Calcolatore di probabilità

Un calcolatore di probabilità trasforma le ipotesi sui possibili risultati in valori numerici. Questo strumento supporta eventi singoli, relazioni tra due eventi, probabilità binomiali e teorema di Bayes, mostrando anche le formule utilizzate per ogni risultato.

Tuttavia, un calcolo corretto non rende automaticamente realistico il modello di partenza. Gli eventi devono essere definiti con precisione, i dati devono riferirsi alla stessa popolazione o allo stesso esperimento e ipotesi come indipendenza o probabilità di successo costante devono essere giustificate.

Che cosa misura il calcolatore

Il calcolatore comprende quattro modalità:

• Evento singolo a partire da esiti favorevoli ed esiti totali equiprobabili;
• Due eventi con eventi indipendenti oppure con intersezione nota;
• Probabilità binomiale per calcolare esattamente, al massimo, almeno o tra un determinato numero di successi;
• Teorema di Bayes per aggiornare una probabilità iniziale dopo una nuova evidenza.

A seconda della modalità, il risultato può includere probabilità, percentuale, complemento, quote, intersezione, unione, probabilità condizionate, successi attesi, varianza, deviazione standard e probabilità a posteriori.

Come usare il calcolatore di probabilità

1. Seleziona la modalità corrispondente al problema.
2. Scegli l’inserimento decimale o percentuale quando l’opzione è disponibile.
3. Inserisci le probabilità o il numero di esiti richiesti.
4. Per due eventi, stabilisci se sono indipendenti oppure se l’intersezione è già nota.
5. Per il calcolo binomiale, seleziona esattamente, al massimo, almeno oppure tra due valori.
6. Scegli la precisione da visualizzare.
7. Premi Calcola.
8. Infine, controlla formula e ipotesi prima di utilizzare il risultato.

Il pulsante di esempio compila la modalità attiva con valori dimostrativi. Di conseguenza, è utile per comprendere la disposizione dei campi, ma i dati devono essere sostituiti con quelli del problema reale.

Scala della probabilità e formati di inserimento

Una probabilità deve essere compresa tra 0 e 1:

0 ≤ P(A) ≤ 1

Lo stesso intervallo può essere espresso da 0% a 100%.

• 0 oppure 0% indica un evento impossibile all’interno del modello;
• 1 oppure 100% indica un evento certo all’interno del modello;
• 0,5 e 50% rappresentano la stessa probabilità.

È importante scegliere consapevolmente il formato. Per esempio, inserire 25 in modalità decimale non è valido, mentre inserire 0,25 in modalità percentuale significa 0,25% e non 25%.

Probabilità di un evento singolo

Quando tutti gli esiti elementari sono equiprobabili, la probabilità dell’evento A è:

P(A) = esiti favorevoli ÷ esiti totali

La condizione di equiprobabilità è essenziale. Infatti, contare tre esiti favorevoli su otto non basta quando alcuni esiti hanno probabilità diverse.

Probabilità complementare

Il complemento dell’evento A significa che A non si verifica:

P(non A) = 1 − P(A)

Per l’esempio dei gettoni:

P(non blu) = 1 − 0,375 = 0,625 = 62,5%

La regola del complemento è particolarmente utile nelle domande del tipo “almeno uno”. Spesso, infatti, è più semplice calcolare la probabilità di zero successi e sottrarla da 1.

Quote a favore e quote contro

Le quote confrontano la probabilità favorevole con quella sfavorevole.

Quote a favore = P(A) : P(non A)

Quote contro = P(non A) : P(A)

Con tre esiti favorevoli e cinque sfavorevoli, le quote a favore sono 3:5, mentre quelle contro sono 5:3.

Tuttavia, le quote non coincidono con la probabilità. Quote pari a 3:5 corrispondono a una probabilità di 3 ÷ (3 + 5) = 3/8.

Probabilità di due eventi

Per gli eventi A e B, il calcolatore distingue intersezione e unione.

• P(A ∩ B) è la probabilità che A e B si verifichino entrambi;
• P(A ∪ B) è la probabilità che si verifichi A, B oppure entrambi.

La regola generale dell’addizione è:

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

L’intersezione viene sottratta una volta perché era già stata inclusa sia in P(A) sia in P(B).

