Imbs c1

BIOSTATISTIC
Elemente de teoria probabilitilor

Cursul 1
IM&Bs UMF "C. Davila" Biostatistica - cursul 1- 2011 1
Coninutul acestui curs:
Experimente i evenimente
Probabiliti
Evenimente condiionate i probabilitile lor
Teorema lui Bayes
Comparaii i paradoxuri
Variabile aleatoare i distribuii
Distribuii binomiale
Distribuii Poisson
Distribuii continue
Distribuii normale (Gauss)
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Biostatistica
Teoria
probabilitilor
Statistica
Fenomene deterministe
aleatoare
Experiment = proces repetabil, cu rezultat msurabil sau identificabil
Experiment aleator = experiment n care rezultatul nu este unic i nu
poate fi prezis cu precizie
Eveniment elementar = rezultatul posibil al unui experiment aleator.
Eveniment = colecie de evenimente elementare
Eveniment Experiment
Eveniment eveniment complementar ( ), eveniment
sigur (1), eveniment imposibil (C), conjuncia
evenimentelor ( ), disjuncia evenimentelor ( )
Exemplu: Msurarea diamentrului unei celule.
[a,b], a<b =diametrue[a,b], =diametrue[a,b]
[c,d], c<d =diametrue[c,d], =diametrue[c,d]
=diametrue[c,b]
=C i exclusive
= diametrue[a,d]
E E
F
F E
F E E F
F E
E
E
F E F E
F
o familie finit de evenimente.
= evenimetul sigur familie exhaustiv
evenimente mutual exclusive
Familia exhaustiv + evenimente mutual exclusive= familie complet
n
E E E , , ,
2 1

n
i
i
E
1 =
j i j i E E
j i
, ) ( , , = C =
Reprezentarea evenimentelor
ca pri ale unui univers U.
Operaii cu evenimente:
Complement
Conjuncie
Disjuncie
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Probabiliti
Probabilitate = sori de izbnd
Englez: probablility of event, likelihood of a
hypothesis, odds, chances
Eveniment E P(E)e[0,1] probabilitate.
E=evenimentul sigur P(E)=1
E=evenimentul imposibil P(E)=0
E=orice alt eveniment P(E) nu se cunoate, se
estimeaz.
Metode de estimaie: - practic
- logic
- computaional
Probabiliti
Metoda practic: repetarea experimentului
frecvena relativ
Metoda logic: raionamente asupra condiiilor
geometrice i fizice
Metoda computaional: presupune cunoaterea
probabilitilor altor evenimente legate de
evenimentul respectiv.
aria total
aria prii corespunztoare lui E
incercari de nr total
lui r aparitiilo nr E
= f
) P( 1 ) P( E E =
) P( - ) P( ) P( ) P( F E F E F E + =
C = + = ) P( ), P( ) P( ) P( F E F E F E
1 ) P( = U
) P(E
aria(U)=1
Probabiliti
probalilitatea lui E
cota lui E
Relaia ntre probabilitate i cot:
) P(E
) O(E
) P( 1
) P(
) O(
E
E
E
=
) O( 1
) O(
) P(
E
E
E
+
=
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Noiunea de probabilitate are sens doar n viitor. Odata
ce evenimentul a aprut probabilitatea i pierde sensul.
E condiionat de A (E|A)
Exemplu: E = pacientul sufer de maladia M
A = testul T este pozitiv
E|A : Pacientul sufer de maladia M n condiiile
n care testul T a ieit pozitiv.
Realizarea lui A restrnge
universul U la A.
E i F independente P(E|F)=P(E) i P(F|E)=P(F).
(realizarea a priori a unuia nu modific probabilitatea celuilalt)
) P(
) P(
) P(
A
A E
A | E

