Calcolatore Diagramma ad Albero e Tabella 2x2
Calcola esperimenti aleatori a più stadi, probabilità dei rami, probabilità totali, probabilità condizionate con teorema di Bayes e tabelle 2x2.
Baumdiagramm (2-Stufig)
Stochastisch abhängigVierfeldertafel (Wahrscheinlichkeiten)Summe Zeilen & Spalten = Randwahrscheinlichkeiten
| Ereignis | Krank (K) | Gesund (G) | Σ (Gesamt) |
|---|---|---|---|
| Test Positiv (+) | 0.09509.50% | 0.04504.50% | 0.1400P(Test Positiv (+)) |
| Test Negativ (-) | 0.00500.50% | 0.855085.50% | 0.8600P(Test Negativ (-)) |
| Σ (Gesamt) | 0.1000P(Krank (K)) | 0.9000P(Gesund (G)) | 1.0000 (100%) |
📚Schritt-für-Schritt Rechenweg
Origine Storica e Sfida Risolta
Perché è stata sviluppata questa matematica, da dove proviene e quale problema reale ha risolto?
1. Unfinished Games of Chance & Diagnostic Fallacies
In 1654, Chevalier de Méré asked Pascal: how should the prize money be divided fairly if a dice game is interrupted prematurely? Furthermore, how does one assess diagnostic test accuracy when a disease is exceptionally rare?
2. Tree Diagram Path Rules & Bayes' Theorem
Fermat and Pascal developed multiplication and addition path rules. Thomas Bayes formulated Bayes' theorem for conditional probability, demonstrating how prior beliefs (prior) are updated by new evidence (posterior).
3. Spam Filters, Medical Diagnostics & Forensic DNA
Naive Bayes email spam filters, AI diagnostic assistants in radiology, and legal forensic evidence evaluation rely on Bayesian conditional probability.
Applicazioni Reali dei Diagrammi ad Albero e Bayes
Scopri come gli alberi di probabilità e il teorema di Bayes guidano decisioni cruciali in medicina, ingegneria e logistica.
Test Diagnostici e Paradosso di Bayes
Calcolo del valore predittivo positivo con bassa prevalenza nella popolazione.
Anche con accuratezza al 98%, con 1% di prevalenza un test positivo indica malattia solo nel 16% dei casi.
Alberi dei Guasti Industriali
Analisi di linee di montaggio automatizzate per stimare la quota complessiva di scarti.
Determinazione del tasso globale di componenti difettosi su più stazioni.
Modellazione Rischi di Consegna
Probabilità congiunte di ritardi dovuti a condizioni meteo o controlli doganali.
Previsione di puntualità nelle catene di fornitura internazionali.
Guida: Alberi di Probabilità, Regole dei Percorsi e Bayes
Un diagramma ad albero struttura visivamente le prove stocastiche composte, facilitando il calcolo delle probabilità composte e marginali.
1ª Regola del Percorso (Moltiplicazione)
La probabilità di un percorso è il prodotto delle probabilità lungo i suoi rami: P(A ∩ B) = P(A) · P(B|A).
2ª Regola del Percorso (Probabilità Totale)
Si sommano le probabilità di tutti i percorsi disgiunti che portano all’evento B: P(B) = P(A ∩ B) + P(non A ∩ B).
Teorema di Bayes
Calcola la probabilità condizionata inversa: P(A|B) = P(A ∩ B) / P(B).
Indipendenza Stocastica
Due eventi A e B sono indipendenti se e solo se P(A ∩ B) = P(A) · P(B).
Domande Frequenti sui Diagrammi ad Albero
Qual è la differenza tra estrazione con e senza reimmissione?▼
Con reimmissione le probabilità restano costanti ad ogni estrazione. Senza reimmissione il numero totale si riduce, aggiornando le probabilità condizionate.
Quando usare una tabella 2x2 rispetto a un albero?▼
La tabella 2x2 è ideale per confrontare sinteticamente due variabili; l’albero è ottimo per modellare sequenze cronologiche.
Perché il teorema di Bayes è fondamentale nei test medici?▼
Perché per malattie rare i falsi positivi superano numericamente i veri positivi, riducendo l’effettiva certezza del test.
Cosa significa indipendenza stocastica?▼
Che il verificarsi dell’evento A non altera la probabilità che si verifichi l’evento B: P(B|A) = P(B).
Wie hängen Baumdiagramm und Vierfeldertafel (2x2-Tabelle) zusammen?▼
Ein zweistufiges Baumdiagramm und eine Vierfeldertafel stellen dieselben stochastischen Zusammenhänge dar. Die Pfade des Baumdiagramms entsprechen den Schnittmengen P(A ∩ B) in den vier inneren Feldern der Vierfeldertafel. Aus der Vierfeldertafel lassen sich die Randwahrscheinlichkeiten P(A) und P(B) sowie die bedingten Wahrscheinlichkeiten P(B|A) = P(A ∩ B) / P(A) (Satz von Bayes) direkt ablesen und berechnen.