Cosa sono le disposizioni?</h2>



<p class="wp-block-paragraph">Finora abbiamo ordinato <strong>tutti</strong> gli elementi. Se invece scegliamo solo <strong>alcuni</strong> elementi da un insieme e l&#8217;ordine conta, parliamo di <strong>disposizioni semplici</strong>. La formula è n! / (n &#8211; r)!, dove n è il totale degli elementi e r è quanti ne scegliamo. Le disposizioni rappresentano un caso intermedio tra permutazioni e combinazioni: non utilizziamo tutti gli elementi disponibili, ma soltanto una parte di essi, mantenendo significativo l&#8217;ordine.</p>



<h3 class="wp-block-heading">Quante disposizioni sono possibili tra 5 lettere prese a gruppi di 3?</h3>



<p class="wp-block-paragraph">n! / (n &#8211; r)!</p>



<p class="wp-block-paragraph">dove &#8220;n&#8221; rappresenta il numero di oggetti totali (in questo caso, le 5 lettere), e &#8220;r&#8221; rappresenta il numero di oggetti che desideriamo scegliere e disporre in un ordine specifico (in questo caso, 3 lettere).</p>



<p class="wp-block-paragraph">Quindi, sostituendo i valori, otteniamo:</p>



<p class="wp-block-paragraph">5! / (5 &#8211; 3)! = 5! / 2! = (5 x 4 x 3 x 2 x 1) / (2 x 1) = 60</p>



<p class="wp-block-paragraph">Quindi, ci sono 60 disposizioni possibili di 5 lettere prese a gruppi di 3. L&#8217;ordine conta: ABC è diverso da ACB, che è diverso da BAC, e così via.</p>



<p class="has-light-gray-background-color has-background wp-block-paragraph">È importante notare che, quando si sceglie un gruppo di oggetti da un insieme più grande, <strong>l&#8217;ordine in cui gli oggetti vengono scelti conta</strong>. Se l&#8217;ordine conta siamo nel caso delle disposizioni; se invece non ci interessasse, dovremmo utilizzare la formula delle combinazioni.</p>



<h2 class="wp-block-heading">Cosa sono le combinazioni?</h2>



<p class="wp-block-paragraph">Le combinazioni sono i modi in cui si possono scegliere k oggetti tra n oggetti distinti <strong>senza tener conto dell&#8217;ordine</strong>. Per esempio,</p>



<ul class="wp-block-list">
<li>Le combinazioni di due lettere tra A,B,C sono AB AC BC</li>



<li>Il numero delle combinazioni di k oggetti tra n oggetti distinti si calcola con il coefficiente binomiale C(n,k) = n! / (k! x (n-k)!)</li>



<li>Il numero delle combinazioni di due lettere tra A,B,C è C(3 ,2) = 3! / (2! x (3 -2)!) = 3</li>
</ul>



<p class="wp-block-paragraph">Vediamo qualche altro esempio:</p>



<h3 class="wp-block-heading">Quante sono le combinazioni possibili per un insieme di 10 persone prese a gruppi di 3?</h3>



<p class="wp-block-paragraph">Per calcolare il numero di combinazioni possibili per un insieme di 10 persone prese a gruppi di 3, possiamo utilizzare la formula delle combinazioni:</p>



<p class="wp-block-paragraph">n! / (k! × (n &#8211; k)!)</p>



<p class="wp-block-paragraph">dove &#8220;n&#8221; rappresenta il numero di oggetti totali (in questo caso, le 10 persone) e &#8220;k&#8221; rappresenta il numero di oggetti che vogliamo scegliere senza preoccuparci dell&#8217;ordine (in questo caso, 3 persone).</p>



<p class="wp-block-paragraph">Quindi, sostituendo i valori, otteniamo:</p>



<p class="wp-block-paragraph">10! / (3! × (10 &#8211; 3)!) = (10 × 9 × 8) / (3 × 2 × 1) = 720 / 6 = 120</p>



<h3 class="wp-block-heading">Una classe è composta da 12 ragazzi e 4 ragazze. Tra i sedici allievi se ne scelgono tre a caso: qual è la probabilità che essi siano tutti maschi?</h3>



<p class="wp-block-paragraph">Questo esempio è preso dall&#8217; Esame di stato, tema di matematica n 1 (PNI, a. s. 2000-2001- Corso di ordinamento. Liceo scientifico)</p>



<p class="wp-block-paragraph">La probabilità di scegliere tre allievi tutti maschi può essere calcolata come il rapporto tra il numero di modi in cui possiamo scegliere tre maschi e il numero totale di modi in cui possiamo scegliere tre studenti tra tutti i sedici.<br>Se vogliamo scegliere tre allievi tutti maschi, dobbiamo considerare tutti i possibili gruppi di 3 allievi maschi che possono essere formati scegliendoli tra i 12 ragazzi maschi.</p>



<p class="wp-block-paragraph">Il numero di modi in cui possiamo scegliere tre maschi dalla classe di 12 ragazzi è dato dalla combinazione di 3 elementi scelti tra i 12 ragazzi maschi. Calcoliamolo con la formula della combinazione:</p>



<p class="wp-block-paragraph">C(12, 3) = 12! / (3! × (12-3)!) = 220</p>



<p class="wp-block-paragraph">Il numero totale di modi in cui possiamo scegliere tre allievi dalla classe di 16 studenti è dato dalla combinazione di 3 elementi scelti tra i 16 allievi.</p>



<p class="wp-block-paragraph">C(16, 3) = 16! / (3! × (16-3)!) = 560</p>



<p class="wp-block-paragraph">Quindi, la probabilità di scegliere tre allievi tutti maschi è data da:</p>



<p class="wp-block-paragraph">P(tre maschi) = C(12, 3) / C(16, 3) = 220 / 560 = 11 / 28</p>



<h3 class="wp-block-heading">Un esempio concreto: scegliere le keyword per una landing page</h3>



<p class="wp-block-paragraph">Vediamo ora un esempio che forse tocca più da vicino il lavoro di chi si occupa di analisi dati e SEO. Supponiamo di avere un elenco di 15 keyword e di volerne scegliere 3 come focus di una landing page.</p>



<p class="has-light-gray-background-color has-background wp-block-paragraph"><strong>Scenario 1: mi interessa solo sapere quali keyword scegliere</strong><br>L&#8217;ordine non conta: il gruppo {SEO tecnica, ottimizzazione contenuti, link building} è lo stesso di {link building, SEO tecnica, ottimizzazione contenuti}.<br>Si tratta di una <strong>combinazione</strong>: C(15, 3) = 455 modi diversi.</p>



<p class="has-light-gray-background-color has-background wp-block-paragraph"><strong>Scenario 2: voglio stabilire anche l&#8217;ordine nel title</strong><br>Se la prima keyword deve andare nel title, la seconda nell&#8217;H1 e la terza nel body, allora l&#8217;ordine conta. Lo stesso gruppo di keyword in ordine diverso produce una pagina diversa.<br>Si tratta di una <strong>disposizione</strong>: 15! / (15-3)! = 2730 modi diversi.</p>



<p class="wp-block-paragraph">La differenza è sostanziale: 455 possibilità se l&#8217;ordine non conta, 2730 se conta. Questo è il motivo per cui è essenziale capire prima di tutto <em>se l&#8217;ordine è rilevante</em> nel problema che stiamo affrontando.</p>



<p class="has-light-gray-background-color has-background wp-block-paragraph"><strong>Errore comune</strong><br>Molti studenti — e non solo — confondono permutazioni e combinazioni. Il criterio più semplice per distinguerle è chiedersi: <em>se scambio l&#8217;ordine degli elementi, ottengo un risultato diverso?</em><br><br>Se sì, l&#8217;ordine conta: stiamo lavorando con permutazioni o disposizioni.<br>Se no, l&#8217;ordine non conta: siamo nel caso delle combinazioni.<br><br>Questa domanda è tutto ciò che serve per non sbagliare.</p>