=
P(F) P(E) F) E P( =
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Teorema lui Bayes
Fie o familie complet de evenimente pentru care
se cunosc probabilitile a priori i S un
alt eveniment pentru care se cunosc toate probabilitile
condiionate , atunci probabi-
litile condiionate inverse se pot determina cu
ajutorul formulei:
Scop: reevaluarea probabilitilor diferitelor ipoteze de
diagnostic.
ipoteze de diagnostic, probabiliti a priori,
S un test sau simptom probabiliti a posteriori .
n
D D D ,..., ,
2 1
) ( P ),..., ( P ), ( P
2 1 n
D D D
) | ( P ),..., | ( P ), | ( P
2 1 n
D S D S D S
) | ( P S D
i
) | ( P ) ( P ... ) | ( P ) ( P
) | ( P ) ( P
) | ( P
1 1 n n
i i
i
D S D D S D
D S D
S D
+ +

=
n
D D D ,..., ,
2 1
) ( P
i
D
) | ( S D
i
P
Teorema lui Bayes
Exemplu: pacientul are TBC (familie complet)
pacientul nu are TBC
S test pozitiv in radiografie pulmonar
din recensmnt,
din experiena medical,
3 anse de TBC test pozitiv 73.6 anse de TBC
Condiii pt teorema Bayes:
maladiile trebuie s fie mutual exclusive
simptomele trebuie s fie independente
1
D
2
D
03 . 0 ) ( P
1
= D 97 . 0 ) ( P
2
= D
90 . 0 ) | ( P
1
= D S 01 . 0 ) | ( P
2
= D S
736 . 0
01 . 0 97 . 0 90 . 0 03 . 0
90 . 0 03 . 0
) | ( P
1
=
+

= S D
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Paradoxul lui Simpson: Se consider 2 medicamente A i
B pentru creterea imunitii. Care este mai bun?
distribuie normal standard
p_value= riscul asumat la
ordonarea r
A
>r
B
indivizi de nr total
imunitatii a iva semnificat crestere cu r indivizilo nr
succes de rata =
Cret. semnif.
a imunitaii
Stagnare Total Rata de succes
Medicamentul A
a c n
A
=a+c
Medicamentul B
b d n
B
=b+d
c a
a
r
A
+
=
d b
b
r
B
+
=
|
|
.
|
\
|
+
B A
B A
n
1
n
1
r) r(1
r r
B A
n n
b a
r
+
+
=
Stratificare dup sex:
Cret. semnif.
a imunitaii
Stagnare
Rata de succes
(p_value=0.725)
Medicamentul A 24 26 0.48
Medicamentul B 22 28 0.44
Barbai
Cret. semnif.
a imunitaii
Stagnare Rata de succes
Femei
Cret. semnif.
a imunitaii
Stratificare dup sex:
Deciziile care nu sunt bine fundamentate luate la nivel global ntr-o populaie
neomogen pot fi n contradicie cu ceea ce se obine la nivelul straturilor!
Cret. semnif.
a imunitaii
Stagnare
Rata de succes
(p_value=0.725)
Barbai
Cret. semnif.
a imunitaii
Femei
Cret. semnif.
a imunitaii
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Variabile aleatoare, distribuii = modaliti de
descriere (numeric) a unui experiment aleator.
Variabile aleatoare discrete
continue
X variabil aleatoare discret: valori posibile
Distribuie de probabilitate:
|
.
|
\
|

n
n
p p p
x x x
2 1
2 1
n
x x x ,..., ,
2 1
0 >
i
p
1 ... ...
2 1
= + + + +
n
p p p
) ( P
i i
x X p = =
n
x
Pentru distribuia de probabilitate
media varibilei X
centrul valorilor
E esperance, expectation
Operaii cu variabile aleatoare:
Adunarea
nmulirea (ridicarea la putere).
X, Y variabile aleatoare discrete ,
X, Y independente
|
.
|
\
|

n
n
p p p
x x x
2 1
2 1
... ... ) ( E
2 2 1 1
+ + + + =
n n
x p x p x p X
) ( E X
) ( P ) ( P ) ( P
j i j i
y Y x X y Y x X = = = = =
,... ,..., ,
2 1 m
y y y ,... ,..., ,
2 1 n
x x x
m j n i , 1 , , 1 ) ( = =
Adunarea
Ridicarea la putere
Proprieti:
|
|
.
|
\
|
+ + + + +
+
nm m
m n m
r r r r r
y x y x y x y x y x
Y X

