Valore atteso: differenze tra le versioni

Versione delle 15:57, 3 feb 2020

Versione attuale delle 08:27, 20 giu 2024

(26 versioni intermedie di 23 utenti non mostrate)

Riga 1:

{{nota disambigua|il valor medio di un campione in [[statistica descrittiva]]|Media (statistica)}}

{{nota disambigua|il risultato di [[analisi matematica]]|Teorema di Lagrange}}

[[File:Largenumbers.svg|thumb|alt=Questo grafico mostra la convergenza della successione del valor medio dei risultati di un dado a sei facce al valore atteso 3,5 al crescere del numero di tiri.|Questo grafico mostra la convergenza della successione del valor medio dei risultati di un dado a sei facce al valore atteso 3,5 al crescere del numero di tiri.]]

In [[teoria della probabilità]] il '''valore atteso''' (chiamato anche '''media''', '''speranza''' o '''speranza matematica''') di una [[distribuzione (matematica)|distribuzione]] <math> f </math>, è un numero che formalizza l'idea euristica di ''valore medio'' di un fenomeno aleatorio.

VieneIn indicato[[teoria indella probabilità]] il '''valore atteso''' (chiamato anche '''media''' o '''speranza matematica''') di una [[notazionevariabile casuale]] <math>X</math> è un numero indicato con <math>\mathbb{E}[fX]</math> (da '''''E'''xpectedexpected value'' of the ''f'' function o '''''E'''xpectationexpectation'' in inglese, o dal francese ''espérance''), seguendoche laformalizza notazionel'idea ineuristica usodi per''valore medio'' di un [[funzionale]]fenomeno aleatorio.

Per esempio, il valore atteso di una [[distribuzione di Poisson]] si indica con E[P], quello di una distribuzione di Maxwell con E[M].

In generale, il valore atteso di una [[variabile casuale discreta]] (che assuma cioè solo un numero [[insieme finito|finito]] o una infinità [[insieme numerabile|numerabile]] di valori) è dato dalla somma dei possibili valori di tale variabile, ciascuno moltiplicato per la probabilità di essere assunto (ossia di verificarsi), cioè è la [[media ponderata]] dei possibili risultati. Per una [[variabile casuale continua]] la questione è più delicata e si deve ricorrere alla [[misura (matematica)|teoria della misura]] e all'[[integrale di Lebesgue-Stieltjes]].

AdPer esempio, nel celebre gioco [[testa o croce]], se scegliamo "testa" e ipotizziamo un valore di 100 per la vittoria (testa) e di zero per la sconfitta (croce), il valore atteso del gioco è 50, ovvero la media delle vincite e perdite pesata in base alle probabilità (50% per entrambi i casi): <math>100 \cdot 0,5 + 0\cdot 0,5= 50</math>, cioè il valore di "testa" per la sua probabilità e il valore di "croce" per la sua probabilità.

== Definizione matematica ==

Sia <math>(\Omega,\mathfrak{F},\mathbb{P})</math> uno [[spazio di probabilità]], ede <math>X</math> una variabile aleatoria a [[Numero reale|valori reali]] su tale spazio (ossia una [[funzione misurabile]] <math>X:\colon \Omega \mapstoto \mathbb{R}</math>, dove i numeri reali si intendono equipaggiati con la loro [[Algebra di Borel|&sigma;σ-algebra boreliana]]). Il valore atteso di <math>X</math> è semplicemente l'integrale di <math>X</math> rispetto alla misura di probabilità <math>\mathbb{P}</math>:

::<math>\mathbb{E}(\mathbb{P}):= \int_{\Omega} X(\omega) d \mathbb{P}(\omega)</math>.

::<math>\mathbb{E}(\mathbb{P}X):= \int_{\Omega} X(\omega) d \mathbb{P}(\omega).</math>.