<h3 class="wp-block-heading">Come scegliere la formula giusta</h3>



<p class="has-light-gray-background-color has-background wp-block-paragraph"><strong>Devo ordinare tutti gli elementi?</strong> → <strong>Permutazioni</strong>: n!<br>
<strong>Devo sceglierne alcuni e l&#8217;ordine conta?</strong> → <strong>Disposizioni</strong>: n!/(n-r)!<br>
<strong>Devo sceglierne alcuni e l&#8217;ordine non conta?</strong> → <strong>Combinazioni</strong>: C(n,k)<br><br>
Con questo schema, affrontare qualsiasi problema di calcolo combinatorio diventa molto più semplice: basta identificare il tipo di domanda e applicare la formula corrispondente.</p>



<h2 class="wp-block-heading">Un&#8217;applicazione: la distribuzione binomiale</h2>



<p class="wp-block-paragraph">In un <strong><a href="https://www.gironi.it/blog/distribuzioni-di-probabilita-distribuzioni-discrete-la-binomiale/" target="_blank" rel="noreferrer noopener">post specificamente dedicato alle distribuzioni di probabilità</a></strong> ho esaminato in dettaglio le proprietà della <strong><a href="https://www.gironi.it/blog/distribuzioni-di-probabilita-distribuzioni-discrete-la-binomiale/" target="_blank" rel="noreferrer noopener">distribuzione binomiale</a></strong>. Rimando ovviamente al post per tutti i dettagli.<br>In questa sede vorrei però introdurla brevemente in maniera diretta e pratica, al solo scopo di rispondere a quesiti del tipo:</p>



<ul class="wp-block-list">
<li>Qual è la probabilità che in 10 lanci di una moneta esca testa 5 volte o meno?</li>



<li>Se in 20 domande a risposta multipla (ogni domanda ha 4 scelte) rispondiamo totalmente a caso, qual è la probabilità di rispondere correttamente a 15 o più?</li>



<li>In 100 estrazioni con reinserimento da un&#8217;urna con 10 palline bianche e 90 nere, qual è la probabilità di estrarne meno di 20 bianche?</li>
</ul>



<p class="wp-block-paragraph">Prendiamo il primo quesito. Vogliamo sapere la probabilità che in 10 lanci di una moneta esca testa 5 volte o meno.<br>Procedendo per logica, dovremmo calcolare la somma delle probabilità binomiali per k = 0, 1, 2, 3, 4 e 5. Cioè:</p>



<pre class="wp-block-code"><code>P(X &lt;= 5) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5)</code></pre>



<p class="wp-block-paragraph">Usando la formula della probabilità binomiale e sostituendo n = 10 e p = 1/2, si ottiene:</p>



<pre class="wp-block-code"><code>P(X &lt;= 5) = C(10 ,0) x (1/2)^0 x (1/2)^10 + C(10 ,1) x (1/2)^1 x (1/2)^9 + … + C(10 ,5) x (1/2)^5 x (1/2)^5</code></pre>



<p class="wp-block-paragraph">Semplificando i calcoli e usando una calcolatrice si ottiene:</p>



<pre class="wp-block-code"><code>P(X &lt;= 5) = 0.0010 + 0.0098 + 0.0439 + 0.1172 + 0.2051 + 0.2461

P(X &lt;= 5) = 0.623</code></pre>



<p class="wp-block-paragraph">Quindi la probabilità che in 10 lanci di una moneta esca testa al massimo cinque volte è circa il 62%.</p>



<p class="wp-block-paragraph">Esiste un metodo più semplice per arrivare al risultato corretto?</p>



<p class="wp-block-paragraph">Possiamo introdurre la <strong>funzione di ripartizione della distribuzione binomiale</strong>.</p>



<p class="wp-block-paragraph">La funzione di ripartizione è una funzione che calcola la probabilità che la variabile aleatoria X sia minore o uguale a un certo valore k. Si indica con F(k) e si definisce come:</p>



<pre class="wp-block-code"><code>F(k) = P(X &lt;= k) = somma delle probabilità binomiali per i = 0, 1, …, k</code></pre>



<p class="wp-block-paragraph">Questa funzione può essere calcolata con una formula approssimata o con una tabella precompilata. Per esempio, usando una tabella online come questa:</p>



<p class="wp-block-paragraph"><a href="https://www.statisticshowto.com/tables/binomial-distribution-table/" target="_blank" rel="noopener">https://www.statisticshowto.com/tables/binomial-distribution-table/</a></p>



<p class="wp-block-paragraph">dove si può trovare il valore di F(5) per n = 10 e p = 1/2.</p>



<p class="wp-block-paragraph">Basta cercare nella riga corrispondente a n = 10 e nella colonna corrispondente a p = 0.5 e leggere il valore in corrispondenza di k = 5. Il valore è 0.623.</p>



<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">

<figure class="wp-block-image size-large"><img fetchpriority="high" decoding="async" width="975" height="600" src="https://www.gironi.it/blog/wp-content/uploads/2026/07/probabilita-binomiale-cumulata.png" alt="La probabilità cumulata P(X ≤ 5) per 10 lanci di moneta è la somma delle sei barre blu: 0,623." class="wp-image-4305" srcset="https://www.gironi.it/blog/wp-content/uploads/2026/07/probabilita-binomiale-cumulata.png 975w, https://www.gironi.it/blog/wp-content/uploads/2026/07/probabilita-binomiale-cumulata-300x185.png 300w" sizes="(max-width: 709px) 85vw, (max-width: 909px) 67vw, (max-width: 1362px) 62vw, 840px" /><figcaption class="wp-element-caption">La probabilità cumulata P(X ≤ 5) per 10 lanci di moneta è la somma delle sei barre blu: 0,623.</figcaption></figure>

</div></div>



<p class="wp-block-paragraph">Ovviamente, è molto più comodo usare R oppure Python, specialmente per numeri più elevati.</p>



<p class="wp-block-paragraph">Calcoliamolo in R con la funzione <code>pbinom</code>, che restituisce la probabilità cumulativa di un dato numero di successi in un dato numero di prove:</p>



<pre class="wp-block-code"><code># Probabilità di ottenere 5 o meno teste in 10 lanci
pbinom(5, size = 10, prob = 0.5)
# Risultato: 0.6230469</code></pre>



<p class="wp-block-paragraph">Lo stesso calcolo in Python si fa con la classe <code>binom</code> della libreria <code>scipy.stats</code>:</p>



<pre class="wp-block-code"><code># Importare la libreria
from scipy.stats import binom

# Probabilità di ottenere 5 o meno teste in 10 lanci
binom.cdf(5, n = 10, p = 0.5)
# Risultato: 0.623046875</code></pre>



<p class="wp-block-paragraph">Passiamo al secondo quesito.</p>



<p class="wp-block-paragraph">Vogliamo calcolare la probabilità che in 20 domande a risposta multipla si risponda correttamente a 15 domande o più. Se assumiamo che ogni domanda abbia 4 opzioni e solo una sia corretta, allora la probabilità di successo è p = 0.25. Quindi si deve calcolare:</p>



<pre class="wp-block-code"><code>P(X &gt;= 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20)</code></pre>



<p class="wp-block-paragraph">La formula della probabilità binomiale è:</p>



\(
P(X = x) = {n \choose x} p^x (1-p)^{n-x}
\)



<p class="wp-block-paragraph">Usando la formula della probabilità binomiale, otteniamo:</p>



\( P(X \geq 15) \approx 3{,}8 \times 10^{-6} \)



<p class="wp-block-paragraph">Meno di quattro possibilità su un milione. Calcolo la coda in R con <code>pbinom</code> (il primo argomento è 14, non 15: per «almeno 15» si passa il valore precedente, come abbiamo visto parlando della <a href="https://www.gironi.it/blog/distribuzioni-di-probabilita-distribuzioni-discrete-la-binomiale/">distribuzione binomiale</a>):</p>



<pre class="wp-block-code"><code>pbinom(14, size = 20, prob = 0.25, lower.tail = FALSE)
# [1] 3.813027e-06</code></pre>