21 1 12 11
1 2 1 2 1 1 1
:
) ( P ) ( P ) ( P
i i i i ij
y Y x X y Y x X r = = = = = =
= +
= = = = +
s y x
y Y x X s Y X ) ( P ) ( P
|
|
.
|
\
|

n
n
p p p
x x x
2 1
2 2
2
2
1
... ... ) ( E
2
2
2 2
2
2 1
2
1
2
+ + + + = p x p x p x X
) ( Var )) ( E ( ) ( E
2 2
X X X =
) ( Var ) )) ( E (( E
2
X X X =
) ( E ) ( E ) ( E Y X Y X + = +
) ( Var ) ( Var ) ( Var Y X Y X + = +
te independen , ), ( Var ) ( Var ) ( Var Y X Y X Y X + = +
Exemplu:
X \ Y Astm (1) Non-astm(2)
Fumtor (1) 21 419 440
Nefumtor (2) 9 1151 1160
30 1570 1600
|
|
.
|
\
|
1600
1160
1600
440
2 1
: X
|
|
.
|
\
|
1600
1570
1600
30
2 1
: Y
|
|
.
|
\
|
+
1600
1151
4
1600
428
3
1600
21
2
: Y X
|
|
.
|
\
|
1600
1151
4
1600
428
2
1600
21
1
: Y X
1600
21
1 1 P 2 P = = = = = + ) ( ) ( Y X Y X
1600
419
1600
9
1 2 P 2 1 P 3 P + = = = + = = = = + ) ( ) ( ) ( Y X Y X Y X
1600
1151
2 2 P 4 P = = = = = + ) ( ) ( Y X Y X
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Variabila aleatoare cu 2 valori (succes=1, eec=0)
= variabil Bernoulli
Notaie: Be(p), p=parametru
Generalizare: variabile aleatoare Bernoulli inde-
pendente una de cealalt cu acelai parametru p.
este o variabil aleatoare binomial i
reprezint nr de succese obinute n n ncercri.
Probabilitatea de a obine k succese:
|
.
|
\
|
p p
p
1
1 0
: ) ( Be
) 1 ( )) ( Var(Be
)) ( E(Be
p p p
p p
=
=
n
X X X ,... ,
2 1
) , ( ...
2 1
p n b X X X
n
= + + +
k n k k
n
p p C k p n b

= = ) 1 ( ) ) , ( P(
Condiii pentru experiment (distribuie binomial):
1. n ncercri
2. rezultatul de tip succes sau eec
3. probabilitatea de succes este aceeai
4. ncercrile sunt independente
Valorile variabilei aleatoare binomiale reprezint nr de
succese obinute n n ncercri.
Proprieti:
Excel: BINOMDIST cu argumente: nr de succese, nr de
ncercri, prob. de succes, parametru pt distribuia
cumulat
np p n b = )) , ( ( E
) 1 ( )) , ( ( Var p np p n b =
Exemplu: 4 monede aruncate simultan.
Fie X nr de apariie a stemelor. X este o variabil
aleatoare cu distribuia:
|
|
.
|
\
|
16
1
4
16
4
3
16
6
2
16
4
1
16
1
0
16
1
2
1
2
1
2
1
2
1
0 0 0 0 = = ) , , , (
16
4
16
1
16
1
16
1
16
1
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 = + + + = + + + ) , , , ( ) , , , ( ) , , , ( ) , , , (
16
4
2
1
2
1
4
2
1
1
2
1
1
2
1
4 P
3 1 4
1
4
=
|
.
|
\
|
=
|
.
|
\
|
=
|
.
|
\
|
=
|
.
|
\
|