Eventi indipendenti

Due eventi sono indipendenti quando il verificarsi dell’uno non modifica la probabilità dell’altro. In questo caso:

P(A ∩ B) = P(A) × P(B)

L’indipendenza è un’ipotesi sul processo. Non dovrebbe essere selezionata semplicemente perché non sono disponibili altre informazioni.

Eventi indipendenti ed eventi mutuamente esclusivi

Gli eventi mutuamente esclusivi non possono verificarsi insieme, quindi la loro intersezione è zero. Gli eventi indipendenti, invece, possono verificarsi insieme e non modificano reciprocamente le proprie probabilità.

Se A e B hanno entrambi probabilità positiva e sono mutuamente esclusivi, osservare A rende B impossibile. Di conseguenza, non sono indipendenti.

Intersezione nota e controlli di fattibilità

Quando gli eventi sono dipendenti o la probabilità congiunta è già nota, seleziona l’opzione con intersezione conosciuta e inserisci P(A ∩ B).

Ogni intersezione valida deve rispettare i limiti di Fréchet:

max(0, P(A) + P(B) − 1) ≤ P(A ∩ B) ≤ min(P(A), P(B))

Il calcolatore rifiuta un valore esterno a questo intervallo, perché nessuna coppia di eventi può produrlo.

Solo A, solo B e nessuno dei due eventi

Una volta nota l’intersezione:

P(solo A) = P(A) − P(A ∩ B)

P(solo B) = P(B) − P(A ∩ B)

P(nessuno) = 1 − P(A ∪ B)

Questi valori dividono lo spazio campionario in regioni non sovrapposte e, inoltre, aiutano a verificare la coerenza interna dei dati inseriti.

Probabilità condizionata

La probabilità condizionata misura la probabilità di un evento sapendo che un altro evento si è già verificato.

P(A | B) = P(A ∩ B) ÷ P(B)

P(B | A) = P(A ∩ B) ÷ P(A)

Il denominatore deve essere maggiore di zero. Una probabilità condizionata rispetto a un evento impossibile non è definita in questo calcolo elementare.

Probabilità binomiale

Il modello binomiale conta il numero di successi in un numero fisso di prove. È adatto quando valgono tutte le condizioni seguenti:

• il numero di prove n è fisso;
• ogni prova ha due esiti definiti, chiamati successo e insuccesso;
• le prove sono indipendenti;
• la probabilità di successo p è la stessa in ogni prova.

NIST e OpenStax indicano proprio indipendenza e probabilità costante come condizioni centrali del modello binomiale.

Probabilità di esattamente k successi

Se X segue una distribuzione binomiale:

P(X = k) = C(n, k) × p^k × (1 − p)^{n − k}

In questa formula, C(n, k) rappresenta il numero di possibili disposizioni di k successi tra n prove.

Al massimo, almeno e tra due valori

Il calcolatore somma le probabilità esatte appropriate:

• al massimo k: P(X ≤ k) = P(0) + … + P(k);
• almeno k: P(X ≥ k) = P(k) + … + P(n);
• tra a e b: P(a ≤ X ≤ b) = P(a) + … + P(b).

Le espressioni “almeno” e “al massimo” includono il valore limite indicato. Questo dettaglio è una fonte frequente di errori.

Valore atteso, varianza e deviazione standard

Per una variabile casuale binomiale:

Successi attesi = n × p

Varianza = n × p × (1 − p)

Deviazione standard = √[n × p × (1 − p)]

Il valore atteso è una media di lungo periodo, non una promessa sul risultato di un singolo esperimento. Per esempio, con n = 10 e p = 0,30, il numero atteso è 3, anche se un gruppo reale di dieci prove può produrre un conteggio diverso.

Teorema di Bayes

Il teorema di Bayes aggiorna la probabilità di A dopo l’osservazione dell’evidenza B:

P(A | B) = P(B | A) × P(A) ÷ P(B)

Nella forma a due categorie usata dal calcolatore:

P(B) = P(B | A)P(A) + P(B | non A)P(non A)

Pertanto:

P(A | B) = P(B | A)P(A) ÷ [P(B | A)P(A) + P(B | non A)P(non A)]

Esempio di Bayes nel controllo qualità

Supponiamo che il 2% dei componenti provenga da una condizione produttiva associata a difetti. Un controllo segnala il 90% dei componenti provenienti da quella condizione e segnala anche il 4% dei componenti provenienti da altre condizioni.