<p class="wp-block-paragraph">Quindi la probabilità è bassissima… meglio studiare!</p>



<p class="wp-block-paragraph">Passiamo al terzo quesito.</p>



<p class="wp-block-paragraph">Vogliamo trovare la probabilità che in 100 estrazioni da un&#8217;urna con 10 palline bianche e 90 nere se ne estraggano meno di 20 bianche. Se assumiamo che le estrazioni siano con reinserimento, allora la probabilità di successo (estrarre una pallina bianca) è p = 0.1. Quindi dobbiamo calcolare:</p>



\( P(X \lt 20) = P(X \leq 19) = \sum_{x=0}^{19} {100 \choose x} (0{,}1)^x (0{,}9)^{100-x} \)



<p class="wp-block-paragraph">e otteniamo:</p>



\( P(X \lt 20) \approx 0{,}998 \)



<p class="wp-block-paragraph">Lo verifichiamo in R:</p>



<pre class="wp-block-code"><code>pbinom(19, size = 100, prob = 0.1)
# [1] 0.9979</code></pre>



<p class="wp-block-paragraph">Quindi in questo caso la probabilità è molto alta.</p>



<h2 class="wp-block-heading">Domande frequenti</h2>



<h3 class="wp-block-heading">Qual è il simbolo dello spazio campionario?</h3>



<p class="wp-block-paragraph">Di solito si indica con la lettera greca Ω (omega), a volte con S. Nel lancio di un dado Ω = {1, 2, 3, 4, 5, 6}, e il numero dei suoi elementi si scrive |Ω| = 6.</p>



<h3 class="wp-block-heading">Quando vale la regola «casi favorevoli su casi possibili»?</h3>



<p class="wp-block-paragraph">Solo quando tutti i risultati dello spazio campionario sono ugualmente probabili, come le facce di un dado equilibrato. Con un dado truccato, o con risultati che hanno probabilità diverse, la regola non vale più e la probabilità va stimata in altro modo, ad esempio dalle frequenze osservate.</p>



<h3 class="wp-block-heading">Qual è la differenza tra permutazioni, disposizioni e combinazioni?</h3>



<p class="wp-block-paragraph">Le permutazioni ordinano tutti gli elementi (n!); le disposizioni ne scelgono alcuni e l&#8217;ordine conta (n!/(n−r)!); le combinazioni ne scelgono alcuni e l&#8217;ordine non conta (n!/(k!(n−k)!)). Il test più rapido: se scambiando l&#8217;ordine si ottiene un risultato diverso, l&#8217;ordine conta.</p>



<h3 class="wp-block-heading">Quante combinazioni ci sono di 3 elementi su 10?</h3>



<p class="wp-block-paragraph">120: si calcola con il coefficiente binomiale C(10, 3) = 10! / (3! × 7!) = 120. Se l&#8217;ordine contasse (disposizioni) sarebbero 10 × 9 × 8 = 720.</p>



<h3 class="wp-block-heading">Che cosa sono gli eventi incompatibili?</h3>



<p class="wp-block-paragraph">Sono eventi che non possono verificarsi insieme, come «esce 3» ed «esce 5» nello stesso lancio di un dado. Per eventi incompatibili la probabilità che si verifichi l&#8217;uno o l&#8217;altro è la somma delle singole probabilità: 1/6 + 1/6 = 1/3.</p>



<h3 class="wp-block-heading">Come si calcolano permutazioni e combinazioni in R?</h3>



<p class="wp-block-paragraph">Il fattoriale si calcola con factorial(n) e il coefficiente binomiale con choose(n, k): choose(10, 3) restituisce 120. Le disposizioni si ottengono come factorial(n) / factorial(n &#8211; r).</p>



<script type="application/ld+json">{"@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [{"@type": "Question", "name": "Qual è il simbolo dello spazio campionario?", "acceptedAnswer": {"@type": "Answer", "text": "Di solito si indica con la lettera greca Ω (omega), a volte con S. Nel lancio di un dado Ω = {1, 2, 3, 4, 5, 6}, e il numero dei suoi elementi si scrive |Ω| = 6."}}, {"@type": "Question", "name": "Quando vale la regola «casi favorevoli su casi possibili»?", "acceptedAnswer": {"@type": "Answer", "text": "Solo quando tutti i risultati dello spazio campionario sono ugualmente probabili, come le facce di un dado equilibrato. Con un dado truccato, o con risultati che hanno probabilità diverse, la regola non vale più e la probabilità va stimata in altro modo, ad esempio dalle frequenze osservate."}}, {"@type": "Question", "name": "Qual è la differenza tra permutazioni, disposizioni e combinazioni?", "acceptedAnswer": {"@type": "Answer", "text": "Le permutazioni ordinano tutti gli elementi (n!); le disposizioni ne scelgono alcuni e l'ordine conta (n!/(n−r)!); le combinazioni ne scelgono alcuni e l'ordine non conta (n!/(k!(n−k)!)). Il test più rapido: se scambiando l'ordine si ottiene un risultato diverso, l'ordine conta."}}, {"@type": "Question", "name": "Quante combinazioni ci sono di 3 elementi su 10?", "acceptedAnswer": {"@type": "Answer", "text": "120: si calcola con il coefficiente binomiale C(10, 3) = 10! / (3! × 7!) = 120. Se l'ordine contasse (disposizioni) sarebbero 10 × 9 × 8 = 720."}}, {"@type": "Question", "name": "Che cosa sono gli eventi incompatibili?", "acceptedAnswer": {"@type": "Answer", "text": "Sono eventi che non possono verificarsi insieme, come «esce 3» ed «esce 5» nello stesso lancio di un dado. Per eventi incompatibili la probabilità che si verifichi l'uno o l'altro è la somma delle singole probabilità: 1/6 + 1/6 = 1/3."}}, {"@type": "Question", "name": "Come si calcolano permutazioni e combinazioni in R?", "acceptedAnswer": {"@type": "Answer", "text": "Il fattoriale si calcola con factorial(n) e il coefficiente binomiale con choose(n, k): choose(10, 3) restituisce 120. Le disposizioni si ottengono come factorial(n) / factorial(n - r)."}}]}</script>



<p class="wp-block-paragraph">Queste sono le basi — spazio campionario, eventi, permutazioni, disposizioni, combinazioni, e un primo assaggio della binomiale. Strumenti all&#8217;apparenza semplici, ma su cui si regge gran parte della statistica che useremo nel lavoro quotidiano. Nel <a href="https://www.gironi.it/blog/distribuzioni-di-probabilita-distribuzioni-discrete-la-binomiale/">prossimo articolo sulla distribuzione binomiale</a> approfondiamo proprio questa funzione di distribuzione, vedendo come calcolarla e quando applicarla — e scopriremo che non è affatto così complessa come potrebbe sembrare a prima vista.</p>



<h3 class="wp-block-heading">Potrebbe interessarti anche</h3>



<ul class="wp-block-list">
<li><a href="https://www.gironi.it/blog/statistica-bayesiana/">Statistica bayesiana: come imparare dai dati, un passo alla volta</a></li>
</ul>



<hr class="wp-block-separator has-alpha-channel-opacity" />



<h3 class="wp-block-heading">Per approfondire</h3>



<p class="wp-block-paragraph">Per consolidare le basi del ragionamento probabilistico consiglio due letture complementari: <a href="https://www.amazon.it/dp/8806246623?tag=consulenzeinf-21&amp;ascsubtag=probabilita-permutazioni-e-combinazioni" rel="nofollow sponsored noopener" target="_blank"><em>L&#8217;arte della statistica</em></a> di David Spiegelhalter per l&#8217;inquadramento concettuale, e <a href="https://www.amazon.it/dp/8867319396?tag=consulenzeinf-21&amp;ascsubtag=probabilita-permutazioni-e-combinazioni" rel="nofollow sponsored noopener" target="_blank"><em>Finalmente ho capito la statistica</em></a> di Maurizio De Pra per chi preferisce un percorso graduale e ricco di esempi.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://www.gironi.it/blog/probabilita-permutazioni-e-combinazioni/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>La distribuzione geometrica</title>
		<link>https://www.gironi.it/blog/la-distribuzione-geometrica/</link>
					<comments>https://www.gironi.it/blog/la-distribuzione-geometrica/#comments</comments>
		