C b ,
1
4
2
1
=
= =
k
n p ,
n=15, p=0.25
n=25, p=0.2
Exemplu: Test cu 15 ntrebri, o ntrebare are 5 rspunsuri
posibile din care doar unul corect. S se determine
probabilitatea ca o persoan, care rspunde la ntmplare, s
obin 8 puncte. S se determine media rspunsurilor corecte
pe care le obin persosnele care rspund la ntmplare.
Soluie: Avemo distribuie binomial cu n=15 i p=1/5=0.2
k=8 nr de raspunsuri corecte. Se cere
deci mai puin de 1anse!
? 8) ) P(b(15,0.2 = =
0.00034 8) ) P(b(15,0.2 = =
3 8 . 0 2 . 0 5 ) 2 . 0 1 ( 2 . 0 5 1 )) E(b(15,0.2 = = =
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Distribuii Poisson
Variabila aleatoare Poisson reprezint nr de apariii rare care
au loc ntr-un interval de timp sau spaial (regiune, domeniu)
bine delimitat.
Condiii pentru experiment (distribuie Poisson):
1. nr de apariii dintr-un interval este independent de nr de
apariii din alt interval
2. probabilitatea unei apariii singulare din interval
depinde de lungimea intervalului
3. probabilitatea mai multor apariii ntr-un interval tinde
la 0 cnd lungimea intervalului tinde la 0.
Valorile variabilei aleatoare Poisson reprezint nr de
apariii ntr-un interval n condiiile unui experiment
Poisson.
Distribuii Poisson
Distribuia Poisson: ,
Proprieti:
Excel: POISSON
Exemplu: O echip SMURD primete (n medie) 12
apeluri pe lun. Elicopterul poate efectua cel mult 3
zboruri. Se se calculeze probabilitatea ca ntr-o zi s
apar mai mult de 3 apeluri.
Soluie: Avem o distribuie Poisson cu =12/30=0.4,
considernd ca o lun are 30 zile.
adic o dat la 3 ani!
= )) ( ( E Po = )) ( ( Var Po
n
n
e
n
n Po

= =
!
) ) ( ( P

) ( Po
00077 . 0 ) 3 ) ( ( P 1 ) 3 ) ( ( P = s = > Po Po
Distribuii Poisson
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Distribuii continue
Distribuiile continue=distribuii n care variabilele aleatoare iau
valori ntr-un domeniu continuu (interval pe axa real).
Caracterizarea distribuiilor continue:
Densitatea de probabilitate=funcie real, continu, f cu
proprietile:
(1) i (2)
Legtura cu
probabilitile:
Funcia de distribuie:
F continu
Relaia ntre densitatea de probabilitate i funcia de distribuie:
9 e > x x f ) ( , 0 ) (
}

=1 ) ( dx x f
}

= s
c
dx x f c X ) ( ) ( P
}
= s <
b
a
dx x f b X a ) ( ) ( P
}

= s =
x
dz z f x X x F ) ( ) ( P ) ( ] 1 , 0 [ : F 9
derivabila este care in ) ( ), ( ' ) ( F x x F x f =
Distribuii continue
Densitatea de probabilitate Funcie de distribuie
Valoarea f(x) a unei funcii F(x)
densitate de probabilitate
nu este o probabilitate !
Distribuii continue
Distribuii discrete - Distribuii continue
Caracterizare
Legatura cu probabilitile
Media
Caracterizare
- Densitatea de probabilitate
- Funcia de distribuie
Legatura cu probabilitile
Media
|
|
.
|
\
|

n
n
p p p
x x x
2 1
2 1
0 >
i
p
1
2 1
= + + + + ... ...
n
p p p
) (
i i
x X p = = P
9 e > x x f ) ( , ) ( 0
}

= 1 dx x f ) (
}

= s =
x
dz z f x X x F ) ( ) ( P ) (
] , [ : 1 0 9 F
9 9 : f
=
= s
k
i
i k
p x X
1
P ) (
k j p x X x
k
j i
i k j
< = s <
+ =
, ) (
1
P
}

