{"id":3621,"date":"2025-05-22T01:14:48","date_gmt":"2025-05-22T01:14:48","guid":{"rendered":"https:\/\/a-sam-design.com\/lanyang-sam-tai-tsz\/?p=3621"},"modified":"2025-12-17T07:44:40","modified_gmt":"2025-12-17T07:44:40","slug":"il-calcolo-della-probabilita-con-laplace-le-mines-di-spribe-tra-storia-e-statistica","status":"publish","type":"post","link":"https:\/\/a-sam-design.com\/lanyang-sam-tai-tsz\/?p=3621","title":{"rendered":"Il calcolo della probabilit\u00e0 con Laplace: le Mines di Spribe tra storia e statistica"},"content":{"rendered":"

Introduzione alla probabilit\u00e0 con Laplace: la regola che cambia il gioco<\/h2>\n

La regola di Laplace, formulata da Ren\u00e9 Descartes nel suo capolavoro *La G\u00e9om\u00e9trie* (1637), rappresenta un pilastro fondamentale nel calcolo delle probabilit\u00e0, specialmente in contesti discreti e incerti. Essa afferma che per \u03bb \u2208 [0,1]:
\n\\[
\nf(\\lambda x + (1-\\lambda)y) \\leq \\lambda f(x) + (1-\\lambda)f(y)
\n\\]
\nQuesta disuguaglianza di convessit\u00e0 garantisce un limite superiore per valori intermedi, una propriet\u00e0 utile quando i dati sono scarsi o frammentati \u2014 come spesso accade nell\u2019analisi del rischio.<\/p>\n

\u201cNel mistero dell\u2019estrazione mineraria, ogni evento raro richiede una stima cauta: Laplace offre un ponte tra dati limitati e certezza ragionata.\u201d<\/p><\/blockquote>\n

Claudio L.
\n*Matematico applicato al patrimonio piemontese*<\/p>\n

Ma come pu\u00f2 un\u2019idea nata nel XVII secolo rivelarsi cos\u00ec rilevante oggi, specialmente di fronte alle incertezze delle Mines di Spribe? La risposta sta nell\u2019equilibrio tra geometria, algebra e applicazione pratica. Le Mines, simbolo del passato industriale del Piemonte, incarnano oggi un laboratorio vivente di analisi del rischio.<\/p>\n

Dalle Mines di Spribe alla nascita della geometria analitica<\/h2>\n

Le \u201cMines di Spribe\u201d non sono solo rovine del XVII secolo, ma un\u2019eredit\u00e0 culturale e scientifica. Nel loro contesto, il bisogno di prevedere guasti, infortuni e variazioni geologiche ha spinto a soluzioni matematiche anticipatrici della statistica moderna. Ren\u00e9 Descartes, con *La G\u00e9om\u00e9trie*, un\u00ec coordinate e algebra, aprendo la strada alla modellazione geometrica del territorio \u2014 un ponte tra la realt\u00e0 fisica e l\u2019astrazione matematica. Fu qui che la disuguaglianza di Laplace trov\u00f2 una sua applicazione silenziosa ma potente: stimare probabilit\u00e0 minime in situazioni di scarsa informazione.<\/p>\n

Geometria e mining: un legame tangibile<\/strong><\/p>\n

Immaginiamo un\u2019ispezione nelle gallerie: ogni sezione pu\u00f2 essere vista come un punto in uno spazio probabilistico. Con n = 100 eventi potenziali e probabilit\u00e0 p = 0,15 di alterazione, il modello binomiale ci dice che il numero atteso di rischi \u00e8 \u03bc = np = 15, con varianza \u03c3\u00b2 = np(1\u2212p) = 12,75. Questi valori non sono numeri astratti: rappresentano il rischio concreto di guasti o infortuni, un dato che i tecnici delle Mines avrebbero potuto stimare usando principi lapaciani anche prima della nascita della statistica formale.<\/p>\n

Laplace: la risposta matematica all\u2019incertezza mineraria<\/h2>\n

In contesti dove i dati sono limitati \u2014 come nelle prime indagini sulle miniere piemontesi \u2014 Laplace offre uno strumento elegante: la regola di correzione con prior, dove anche un evento non osservato ha una probabilit\u00e0 minima stimata.
\nLa disuguaglianza impedisce stime troppo ottimistiche, garantendo un limite superiore per la probabilit\u00e0 di eventi rari. Questo \u00e8 cruciale per la sicurezza: evitare di sottovalutare rischi nascosti.<\/p>\n

\\begin{table><\/p>\nDistribuzione binomiale: parametri e significato operativo<\/caption>\n