		<dc:creator><![CDATA[paolo]]></dc:creator>
		<pubDate>Fri, 14 Sep 2018 13:08:05 +0000</pubDate>
				<category><![CDATA[statistica]]></category>
		<category><![CDATA[distribuzione]]></category>
		<category><![CDATA[probabilità]]></category>
		<category><![CDATA[R]]></category>
		<category><![CDATA[Ti-83]]></category>
		<guid isPermaLink="false">https://www.gironi.it/blog/?p=863</guid>

					<description><![CDATA[Dopo aver visto in altri post la più famosa distribuzione discreta, la Binomiale, nonchè la distribuzione di Poisson e la distribuzione Beta, è giunto il momento di gettare uno sguardo alla distribuzione geometrica. Quanti tentativi servono per avere un primo risultato positivo? Si usa quando si fanno tentativi indipendenti, ciascuno dei quali può avere come &#8230; <a href="https://www.gironi.it/blog/la-distribuzione-geometrica/" class="more-link">Leggi tutto<span class="screen-reader-text"> "La distribuzione geometrica"</span></a>]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">Dopo aver visto in  altri post la più famosa distribuzione discreta, la <a href="https://www.gironi.it/blog/distribuzioni-di-probabilita-distribuzioni-discrete-la-binomiale/" target="_blank" data-type="post" data-id="807" rel="noreferrer noopener">Binomiale</a>, nonchè la <a href="https://www.gironi.it/blog/la-distribuzione-di-poisson/" target="_blank" data-type="post" data-id="898" rel="noreferrer noopener">distribuzione di Poisson</a> e la <a href="https://www.gironi.it/blog/la-distribuzione-beta-spiegata-semplice/" target="_blank" data-type="post" data-id="2429" rel="noreferrer noopener">distribuzione Beta</a>, è giunto il momento di gettare uno sguardo alla <em><strong>distribuzione geometrica</strong></em>.</p>


				<div class="wp-block-uagb-table-of-contents uagb-toc__align-left uagb-toc__columns-1  uagb-block-34c6f9c1 wp-block-uagb-table-of-contents uagb-toc__align-left uagb-toc__columns-undefined uagb-block-426590d5     "
					data-scroll= "1"
					data-offset= "30"
					style=""
				>
				<div class="uagb-toc__wrap">
						<div class="uagb-toc__title">
							Di cosa parleremo<br>						</div>
																						<div class="uagb-toc__list-wrap ">
						<ol class="uagb-toc__list"><li class="uagb-toc__list"><a href="#quanti-tentativi-servono-per-avere-un-primo-risultato-positivo" class="uagb-toc-link__trigger">Quanti tentativi servono per avere un primo risultato positivo?</a><li class="uagb-toc__list"><a href="#e-giunto-il-momento-degli-esempi" class="uagb-toc-link__trigger">E&#039; giunto il momento degli esempi&#8230;</a><li class="uagb-toc__list"><a href="#usiamo-r-o-la-ti-83" class="uagb-toc-link__trigger">Usiamo R o la TI 83</a></ol>					</div>
									</div>
				</div>
			


<h2 class="wp-block-heading"><strong>Quanti tentativi servono per avere un primo risultato positivo</strong>?</h2>



<p class="wp-block-paragraph">Si usa quando si fanno tentativi indipendenti, ciascuno dei quali può avere come esito il successo o il fallimento, e <strong>si è interessati a conoscere quanti tentativi occorrono per avere un primo risultato positivo</strong>.</p>



<p class="wp-block-paragraph">In simboli:</p>



<p class="has-text-align-center">\( \displaystyle X \sim Geo(p) \\ \)</p>



<div style="height:20px" aria-hidden="true" class="wp-block-spacer"></div>



<span id="more-863"></span>



<ul>
<li>\(X\) è il numero di tentativi necessari per avere un primo risultato positivo.</li>
<li>\(r\) è il numero dei tentativi.</li> 
<li>\(P\) è la probabilità di successo nel tentativo.</li>
<li>diciamo poi, come è ovvio, che: q=1-p</li>
</ul>
Qui viene il bello. Abbiamo infatti:



\(\\ P(X=r) = p \times q ^ {r-1} \\ \)



<p class="wp-block-paragraph"> <strong>P indica quindi la probabilità che il primo successo avvenga al tentativo numero r.</strong> <br>Continuiamo nel ragionamento:</p>



\(P(X &gt; r) = q ^ {r}\)



<p class="wp-block-paragraph"><strong>il che ci consente di calcolare la probabilità che servano più di r tentativi per avere il primo successo</strong>, nonchè:</p>



\(P(X \leq r) = 1 &#8211; q ^ {r} \\ \)



<p class="wp-block-paragraph">che ci aiuta a trovare qual è la probabilità che servano r tentativi o meno per avere il primo successo. Il valore atteso è:</p>



\(E(X) = \frac{1}{P} \\ \)



<p class="wp-block-paragraph">La <strong>varianza</strong> è:</p>



\(Var(X) = \frac{q}{P^{2}}\)



<h2 class="wp-block-heading">E&#8217; giunto il momento degli esempi&#8230;</h2>



<p class="wp-block-paragraph">Sappiamo che la probabilità che un pattinatore completi un percorso senza incidenti è 0,4. Quindi:</p>



\( X \sim Geo(0,4) \\ \)



<p class="wp-block-paragraph">X è il numero di tentativi che il nostro pattinatore deve fare per riuscire a completare un percorso senza alcun incidente.<br><br>Siamo pronti ad applicare le nostre nuove conoscenze.&nbsp;</p>



<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">
<figure class="wp-block-image size-large"><img decoding="async" width="1024" height="612" src="https://www.gironi.it/blog/wp-content/uploads/2026/07/pattinaggio-1024x612.png" alt="Un pattinatore prova più volte prima di completare il percorso senza incidenti" class="wp-image-3985" srcset="https://www.gironi.it/blog/wp-content/uploads/2026/07/pattinaggio-1024x612.png 1024w, https://www.gironi.it/blog/wp-content/uploads/2026/07/pattinaggio-300x179.png 300w, https://www.gironi.it/blog/wp-content/uploads/2026/07/pattinaggio-1200x718.png 1200w, https://www.gironi.it/blog/wp-content/uploads/2026/07/pattinaggio.png 1264w" sizes="(max-width: 709px) 85vw, (max-width: 909px) 67vw, (max-width: 1362px) 62vw, 840px" /><figcaption class="wp-element-caption">Una pattinatrice prova più volte prima di completare il percorso senza incidenti: la distribuzione geometrica conta quanti tentativi servono per il primo successo.</figcaption></figure>
</div></div>



<p class="wp-block-paragraph">Calcoliamo il numero di tentativi che mi aspetto di fare prima di avere un successo:</p>



<p>\( E(X) = \frac{1}{P}\\\)
dunque 
\(\frac{1}{0,4} = 2,5	
\)</p>



<p class="wp-block-paragraph">La varianza nel numero dei tentativi è presto calcolata:</p>



\( Var(X) \frac{q}{p^{2}} \\ \)
cioè
\(\frac{0,6}{0,4^{2}} = \frac{0,6}{0,16} = 3,75 \\
	\)



<p class="wp-block-paragraph">La probabilità di aver successo al secondo tentativo, dopo aver fallito il primo&#8230;</p>



