Segreti Nascosti: Come le Informazioni Cambiano le Nostre Probabilità nel Gioco

Il mondo dei giochi d'azzardo è spesso percepito come un regno di pura fortuna, dove il caso decide tutto. Ma sotto la superficie, si nascondono concetti matematici affascinanti che possono aiutarci a capire meglio come funziona la fortuna, e soprattutto, come le informazioni che abbiamo possono modificare le nostre aspettative. Oggi esploreremo due idee potentissime: la probabilità condizionata e il teorema di Bayes, concetti che ci mostrano come il verificarsi di un evento possa alterare la probabilità che un altro evento si avveri.

🎲 Quando le Informazioni Fanno la Differenza: La Probabilità Condizionata

Immaginate di lanciare un dado a sei facce. La probabilità che esca un "6" è di 1 su 6, giusto? Ma cosa succede se qualcuno vi dice: "È uscito un numero pari"? All'improvviso, la situazione cambia. Non siete più interessati a tutti i sei risultati possibili (1, 2, 3, 4, 5, 6), ma solo a quelli pari (2, 4, 6).

In questo nuovo scenario, solo 3 risultati sono possibili, e uno di questi è il "6". La probabilità che sia uscito un "6", sapendo che è uscito un numero pari, diventa 1 su 3. Questa è la probabilità condizionata: la probabilità che un evento si verifichi, dato che un altro evento si è già verificato.

In termini più semplici, è come dire: "Qual è la probabilità di A, sapendo che B è già successo?". La si indica così: $P(A|B)$. Nell'esempio del dado, $P(\text{esce 6 } | \text{ esce pari})$ è 1/3.

🧠 Aggiornare le Credenze: Il Teorema di Bayes

La probabilità condizionata è la base per un concetto ancora più profondo e intuitivo: il teorema di Bayes. Questo teorema è come una macchina che ci permette di aggiornare le nostre "credenze" o probabilità iniziali man mano che otteniamo nuove informazioni.

Pensate a come funzionano le nostre menti. Se siamo in un casinò e un croupier dice che "oggi il rosso è uscito tantissime volte", la nostra percezione della probabilità che esca ancora rosso potrebbe cambiare, anche se non dovrebbe (ma di questo parleremo un'altra volta!). Il teorema di Bayes ci offre un modo matematico e corretto per fare questo aggiornamento.

Immaginiamo un gioco semplice: ci sono due urne.

• Urna 1: contiene 90 palline rosse e 10 palline nere.
• Urna 2: contiene 10 palline rosse e 90 palline nere.

Senza sapere quale urna stiamo scegliendo, la probabilità iniziale di pescare una pallina rossa è del 50% (selezioniamo un'urna a caso e poi peschiamo). Ma se tiriamo fuori una pallina e questa è rossa, la nostra probabilità di aver scelto l'Urna 1 (quella con molte più palline rosse) dovrebbe salire, giusto? Il teorema di Bayes ci dice esattamente di quanto.

La formula del teorema di Bayes è la seguente:

$P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}$

Dove:

• $P(A|B)$ è la probabilità a posteriori: la probabilità di A dato che B si è verificato. Questo è ciò che vogliamo scoprire, ovvero la nostra probabilità aggiornata.
• $P(B|A)$ è la verosimiglianza: la probabilità di B dato che A si è verificato. Quanto è probabile che vedessimo l'evidenza (B) se la nostra ipotesi (A) fosse vera?
• $P(A)$ è la probabilità a priori: la probabilità iniziale di A, prima di avere nuove informazioni.
• $P(B)$ è la probabilità dell'evidenza: la probabilità che B si verifichi, in generale.

Tornando al nostro esempio delle urne:

• A = "Abbiamo scelto l'Urna 1"
• B = "Abbiamo estratto una pallina rossa"

Inizialmente, $P(A)$ (probabilità di aver scelto l'Urna 1) è 0.5 (50%), dato che le urne sono due e la scelta è casuale.

• $P(B|A)$: Se abbiamo scelto l'Urna 1, la probabilità di estrarre una pallina rossa è $90/100 = 0.9$.
• $P(B)$: Questa è la probabilità complessiva di estrarre una pallina rossa. Selezioniamo l'Urna 1 (con probabilità 0.5) e peschiamo rosso (0.9), OPPURE selezioniamo l'Urna 2 (con probabilità 0.5) e peschiamo rosso ($10/100 = 0.1$). Quindi, $P(B) = (0.5 \cdot 0.9) + (0.5 \cdot 0.1) = 0.45 + 0.05 = 0.5$.

Ora applichiamo Bayes:

$P(\text{Urna 1 } | \text{ Rossa}) = \frac{P(\text{Rossa } | \text{ Urna 1}) \cdot P(\text{Urna 1})}{P(\text{Rossa})} = \frac{0.9 \cdot 0.5}{0.5} = 0.9$

Questo significa che, dopo aver estratto una pallina rossa, la probabilità che avessimo scelto l'Urna 1 è passata dal 50% al 90%! Il teorema di Bayes ci ha permesso di aggiornare razionalmente la nostra convinzione.

⚠️ Cosa Ricordare: L'Importanza delle Informazioni

Il teorema di Bayes e la probabilità condizionata sono strumenti potenti per chiunque voglia comprendere meglio il mondo, inclusi i giochi d'azzardo. Ci insegnano che:

• Le informazioni sono preziose: Ogni nuova informazione può (e spesso dovrebbe) modificare le nostre stime di probabilità.
• La logica bayesiana è alla base di molti sistemi di intelligenza artificiale e persino del nostro modo di apprendere.
• Non confondere la probabilità a priori con quella a posteriori: sono due cose diverse, e la seconda è il nostro obiettivo dopo aver acquisito nuove prove.

Nei giochi d'azzardo, dove gli eventi sono spesso casuali e indipendenti, l'applicazione diretta di Bayes per "prevedere" risultati futuri è limitata, specialmente nei giochi dove ogni estrazione o giro è un evento nuovo e scollegato dal precedente (come la roulette o le lotterie). Però, la logica bayesiana è fondamentale per comprendere come le informazioni reali (come l'identificazione di un difetto in un dado o una roulette sbilanciata, che per fortuna non troviamo nei giochi regolamentati) possano potenzialmente alterare le probabilità.

Le estrazioni sono eventi casuali indipendenti. L'analisi statistica storica non influenza i risultati futuri. Il gioco può causare dipendenza patologica. Gioca responsabilmente. Il gioco è vietato ai minori di 18 anni. Fonte: adm.gov.it.