• P(A) = 0,02;
• P(B | A) = 0,90;
• P(B | non A) = 0,04.

La probabilità totale di una segnalazione è:

P(B) = 0,90 × 0,02 + 0,04 × 0,98 = 0,0572

La probabilità aggiornata è:

P(A | B) = 0,018 ÷ 0,0572 ≈ 0,3147 = 31,47%

L’esempio mostra perché un’elevata capacità di rilevamento, da sola, non determina la probabilità a posteriori. Infatti, contano anche la probabilità iniziale e il tasso di falsi positivi.

Perché i tassi di base sono importanti

Un evento raro può mantenere una probabilità a posteriori relativamente modesta anche dopo un’evidenza positiva, soprattutto quando i falsi positivi non sono estremamente rari. Ignorare la probabilità iniziale viene comunemente definito trascuratezza del tasso di base.

Tuttavia, il teorema di Bayes non stabilisce se la probabilità iniziale o i valori di verosimiglianza siano credibili. Tali valori devono provenire da dati pertinenti e raccolti in modo appropriato.

Numeri decimali, percentuali e arrotondamento

Il calcolatore accetta probabilità in formato decimale o percentuale nelle modalità in cui è presente il selettore.

• 0,2 in modalità decimale equivale al 20%;
• 20 in modalità percentuale equivale al 20%;
• 0,2 in modalità percentuale equivale allo 0,2%.

Sono supportati anche i separatori decimali locali. Inoltre, l’opzione di precisione modifica soltanto il valore visualizzato, mentre il calcolo continua a usare la massima precisione disponibile.

Che cosa il risultato non può dimostrare

Un risultato di probabilità non può dimostrare che:

• gli esiti scelti siano equiprobabili;
• due eventi siano indipendenti;
• la probabilità di successo binomiale resti costante;
• la probabilità iniziale sia rappresentativa;
• i dati storici rimangano validi dopo un cambiamento del processo;
• un singolo risultato futuro sia garantito.

Il calcolatore valuta le conseguenze matematiche dei dati inseriti, ma non convalida il processo che ha generato quei dati.

Procedura affidabile

1. Definisci l’evento e lo spazio campionario in linguaggio semplice.
2. Verifica l’equiprobabilità degli esiti elementari prima di usare il semplice conteggio.
3. Scegli formato decimale o percentuale e usalo in modo coerente.
4. Nel caso di due eventi, giustifica l’indipendenza oppure fornisci un’intersezione valida.
5. Quando usi la distribuzione binomiale, controlla tutte e quattro le condizioni del modello.
6. Con il teorema di Bayes, usa probabilità riferite alla stessa popolazione e allo stesso periodo.
7. Controlla che ogni probabilità sia compresa tra 0 e 1.
8. Usa complemento, unione o probabilità totale come verifica di coerenza.
9. Mantieni la piena precisione fino alla visualizzazione finale.
10. Infine, dichiara sempre le ipotesi quando comunichi il risultato.

Errori frequenti

• inserire 30 in modalità decimale anziché percentuale;
• trattare come indipendenti eventi che in realtà sono dipendenti;
• confondere eventi mutuamente esclusivi ed eventi indipendenti;
• sommare P(A) e P(B) senza sottrarre l’intersezione;
• usare il modello binomiale quando p cambia tra le prove;
• escludere k dalle espressioni “almeno k” o “al massimo k”;
• interpretare il numero atteso di successi come un conteggio garantito;
• combinare una verosimiglianza di una popolazione con una probabilità iniziale di un’altra;
• arrotondare troppo presto le probabilità piccole;
• presentare il risultato del modello come una previsione certa.

Domande frequenti

Fonti matematiche e tecniche

• Penn State STAT 414: proprietà della probabilità
• OpenStax: due regole fondamentali della probabilità
• Penn State STAT 414: probabilità condizionata
• NIST/SEMATECH: distribuzione binomiale
• OpenStax: distribuzione binomiale
• Penn State STAT 414: teorema di Bayes
• Schema.org: FAQPage

Fonti verificate il 24 giugno 2026.