<p>\( P(X=2) = P \times q = 0,4 \times 0,6 = 0,24 \\\) 
vale a dire 24%</p>



<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">
<figure class="wp-block-image size-large"><img decoding="async" width="975" height="600" src="https://www.gironi.it/blog/wp-content/uploads/2026/07/geometrica-pmf-1.png" alt="Geometrica(0,4): la probabilità che il primo successo del pattinatore arrivi esattamente all'r-esimo tentativo. Decade tentativo dopo tentativo; il valore atteso è 2,5 tentativi." class="wp-image-3979" srcset="https://www.gironi.it/blog/wp-content/uploads/2026/07/geometrica-pmf-1.png 975w, https://www.gironi.it/blog/wp-content/uploads/2026/07/geometrica-pmf-1-300x185.png 300w" sizes="(max-width: 709px) 85vw, (max-width: 909px) 67vw, (max-width: 1362px) 62vw, 840px" /><figcaption class="wp-element-caption">Geometrica(0,4): la probabilità che il primo successo del pattinatore arrivi esattamente all&#8217;r-esimo tentativo. Decade tentativo dopo tentativo; il valore atteso è 2,5 tentativi.</figcaption></figure>
</div></div>



<p class="wp-block-paragraph">La probabilità di aver successo in 4 tentativi o meno? Facile!</p>



\(P(X \leq 4) = 1-q^{4} = 1 &#8211; 0,6^{4} = 1 &#8211; 0,1296 \\ \)
Cioè 0,8704
<br><br>
Vale a dire 87%



<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">
<figure class="wp-block-image size-large"><img decoding="async" width="975" height="600" src="https://www.gironi.it/blog/wp-content/uploads/2026/07/geometrica-cdf-1.png" alt="La probabilità cumulata risponde a «entro quanti tentativi?»: entro il quarto tentativo il primo successo è già arrivato nell'87% dei casi." class="wp-image-3980" srcset="https://www.gironi.it/blog/wp-content/uploads/2026/07/geometrica-cdf-1.png 975w, https://www.gironi.it/blog/wp-content/uploads/2026/07/geometrica-cdf-1-300x185.png 300w" sizes="(max-width: 709px) 85vw, (max-width: 909px) 67vw, (max-width: 1362px) 62vw, 840px" /><figcaption class="wp-element-caption">La probabilità cumulata risponde a «entro quanti tentativi?»: entro il quarto tentativo il primo successo è già arrivato nell&#8217;87% dei casi.</figcaption></figure>
</div></div>



<p class="wp-block-paragraph">La probabilità di aver bisogno di più di 4 tentativi? Calcolarla è uno scherzo:</p>



\( P(X &gt; 4) = q^{4} = 0,6^{4}\\ \)
<p>
Cioè 0,1296, ossia circa il 13%	
</p>



<hr class="wp-block-separator has-css-opacity"/>



<h2 class="wp-block-heading">Usiamo R o la TI 83</h2>



<p class="wp-block-paragraph">Ora che abbiamo un po&#8217; di formule ben presenti, possiamo lasciare campo alla nostra pigrizia e tirare fuori la TI-83.</p>



<p class="wp-block-paragraph">Per calcolare la probabilità di aver successo al secondo tentativo, dopo aver fallito il primo mi basterà calcolare:</p>



<pre class="wp-block-code"><code>geometpdf(0.4,2)</code></pre>



<p class="wp-block-paragraph">e poi ovviamente x 100 se voglio avere il valore percentuale…</p>



<p class="wp-block-paragraph">Per trovare la probabilità di aver successo in 4 tentativi o meno:</p>



<pre class="wp-block-code"><code>geometcdf(0.4,4)</code></pre>



<p class="wp-block-paragraph">e poi ovviamente x 100 se voglio avere il valore percentuale…</p>



<p class="wp-block-paragraph">Per calcolare la probabilità di aver bisogno di più di 4 tentativi:</p>



<pre class="wp-block-code"><code>1-geometcdf(0.4,4)</code></pre>



<p class="wp-block-paragraph">e poi ovviamente x 100 se voglio avere il valore percentuale…</p>



<h3 class="wp-block-heading">Lo stesso risultato in R</h3>



<p class="wp-block-paragraph">Con P(X=2) e P=0,4</p>



<pre class="wp-block-code"><code>dgeom(1,0.4)</code></pre>



<p class="wp-block-paragraph">dove 1 è il numero dei fallimenti prima del successo&#8230;</p>



<p class="wp-block-paragraph">P(X&lt;=4) e P=0,4</p>



<pre class="wp-block-code"><code>pgeom(3,0.4)</code></pre>



<p class="wp-block-paragraph">Tutto molto semplice, molto rapido, molto divertente!</p>


<p><!-- internal-links-section --></p>
<h3>Potrebbe interessarti anche</h3>
<ul>
<li><a href="https://www.gironi.it/blog/teorema-del-limite-centrale/">Il Teorema del Limite Centrale: perché la statistica funziona (anche quando i dati non sono normali)</a></li>
</ul>


<hr class="wp-block-separator has-alpha-channel-opacity"/>



<h3 class="wp-block-heading">Per approfondire</h3>



<p class="wp-block-paragraph">Le distribuzioni discrete come la geometrica sono trattate con esempi accessibili in <a href="https://www.amazon.it/dp/8867319396?tag=consulenzeinf-21&amp;ascsubtag=la-distribuzione-geometrica" rel="nofollow sponsored noopener" target="_blank"><em>Finalmente ho capito la statistica</em></a> di Maurizio De Pra, una lettura adatta a chi vuole costruirsi le basi senza affrontare un manuale universitario.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://www.gironi.it/blog/la-distribuzione-geometrica/feed/</wfw:commentRss>
			<slash:comments>1</slash:comments>
		
		
			</item>
		<item>
		<title>Tabelle di contingenza e probabilità condizionata</title>
		<link>https://www.gironi.it/blog/tabelle-di-contingenza-e-probabilita-condizionata/</link>
					<comments>https://www.gironi.it/blog/tabelle-di-contingenza-e-probabilita-condizionata/#respond</comments>
		
		<dc:creator><![CDATA[paolo]]></dc:creator>
		<pubDate>Mon, 04 Jun 2018 14:50:36 +0000</pubDate>
				<category><![CDATA[statistica]]></category>
		<category><![CDATA[probabilità]]></category>
		<category><![CDATA[R]]></category>
		<guid isPermaLink="false">https://www.gironi.it/blog/?p=709</guid>

					<description><![CDATA[Avete mai notato come gli utenti che arrivano da mobile si comportano diversamente da quelli da desktop? Non è una sensazione: è una relazione tra due variabili categoriche. La variabile &#8220;dispositivo&#8221; (mobile o desktop) e la variabile &#8220;ha convertito&#8221; (sì o no) — mettendole in una tabella incrociata possiamo vedere se c&#8217;è un legame sistematico. &#8230; <a href="https://www.gironi.it/blog/tabelle-di-contingenza-e-probabilita-condizionata/" class="more-link">Leggi tutto<span class="screen-reader-text"> "Tabelle di contingenza e probabilità condizionata"</span></a>]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">Avete mai notato come gli utenti che arrivano da mobile si comportano diversamente da quelli da desktop? Non è una sensazione: è una <strong>relazione tra due variabili categoriche</strong>. La variabile &#8220;dispositivo&#8221; (mobile o desktop) e la variabile &#8220;ha convertito&#8221; (sì o no) — mettendole in una tabella incrociata possiamo vedere se c&#8217;è un legame sistematico.</p>


<p class="wp-block-paragraph">Le <strong>tabelle di contingenza</strong> (dette anche tabelle a doppia entrata) sono lo strumento base per farlo. Ci permettono di valutare l&#8217;<strong>interazione tra due variabili categoriche</strong> (qualitative) e di quantificare la <strong>probabilità condizionata</strong> — cioè quanto è probabile un evento &#8220;dato che&#8221; un altro si è verificato.</p>


<p class="wp-block-paragraph">La domanda sulle differenze tra mobile e desktop, per esempio, si traduce in una probabilità condizionata: <strong>P(conversione | dispositivo = mobile)</strong> è diversa da <strong>P(conversione | dispositivo = desktop)</strong>? Se sì, c&#8217;è una relazione. Se no, le due variabili sono indipendenti.</p>


<p class="wp-block-paragraph">Vediamo come funziona, partendo da un esempio volutamente leggero.</p>