=== Distribuzioni discrete ===

=== Calcolare il valore atteso di variabili aleatorie discrete ===

Nel caso di [[variabile casuale discreta]] che ammette [[funzione di probabilità]] <math>p_i</math> è definita come

::<math>\ \mathbb{E}[X] = \sum_{i=1}^{\infty} x_i\,p_i</math>

::<math>\ \mathbb{E}[X] = \sum_{i=1}^{\infty} x_i\, p_i.</math>

=== Distribuzioni continue ===

Nel caso di [[variabile casuale continua]] che ammette [[funzione di densità di probabilità]] ''f(x)'' la definizione diventa

=== Calcolare il valore atteso di variabili aleatorie assolutamente continue ===

::<math>\ \mathbb{E}[X] = \int_{-\infty}^{\infty}x f(x) dx</math>

Nel caso di [[variabile casuale continua]] che ammette [[funzione di densità di probabilità]] ''<math>f(x)''</math> la definizione diventa

::<math>\ \mathbb{E}[X] = \int_{-\infty}^{\infty}x f(x) dx.</math>

=== Speranza matematica finita ===

Si dice che <math> X </math> ha speranza finita nel discreto se

::<math>\ \mathbb{E}[|X|] = \sum_{i=1}^{\infty} |x_i|\,p_i <+{\infty},</math>

=== Speranza matematica ===

Si dice che <math> X </math> ha speranza finita nel discreto se

::<math>\ \mathbb{E}[|X|] = \sum_{i=1}^{\infty} |x_i|\,p_i <+{\infty}</math>

mentre nel continuo se

::<math>\ \mathbb{E}[|X|] = \int_{-\infty}^{\infty}|x| f(x) dx <+{\infty}.</math>

== Proprietà ==

=== CostanteMedia di una costante ===

IlLa valore attesomedia di una costante ''<math>c''</math> (cioè di una variabile casuale che assume il valore ''<math>c''</math> con probabilità 1) è ovviamente la costante stessa:

:<math>\mathbb{E}[c]=c</math>.

=== Linearità ===

Un'importante caratteristica del funzionale ''valore atteso'' è la [[funzionaleoperatore lineare|linearità]]: ovvero per ogni variabile casuale X e coppia di [[numero reale|numeri reali]] ''<math>a''</math> e ''<math>b''</math> si ha

:<math>\mathbb{E}[aX+b]=a\mathbb{E}[X]+b</math>

:<math>\mathbb{E}[aX+b]=a\mathbb{E}[X]+b.</math>

Questa proprietà è facilmente dimostrabile: ad esempio, nel caso di una variabile casuale discreta, si ha

:<math>\mathbb{E}[aX+b]=\sum_{i=1}^\infty (ax_i+b)P(X=x_i)=a\sum_{i=1}^\infty x_iP(X=x_i)+b\sum_{i=1}^\infty P(X=x_i)=a\mathbb{E}[X]+b</math>

Questa proprietà è facilmente dimostrabile: adper esempio, nel caso di una variabile casuale discreta, si ha

:<math>\mathbb{E}[aX+b]=\sum_{i=1}^\infty (ax_i+b)P(X=x_i)=a\sum_{i=1}^\infty x_iP(X=x_i)+b\sum_{i=1}^\infty P(X=x_i)=a\mathbb{E}[X]+b,</math>

perché la somma delle probabilità è 1, in quanto consideriamo la somma di tutti i possibili eventi.

Questa proprietà ha la conseguenza importante che date due variabili casuali qualsiasi <math>X</math> e <math>Y</math> (non necessariamente [[indipendenza (probabilità)|indipendenti]]) si ha

:<math>\mathbb{E}[X+Y]=\mathbb{E}[X]+\mathbb{E}[Y]</math>

:<math>\mathbb{E}[X+Y]=\mathbb{E}[X]+\mathbb{E}[Y].</math>

Questa proprietà non vale per il prodotto: in generale, E[XY] è diverso da E[X]E[Y]. Quando queste due quantità sono uguali, si dice che X e Y sono [[Correlazione (statistica)|non correlate]]. In particolare, due variabili casuali indipendenti sono non correlate.

Questa proprietà non vale per il prodotto: in generale, <math>\mathbb{E}[XY]</math> è diverso da <math>\mathbb{E}[X]\mathbb{E}[Y].</math> Quando queste due quantità sono uguali, si dice che <math>X</math> e <math>Y</math> sono [[Correlazione (statistica)|non correlate]]. In particolare, due variabili casuali indipendenti sono non correlate.