= s
c
dx x f c X ) ( ) ( P
}
= s <
b
a
dx x f b X a ) ( ) ( P
... ... ) ( + + + + =
n n
x p x p x p X
2 2 1 1
E }

= dx x xf X ) ( ) ( E
Probabiliti
Teorema lui Bayes
Distribuii Poisson
Distribuii continue
Este caracterizat de parametrii i o
2
. Este caracterizat de
densitatea de probabilitate:
Notaie: N( ,o
2
).
Proprieti:
= media teoretic
o
2
= variana teoretic (dispersia)
o = deviaia standard teoretic (abaterea) >0
Grafic: n form de clopot, simetric n jurul valorii x=,, ntinderea
clopotului depinde de mrimea lui o. Aria total de sub curb este 1.
Standardizare:
( )
2
2
2
2
1
) (
o
t o
=
x
e x f
o = )) , ( ( E
2
N
2 2
)) , ( ( Var o o = N
) 1 , 0 (
are standardiz
) , (
2
N
x
z
N
=
o
o
) ( P ) ( P
o

s = s
x
Z x X
Funcii Excel:
NORMDIST, NORMINV pentru N(,o
2
)
NORMSDIST, NORMSINV pentru N(0,1)
Densitatea i funcia de distribuie: interpretare
Aproximativ 95% din arie se afla in
interiorul intervalului determinat
de 2 deviatii standard
Aproximativ 99.7% din arie se afla in interiorul
intervalului determinat de 3 deviatii standard
68%
Aproximativ 68%din arie se afla
. in interiorul intervalului
determinat de o (1) deviatie
standard
+ 2 + 3 +

2 3
= valoarea
masurat
o= eroarea
N( , o
2
)
cuantific erorile
care apar n
masurtori
Importana:
Modeleaz bine valorile numerice care
apar n practic n legtur cu populaiile
mari
Aproximeaz bine alte distribuii (binomiala)
Constituie fundamentul interenei statistice
(reprezint distribuia estimrilor
parametrului unei populaii, estimrile fiind
obinute din toate eantioanele posibile)
Aproximarea distribuiei binomiale cu o normal:
Condiii: p=0.5 b(n,p) simetric
b(n,p) aproximat de normal dac np>5 sau n(1-p)>5.
=np i o
2
=np(1-p) parametrii normalei
Exemplu: 100 delegai trebuie s aleag un consiliu de 20 membrii.
Un delegat va vota selectnd 20 de nume din 100, iar comisia va
delara alei pe acei candidai care au 51 de voturi pentru. Ce anse
sunt n alegerea consiliului de 20 membrii?
Pp ca un delegat alege la ntmplare p=20/100=0.2 probabilitatea de succes
pentru un candidat. Pp ca toate buletinele de vot sunt valide nr de voturi
obinute de un candidat este o variabil aleatoare b(100,0.2).
=np=1000.2=20, o
2
=np(1-p)=200.8=16, o=4 N(20,4) pentru aproximare.
(-3o, +3o)=(8, 32) interval care conine 99.5% din rezult. obinute de un
candidat!
Practic anse nule n alegerea consiliului!
Bibliografie
Freund E.J. & Simon G.A. Modern Elementary Statistics,
Prentice-Hall Inc., New Jersey, 1997.
Glenn A. Walker, Common Statistical Methods for Clinical
Research with SAS- Examples, Second Edition, SAS Publishing,
2002.
Evans Hastings and Peacock, Statistical Distributions, 3rd. Ed.,
John Wiley and Sons, 2000.
Iosifescu M., Moineagu C., Trebici V., Ursianu E., Mic
enciclopedie de statistic, Ed. tiinific i Enciclopedic,
Bucureti, 1985.

Imbs c1

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Imbs c1

Încărcat de

Drepturi de autor:

Formate disponibile

BIOSTATISTIC

Elemente de teoria probabilitilor

S-ar putea să vă placă și