<span id="more-709"></span>

<div style="border:1px solid #ccc;padding:1.2em 1.5em;margin:1.5em 0;border-radius:6px">
<h3 style="margin-top:0">Di cosa parleremo</h3>
<ul>
<li><a href="#tabelle-a-doppia-entrata-e-distribuzioni-marginali">Tabelle a doppia entrata e distribuzioni marginali</a></li>
<li><a href="#la-probabilita-condizionata">La probabilità condizionata</a></li>
<li><a href="#dipendenza-e-indipendenza">Dipendenza e indipendenza</a></li>
<li><a href="#esaminiamo-lindipendenza">Esaminiamo l&#8217;indipendenza</a></li>
<li><a href="#prova-tu">Prova tu</a></li>
</ul>
</div>

<hr class="wp-block-separator has-alpha-channel-opacity"/>


<h2 class="wp-block-heading" id="tabelle-a-doppia-entrata-e-distribuzioni-marginali">Tabelle a doppia entrata e distribuzioni marginali</h2>


<p class="wp-block-paragraph">Una <strong>tabella a doppia entrata </strong>è una tabella che contiene righe e colonne ed aiuta organizzare i dati da variabili categoriali:</p>


<ul class="wp-block-list">
<li>Le <strong>righe</strong> rappresentano le possibili categorie per una variabile qualitativa, ad esempio maschi e femmine.
</li>


<li>Le <strong>colonne</strong> rappresentano le possibili categorie per una seconda variabile qualitativa, ad esempio se piace la pizza oppure no&#8230;
</li>
</ul>


<p class="wp-block-paragraph">Una <strong>distribuzione marginale</strong> mostra quante risposte complessive ci sono per ogni categoria della variabile. La distribuzione marginale di una variabile può essere determinata guardando alla colonna (o alla riga) &#8220;Totale&#8221;.</p>


<p class="wp-block-paragraph">Vediamo un esempio.</p>


<p class="wp-block-paragraph"><em>N.B. Mi scuso, ma non mi è venuto in mente granchè, dunque ho creato una tabella (con dati fittizi, ovviamente) di rara stupidità, immaginando che le due variabili categoriche riguardino il livello di istruzione e le serie di fantascienza preferite&#8230;</em></p>


<p class="wp-block-paragraph">Costruisco la tabella in R:</p>


<pre class="wp-block-code"><code>scififan <- matrix(c(44,38,26,53,35,30,58,22,29),ncol=3,byrow=TRUE)
rownames(scififan) <- c("laurea","diploma","istruzione inferiore")
colnames(scififan) <- c("star trek","star wars","doctor who")
scififan <- as.table(scififan)
scififan</code></pre>


<p class="wp-block-paragraph">e ottengo una cosa di questo tipo:</p>


<pre class="wp-block-code"><code>		star trek   star wars   doctor who
laurea		44	    38		26
diploma         53	    35		30
istr.inferiore	58          22		29</code></pre>


<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">

<figure class="wp-block-image size-large"><img decoding="async" width="975" height="600" src="https://www.gironi.it/blog/wp-content/uploads/2026/07/contingenza-mosaic.png" alt="Mosaic plot della tabella di contingenza: livello di istruzione × serie preferita. L'area di ogni rettangolo è proporzionale alla frequenza nella cella." class="wp-image-4352" srcset="https://www.gironi.it/blog/wp-content/uploads/2026/07/contingenza-mosaic.png 975w, https://www.gironi.it/blog/wp-content/uploads/2026/07/contingenza-mosaic-300x185.png 300w" sizes="(max-width: 709px) 85vw, (max-width: 909px) 67vw, (max-width: 1362px) 62vw, 840px" /><figcaption class="wp-element-caption">Mosaic plot della tabella di contingenza: livello di istruzione × serie preferita. L'area di ogni rettangolo è proporzionale alla frequenza nella cella.</figcaption></figure>

</div></div>


<p class="wp-block-paragraph">Ricordate? Una <strong>distribuzione marginale</strong> mostra quante risposte complessive ci sono per ogni categoria della variabile (ai margini, appunto, dove c'è la colonna o la riga Totale...).</p>


<p class="wp-block-paragraph">posso calcolare i totali di riga in R con:</p>


<pre class="wp-block-code"><code>margin.table(scififan,1)</code></pre>


<p class="wp-block-paragraph">e di colonna con:</p>


<pre class="wp-block-code"><code>margin.table(scififan,2)</code></pre>


<p class="wp-block-paragraph">posso anche trovare il "totale dei totali" con:</p>


<pre class="wp-block-code"><code>margin.table(scififan)</code></pre>


<p class="wp-block-paragraph">Riporto la tabella con i Totali:</p>


<pre class="wp-block-code"><code>	star trek   star wars   doctor who   TOTALE
laurea	44	    38	        26	     108
diploma	53	    35	        30	     118
ist.inf 58	    22	        29	     109
TOTALE	155	    95	        85	     335</code></pre>


<p class="wp-block-paragraph">Quindi i totali marginali per titolo di studio sono 108 per la laurea, 118 per il diploma, 109 per l'istruzione inferiore.</p>


<p class="wp-block-paragraph">Allo stesso modo, i totali marginali per tipo di serie fantascientifica sono 155 per star trek, 95 per guerre stellari, 85 per doctor who.</p>


<p class="wp-block-paragraph">Il totale dei totali deve essere lo stesso per entrambe le direzioni, in questo caso 335.</p>


<p class="wp-block-paragraph">Avrei potuto anche ottenere una tabella completa a video con riportati i totali con poche righe di codice R:</p>


<pre class="wp-block-code"><code>scififan <- matrix(c(44,38,26,53,35,30,58,22,29),ncol=3,byrow=TRUE)

nomirighe <- c("laurea","diploma","istruzione inferiore")
nomicol<- c("star trek","star wars","doctor who")
dimnames(scififan) <- list(nomirighe,nomicol)

# ora calcolo il totale di colonna usando apply
totcol <- apply(scififan,2,sum)
# aggiungo una riga con i totali di colonna con rbind
scififan2 <- rbind(scififan,totcol)
# calcolo il totale di riga
totrighe <- apply(scififan2,1,sum)
#aggiungo una colonna con i totali di riga
conttable <- cbind(scififan2, totrighe)

#stampo a video la mia tabella
conttable</code></pre>


<p class="wp-block-paragraph">Posso allora chiedermi (e rispondermi): quale percentuale di laureati ha un debole per doctor who?<br>Elementare Watson (ah no, quella era un'altra serie...):</p>


<p class="wp-block-paragraph"><strong>26/108 = 0,24 = 24% dei laureati predilige doctor who</strong></p>


<p class="wp-block-paragraph">E quanti fan di guerre stellari sono diplomati?</p>


<p class="wp-block-paragraph"><strong>35/95 = 0,37 = 37% dei fan di guerre stellari sono tra i diplomati</strong></p>


<p class="wp-block-paragraph">In R, posso ottenere direttamente le probabilità per riga semplicemente con la funzione:</p>


<pre class="wp-block-code"><code>prop.table(scififan,1)</code></pre>


<p class="wp-block-paragraph">e il risultato sarà:</p>


<pre class="wp-block-code"><code>                     	
           star trek 	star wars    doctor who
laurea     0.4074074 	0.3518519    0.2407407
diploma    0.4491525 	0.2966102    0.2542373
ist.inf.   0.5321101 	0.2018349    0.2660550</code></pre>


<p class="wp-block-paragraph">(come si vede i totali di riga danno 1, o 100%)</p>


<p class="wp-block-paragraph">oppure quelli per colonna con:</p>


<pre class="wp-block-code"><code>prop.table(scififan,2)</code></pre>


<p class="wp-block-paragraph">e il risultato sarà:</p>


<pre class="wp-block-code"><code>                     	
           star trek   star wars   doctor who
laurea     0.2838710   0.4000000   0.3058824
diploma    0.3419355   0.3684211   0.3529412
istr.inf.  0.3741935   0.2315789   0.3411765</code></pre>


