Probabilità/Spazi di probabilità: differenze tra le versioni

:Se per due eventi A e B, p(A ∩ B) non è uguale a p(A)p(B), allora A e B si dice che sono associaticorrelati o dipendenti. Se p(A ∩ B) > p(A)p(B), affinché p(A|B) > p(A) e p(B|A) > p(B), allora gli eventi sono detti associaticorrelati positivamente (risposta alla domanda #2 sopra). Se, invece, p(A ∩ B) < p(A)p(B), affinché p(A|B) <p(A) e p(B|A) < p(B), si dice che gli eventi sono associaticorrelati negativamente.

La probabilità di un evento può essere espressa come probabilità binomiale se i suoi risultati possono essere suddivisi in due probabilità p e q, dove p e q sono complementari (cioè p + q = 1). La probabilità binomiale si occupa in genere con la probabilità di diverse decisioni successive, ognuna delle quali ha due possibili esiti. La distribuzione binomiale è la distribuzione di probabilità discreta del numero di successi in una sequenza di n indipendenti si / no esperimenti, ciascuno dei quali produce successo con probabilità p. Tale esperimento di successo / insuccesso è anche chiamato un esperimento di Bernoulli o di prova Bernoulli. Infatti, quando n = 1, la distribuzione binomiale è una distribuzione Bernoulli. Il processo di Bernoulli è un processo stocastico discreto costituito da una sequenza di variabili casuali indipendenti che assumono valori su due simboli. Letteralmente, un processo di Bernoulli è un lancio di monete ripetuto, magari con una moneta sleale. Una variabile in una tale sequenza può essere chiamata una variabile di Bernoulli. In altre parole, un processo di Bernoulli è una sequenza di prove di Bernoulli indipendenti identicamente distribuite. L'indipendenza di prove di Bernoulli implica proprietà senza memoria: studi passati non forniscono tutte le informazioni riguardanti i risultati futuri.!!!!!!!! Da un dato momento, anche le prove future sono un processo Bernoulli indipendente passato (struttura fresca-start). sequenza o un altro insieme di variabili casuali è indipendente e identicamente distribuite (IID) se ogni variabile casuale ha la stessa distribuzione di probabilità degli altri e tutti sono reciprocamente indipendenti. Due eventi A e B sono indipendenti se e solo se Pr (A ∩ B) = Pr (A) Pr (B). Qui A ∩ B è l'intersezione di A e B, cioè, è il caso  in cui si verifichino due eventi A e B. Questa è chiamata la regola per gli eventi indipendenti.