=== Monotonia ===

Se i valori che assume una variabile casuale <math>X</math> sono compresi tra due estremi ''<math>a''</math> e ''<math>b''</math>, così sarà la media di <math>X</math>; infatti

:<math>\mathbb{E}[X]=\sum_{i=1}^\infty x_iP(X=x_i)>a\sum_{i=1}^\infty P(X=x_i)=a,</math>

e allo stesso modo si dimostra nel caso continuo. Da questo si deduce che se due variabili casuali verificano <math>X\geq Y</math> (ovvero, per ogni evento E, il valore di X in corrispondenza di quell'evento è maggiore o uguale di quello di Y), allora

:<math>\mathbb{E}[X]\geq\mathbb{E}[Y]</math>

e allo stesso modo si dimostra nel caso continuo. Da questo si deduce che se due variabili casuali verificano <math>X\geq Y</math> (ovveroossia, per ogni evento <math>E,</math> il valore di <math>X</math> in corrispondenza di quell'evento è maggiore o uguale di quello di <math>Y</math>), allora

:<math>\mathbb{E}[X]\geq\mathbb{E}[Y].</math>

{{Vedi anche|Legge dei grandi numeri}}

== Stime del valore atteso ==

In [[statistica]], la stima del valore atteso assume un ruolo centrale, in quanto principale parametro usato nella [[statistica inferenziale]]. Comunemente esso verrà stimato dalla [[Media (statistica)|media]] dei valori del campione (ad esempio la media aritmetica) o, nelle applicazioni, dalla cosiddetta [[trimmed mean]], ossia la media che tiene conto solo dei valori più centrali del campione (ad esempio solo de 50% dei valori più centrali). La trimmed mean viene spesso preferita alla rispettiva media poiché è considerato un dato statistico più robusto, ossia meno suscettibile di variazioni in presenza di valori anomali del campione.

== ValoriCalcolo attesidel neivalore giochiatteso nel gioco ==

=== Gioco dei dadi ===

Nel [[Dado (gioco)|gioco dei dadi]], rappresentando il risultato del tiro del dado con una variabile casuale che possa assumere i valori <math> 1, 2, 3, 4, 5, 6 </math>, ciascuno con probabilità <math>1/6,</math> intuitivamente, la ''media'' di questa variabile casuale sarà <math>3,5</math>, dal momento che <math> 1\cdot \frac{1}{6}+2\cdot \frac{1}{6}+3\cdot \frac{1}{6}+4\cdot \frac{1}{6}+5\cdot \frac{1}{6}+6\cdot \frac{1}{6}=3,5.</math>

=== Gioco del lotto ===

* Nel [[gioco del lotto]], vengono estratti <math>5</math> numeri tra <math>1</math> e <math>90,</math>, ede un giocatore può ''puntare'' una certa posta sul verificarsi di vari eventi. Calcoliamo il valore atteso del ricavo di uno scommettitore che punti <math>10</math> [[euro]] sulle cinque possibili ''giocate''.

** ''Numero secco'' (si punta sull'uscita di un determinato numero; la vincita paga circa 11undici volte la posta): la probabilità che il giocatore vinca è data dal rapporto da <math>5/90</math> (rapporto tra i numeri vincenti e tutti i numeri che possono essere estratti), e in tal caso il giocatore vincerà <math>11 \cdot 10-10=100</math> euro; la probabilità di perdita è <math>85/90,</math> e in tal caso il giocatore perderà i <math>10</math> euro di puntata. Il ricavo medio sarà quindi <math>\frac{5}{90}\cdot 100 - \frac{85}{90} \cdot 10=-\frac{35}{9} \simeq -3,89.</math> Ossia, in media il giocatore perderà <math>3,89</math> euro per ogni <math>10</math> euro giocati.

** ''Ambo'' (si punta sull'uscita di ununa determinata coppia di numeri; la vincita paga <math>250</math> volte la posta): vi sono <math>{90 \choose 2}=4005</math> possibili coppie di numeri. Poiché sulla ruota vengono estratti <math>5</math> numeri, gli ambi estratti sono <math>{5 \choose 2}=10</math> e pertanto il giocatore vincerà con probabilità <math>10/4005,</math> ede in talquesto caso egli guadagnerà <math>250 \cdot 10-10=2490</math> euro; la probabilità di perdita è <math>3995/4005,</math> e in tal caso il giocatore perderà i <math>10</math> euro di puntata. Il guadagno medio sarà quindi <math>\frac{10}{4005}\cdot2490 - \frac{3995}{4005}\cdot 10 \simeq -3,76.</math> Ossia, in media il giocatore perderà <math>3,76</math> euro per ogni <math>10</math> euro giocati.