<p class="wp-block-paragraph">(come si vede i totali di colonna danno 1 o 100%)</p>


<p class="wp-block-paragraph">Come sempre c'è sempre più di un modo per ottenere il risultato, e posso anche operare installando il pacchetto "gmodels" e usando la funzione CrossTable (lascio all'help in linea di R il compito di mostrare tutte le opzioni del comando...):</p>


<pre class="wp-block-code"><code>install.packages("gmodels")
library(gmodels)
scififan <- matrix(c(44,38,26,53,35,30,58,22,29),ncol=3,byrow=TRUE)
rownames(scififan) <- c("laurea","diploma","istruzione inferiore")
colnames(scififan) <- c("star trek","star wars","doctor who")

CrossTable(scififan, prop.r="false", prop.c="false", prop.t="false",prop.chisq="false")</code></pre>


<p class="wp-block-paragraph">Bene: a cosa mi serve tutto questo? La risposta è: ad esempio per il calcolo della <strong>probabilità condizionata</strong>.</p>


<hr class="wp-block-separator has-alpha-channel-opacity"/>


<h2 class="wp-block-heading" id="la-probabilita-condizionata">La probabilità condizionata</h2>


<p class="wp-block-paragraph">Prima di vedere di cosa si tratta e perchè è un concetto utilissimo nella realtà di tutti i giorni, serve qualche definizione preliminare riguardo la probabilità.</p>


<p class="wp-block-paragraph">Un evento è qualcosa che accade con uno o più possibili esiti.<br>Un esperimento è il processo di misurare o fare un'osservazione.</p>


<p class="wp-block-paragraph"><strong>Definizione importante: <em><a href="https://www.gironi.it/blog/probabilita-permutazioni-e-combinazioni/" target="_blank" data-type="post" data-id="2731" rel="noreferrer noopener">nel caso di eventi equiprobabili, la probabilità è il rapporto tra il numero dei casi favorevoli e il numero dei casi possibili</a></em></strong></p>

\( P(A) = \frac {numero \ dei \ casi \ favorevoli}{numero \ dei \ casi \ possibili}\\ \)


<p class="wp-block-paragraph">Ricordiamo poi che:</p>


<ul class="wp-block-list">
<li>La probabilità dell'intersezione di due eventi non può essere maggiore della probabilità di ciascun evento preso singolarmente.
</li>


<li>Se due eventi possibili, A e B, sono indipendenti, allora la possibilità che accadano entrambi è data dal prodotto delle loro probabilità individuali.
</li>


<li>Se un evento può avere un certo numero di esiti possibili diversi e distinti (A,B,C,ecc.), allora la probabilità che accada A oppure B è pari alla somma delle possibilità individuali di A e B, e la somma delle probabilità di tutti gli esiti possibili (A,B,C, ecc.) è pari a 1, cioè al 100%.
</li>
</ul>


<p class="wp-block-paragraph">La <strong>probabilità condizionata</strong> di un evento A rispetto a un evento B è la probabilità che si verifichi A, posto che si è verificato B.</p>


<p class="wp-block-paragraph">La formula è:</p>

\(P(A|B) = \frac {P(A \ and \ B)}{P(B)}\\ \)


<p class="wp-block-paragraph">Quando una probabilità riguarda <strong>una sola variabile</strong> si parla di <strong>probabilità marginale</strong>; quando riguarda contemporaneamente <strong>due variabili</strong> si parla di <strong>probabilità congiunta</strong>.</p>


<ul class="wp-block-list">
<li>La <strong>probabilità di un evento</strong> P(A) è: \(\frac {probabilità \ marginale \ A}{Totale}\\ \)
</li>


<li>La <strong>probabilità congiunta di due eventi</strong> è: \(\frac {P(A \ and \ B)}{Totale}\\ \)
</li>


<li>La <strong>probabilità condizionale</strong> dell'esito A dato il verificarsi della condizione B è: \(\frac {P(A \ and \ B)}{P(B)}\\ \)
</li>
</ul>



<p class="wp-block-paragraph">Una <strong>probabilità congiunta</strong> è la probabilità che qualcuno selezionato da tutto il gruppo abbia due caratteristiche particolari allo stesso tempo. Cioè entrambe le caratteristiche avvengono congiuntamente. Si trova una probabilità congiunta prendendo il valore della cella intersezione di A e B e dividendo per il totale generale.</p>


<p class="wp-block-paragraph">Per trovare una <strong>probabilità condizionale</strong>, considero il valore della cella che si trova all'incrocio di A e B e lo divido per il totale marginale di B, cioè della variabile che esprime l'evento che si è verificato.</p>


<hr class="wp-block-separator has-alpha-channel-opacity"/>


<p class="wp-block-paragraph">E' giunto il momento di un secondo esempio. Prendo i dati da:<br><em>Ellis GJ and Stone LH. 1979. Marijuana Use in College: An Evaluation of a Modeling Explanation. Youth and Society 10:323-334.</em></p>


<p class="wp-block-paragraph">Lo studio si chiede se è più probabile che uno studente fumi marijuana se i genitori avevano fatto uso di droghe in passato. Ecco la tabella:</p>


<pre class="wp-block-code"><code>                    genitori  genitori  TOTALE
                      uso     non uso
studente fa uso       125       94       219
studente non uso       85      141       226
TOTALE                210      235       445</code></pre>


<p class="wp-block-paragraph">Applichiamo le nostre conoscenze per rispondere a queste domande:</p>


<p class="wp-block-paragraph">1. <strong><em>Se i genitori hanno fatto uso di droghe leggere in passato, qual è la probabilità che lo stesso faccia il figlio al college?</em></strong></p>


<p class="wp-block-paragraph">Si tratta di un caso di probabilità condizionale.<br> Ricordiamo \(P(A|B) = \frac {P(A \ and \ B)}{P(B)}\\ \), quindi</p>


<p class="wp-block-paragraph">P(<em>studente usi posto che genitori hanno usato</em>) = 125 / 210 = 0,59 = 59%</p>


<p class="wp-block-paragraph">2. <em><strong>Uno studente viene estratto a sorte e non usa marijuana. Qual è la probabilità che i suoi genitori ne abbiano fatto uso?</strong></em></p>


<p class="wp-block-paragraph">Anche in questo caso mi trovo di fronte a un quesito che chiede una probabilità condizionale. Quindi:</p>


<p class="wp-block-paragraph">P(<em>genitori ne hanno fatto uso posto che il figlio non usa</em>) = 85 / 226 = 0,376 = 37,6%</p>


<p class="wp-block-paragraph">3. <em><strong>Qual è la probabilità di estrarre uno studente che non fa uso di marijuana e i cui genitori ne hanno fatto uso in passato?</strong></em></p>


<p class="wp-block-paragraph">Si tratta in questo caso di trovare una probabilità congiunta, quindi:</p>


<p class="wp-block-paragraph">\( \frac {P(A \ and \ B)}{Totale}\\ \), quindi \( \frac {85}{445} = 0.19\\ \).</p>


<p class="wp-block-paragraph">La probabilità è del 19% circa.</p>


<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">

<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">

<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">

<figure class="wp-block-image size-large"><img decoding="async" width="975" height="600" src="https://www.gironi.it/blog/wp-content/uploads/2026/07/contingenza-probabilita-1.png" alt="Probabilità marginale, condizionata e congiunta a confronto: lo stesso dato, tre domande diverse." class="wp-image-4358" srcset="https://www.gironi.it/blog/wp-content/uploads/2026/07/contingenza-probabilita-1.png 975w, https://www.gironi.it/blog/wp-content/uploads/2026/07/contingenza-probabilita-1-300x185.png 300w" sizes="(max-width: 709px) 85vw, (max-width: 909px) 67vw, (max-width: 1362px) 62vw, 840px" /><figcaption class="wp-element-caption">Probabilità marginale, condizionata e congiunta a confronto: lo stesso dato, tre domande diverse.</figcaption></figure>

</div></div>

</div></div>

</div></div>


<div class="wp-block-group has-background" style="background-color:#f5f7f9;margin-top:2.5rem;margin-bottom:2.5rem;padding-top:1.5rem;padding-right:1.5rem;padding-bottom:1rem;padding-left:1.5rem"><div class="wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-eed7543b wp-block-group-is-layout-constrained">
<p><strong>Probabilità condizionata non è causalità.</strong></p>
<p>P(A|B) alta non significa che B causa A. Nell'esempio marijuana, P(studente usa | genitori hanno usato) = 59% contro P(studente usa) = 49%: c'è una relazione, ma potrebbe essere dovuta a altri fattori (ambiente familiare, predisposizione genetica, contesto sociale). Questo vale anche in SEO: P(conversione | mobile) più bassa di P(conversione | desktop) non significa che il mobile sia un canale peggiore — potrebbe riflettere un intento diverso (navigazione in mobilità vs acquisto programmato da casa).</p>
<p>Le tabelle di contingenza mostrano associazioni, non nessi causali. Per avvicinarsi alla causalità servono esperimenti controllati o modelli più avanzati (<a href="https://www.gironi.it/blog/il-test-del-chi-quadrato/" target="_blank" rel="noopener noreferrer">test chi-quadrato</a> di indipendenza, regressione).</p>
</div></div>


<hr class="wp-block-separator has-alpha-channel-opacity"/>


<h2 class="wp-block-heading" id="dipendenza-e-indipendenza">Dipendenza e indipendenza</h2>


<p class="wp-block-paragraph">Se i risultati di A e B si influenzano a vicenda, diciamo che <strong>le due variabili sono in un rapporto di dipendenza</strong>.<br>Viceversa, possiamo dire che le due variabili sono indipendenti.</p>


<p class="wp-block-paragraph">Mi esprimo in maniera più rigorosa: possiamo affermare che l'evento B è indipendente dall'evento A se:</p>


<p class="wp-block-paragraph">P(B|A) = P(B)</p>


<p class="wp-block-paragraph">oppure</p>


<p class="wp-block-paragraph">P(A|B) = P(A)</p>


<p class="wp-block-paragraph">qualora non sia così, gli eventi sono tra loro dipendenti.</p>


<p class="wp-block-paragraph">Dunque:</p>


<ul class="wp-block-list">
<li>P(A and B) = P(A) P(B) se e solo se A e B sono eventi indipendenti.
</li>


<li>P(A | B) = P(A) e P(B | A) = P(B) se e solamente se A e B sono eventi indipendenti.
</li>
</ul>


<h3 class="wp-block-heading" id="esaminiamo-lindipendenza">Esaminiamo l'indipendenza di variabili categoriche...</h3>


<p class="wp-block-paragraph">Spieghiamoci meglio avvalendoci di un esempio.</p>


<p class="wp-block-paragraph">Chiamiamo A il fatto che le persone amano o meno il ciclismo.<br>B invece esprime il fatto che si ami oppure no l'abbacchio al forno. (logico, no?)</p>


<p class="wp-block-paragraph">Costruisco la mia tabella di contingenza:</p>


<pre class="wp-block-code"><code>                Ok ciclismo    No ciclismo  TOTALE
Sì abbacchio        95             36        131
No abbacchio        15             19         34
-----------------------------------------------
TOTALE             110             55        165</code></pre>


<p class="wp-block-paragraph">Ricordiamoci cosa significa dire che due eventi sono indipendenti. Significa questo:<br>P(A | B) = P(A)</p>


<p class="wp-block-paragraph">Ma nel nostro caso vediamo che<br>P(A) = 66,7%<br>perchè 110/165 = 0,67</p>


<p class="wp-block-paragraph">P(A | B) = 72,5%<br>perchè 95/131 = 0,725</p>


<p class="wp-block-paragraph">Ricordiamo infatti che<br>\(P(A|B) = \frac {P(A \ and \ B)}{P(B)}\\ \), quindi<br>\( \frac {95}{131} = 0.725\\ \).</p>


<p class="wp-block-paragraph">Dal risultato è chiaro che<br>\( P(A) \neq P(A|B)\)<br>i due eventi risultano NON indipendenti, (quindi sono dipendenti).</p>


<p class="wp-block-paragraph">D'altronde, è noto a tutti che tra amare il ciclismo e l'abbacchio arrosto c'è una chiara dipendenza 🙂</p>


<hr class="wp-block-separator has-alpha-channel-opacity"/>


<h3 class="wp-block-heading" id="prova-tu">Prova tu</h3>


<p class="wp-block-paragraph">Vediamo ora un esempio più vicino al SEO. Supponiamo di avere i dati di 500 sessioni su un sito ecommerce, incrociando il tipo di dispositivo con l'esito della sessione:</p>


<pre class="wp-block-code"><code>                  Ha convertito  Non ha convertito  TOTALE
Desktop               82              218          300
Mobile                28              172          200
TOTALE               110              390          500</code></pre>


<p class="wp-block-paragraph">Ora prova a rispondere:</p>


<p class="wp-block-paragraph">1. <strong>Qual è la probabilità che una sessione da mobile converta?</strong></p>


<p class="wp-block-paragraph">2. <strong>Tra le sessioni che hanno convertito, qual è la proporzione di quelle da desktop?</strong></p>


<p class="wp-block-paragraph">3. <strong>Se dispositivo e conversione fossero indipendenti, quante conversioni da desktop ci aspetteremmo?</strong></p>


<p class="wp-block-paragraph"><em>Le risposte:</em></p>


<p class="wp-block-paragraph">1. P(conversione | mobile) = 28 / 200 = <strong>14%</strong>.<br>2. P(desktop | conversione) = 82 / 110 = <strong>74,5%</strong>.<br>3. Se fossero indipendenti, P(conversione) × P(desktop) × totale = (110/500) × (300/500) × 500 = <strong>66</strong> conversioni attese da desktop (ne abbiamo osservate 82 — la differenza è proprio quello che il <a href="https://www.gironi.it/blog/il-test-del-chi-quadrato/" target="_blank" rel="noopener noreferrer">test chi-quadrato</a> valuta).</p>


<hr class="wp-block-separator has-alpha-channel-opacity"/>


<p class="wp-block-paragraph">Abbiamo visto che le tabelle di contingenza ci permettono di calcolare probabilità marginali, condizionate e congiunte, e di verificare se due variabili categoriche sono indipendenti. Ma c'è un aspetto che abbiamo solo sfiorato: come facciamo a stabilire se la differenza tra P(conversione | mobile) e P(conversione | desktop) è <strong>statisticamente significativa</strong>? Non basta che i due numeri siano diversi: potrebbe essere rumore dovuto al caso.</p>


<p class="wp-block-paragraph">La risposta è il <strong><a href="https://www.gironi.it/blog/il-test-del-chi-quadrato/" target="_blank" rel="noopener noreferrer">test chi-quadrato di indipendenza</a></strong>, che confronta le frequenze osservate con quelle attese sotto l'ipotesi di indipendenza. È il completamento naturale di quanto visto qui, ed è uno degli strumenti più usati in SEO per confrontare performance tra segmenti (dispositivo, canale, pagina, periodo). Nel prossimo articolo vedremo come funziona e come applicarlo ai dati del tuo sito.</p>


<hr class="wp-block-separator has-alpha-channel-opacity"/>


<h3 class="wp-block-heading">Per approfondire</h3>


<p class="wp-block-paragraph">Tabelle di contingenza, probabilità condizionata e indipendenza sono trattate con rigore in <a href="https://www.amazon.it/dp/8891910651?tag=consulenzeinf-21&#038;ascsubtag=tabelle-di-contingenza-e-probabilita-condizionata" rel="nofollow sponsored noopener" target="_blank"><em>Statistica</em></a> di Newbold, Carlson e Thorne, il manuale di riferimento per chi vuole approfondire l'inferenza.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://www.gironi.it/blog/tabelle-di-contingenza-e-probabilita-condizionata/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