** ''Terno'' (si punta sull'uscita di ununa determinata terna di numeri; la vincita paga <math>4500</math> volte la posta): ci sono <math>117480</math> possibili terne distinte di numeri.

** ''Quaterna'' (si punta sull'uscita di ununa determinata quaterna di numeri; la vincita paga <math>120000</math> volte la posta): ci sono <math>2555190</math> possibili quaterne distinte di numeri.

** ''Cinquina'' (si punta sull'uscita di ununa determinata cinquina di numeri; la vincita paga <math>6</math> milioni di volte la posta): Ci sono <math>43949268</math> possibili cinquine distinte di numeri.

La tabella seguente mostra un riepilogo delle perdite medie per una giocata di importo pari a <math>1</math> euro.

Riga 73 ⟶ 83:

|-

! !! Probabilità di vincita !! Quote di vincita per <math>1</math> euro giocato !! Perdita media in centesimi

|-

| Numero secco || 1/18 || 11 || 38,9

|-

| Ambo || 2/801|| 250 || 37,6

Riga 83 ⟶ 95:

|}

=== Gioco del pokerPoker ===

Il valore atteso è l'aspettativa, positiva o negativa che sia (ecco perché vedrete spesso le sigle EV- o EV+), che abbiamo ogniqualvolta prendiamo una decisione; cercare di prendere quante più decisioni a valore atteso positivo, è fondamentale per vincere nel long term.

Nel poker, ogni volta che scegliamo di fare un '''bet''', un '''fold '''odo un '''raise ''', abbiamo a che fare con un EV positivo o negativo. Alla fine della nostra carriera avremo guadagnato tanto più quante più scelte ada EV positivo avremo preso, e perso tanto meno quante più scelte ada EV negativo avremo evitato.

A volte nel poker capita che sia un bet che un raise '''abbiano entrambi EV positivo''', in questo caso il giocatore con esperienza deve sapersapere individuare qualquale èsia la mossa con EV maggiore.

Quando si gioca a poker non si ha il tempo di calcolare precisamente qual è l'EV di una determinata mossa e spesso non si sa neanche se la mossa che si è fatta sia vantaggiosa o no, cioè se abbia EV positivo o negativo.

Questo perché il poker è un gioco ada informazioni incomplete e quindi, anche volendo, non potremmo calcolare precisamente in ogni momento l'EV di un particolare bet o fold perché non abbiamo a disposizione i dati numerici per effettuare il calcolo. Spesso i giocatori professionisti, lontano dal tavolo da gioco cercano di valutare l'EV di una determinata giocata facendo delle ipotesi sul comportamento degli avversari e sulle carte che hanno in mano.

Spesso i giocatori professionisti, lontano dal tavolo da gioco cercano di valutare l'EV di una determinata giocata facendo delle ipotesi sul comportamento degli avversari e sulle carte che hanno in mano.

Queste analisi (spesso molto utili) richiedono tempo e non potrebbero mai essere effettuate durante una partita. Nell'hold'em si presentano continuamente nuovi contesti di gioco, ma spesso è possibile individuare una situazione che è simile a un'altra analizzata precedentemente. Tanto più si ha dimestichezza nell'individuare queste situazioni, tanto più ci si troverà a proprio agio al tavolo da gioco.

Nella Texas hold'em si presentano continuamente nuovi contesti di gioco, ma spesso è possibile individuare una situazione che è simile ad un'altra analizzata precedentemente. Tanto più si ha dimestichezza nell'individuare queste situazioni, tanto più ci si trovera' a proprio agio al tavolo da gioco.

Concludendo, diciamo che l'EV nel poker non è visibilmente presente ma che ogni sforzo che il giocatore fa per “vincere” non è altro che uno sforzo (consapevole o no) per fare scelte colcon il più elevato EV possibile.

== Bibliografia ==

* {{cita libro|nome=Giorgio |cognome=Dall'Aglio, ''|titolo=Calcolo delle probabilità'', |anno=2003|editore=Zanichelli, |città=Bologna, 2003|ISBN=978-88-08-17676-9}}

* {{cita web | 1 = http://www.unipa.it/giuseppe.sanfilippo/pub/sigad/lotto.pdf | 2 = Probabilità e lotto | urlmorto = sì }}

Riga 110 ⟶ 120:

* [[Funzione di ripartizione]]

* [[Valore atteso condizionato]]

== Collegamenti esterni ==

* {{Collegamenti esterni}}

{{Controllo di autorità}}