STATISTICA MEDICA BY MARY GEORGE

Probabilit
In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto di discussione e di valutazioni diverse, la Probabilit strumento fondamentale. La Probabilit consiste in una valutazione numerica associata alla previsione del risultato di un esperimento o di una prova, che pu dar luogo a diversi risultati (Esperimento Aleatorio).

Definizioni della probabilit

1. Definizione Classica - Laplace (1812): Si definisce Probabilit di un evento il rapporto tra il numero dei casi favorevoli e il numero di casi possibili, purch questi siano tutti ugualmente probabili.
P (.) = Numero di Casi Favorevoli Numero di Casi Possibili

(1)

Esempio: Lancio di un dado Qual e la probabilit che nel lancio di un dado esca 6?
P ( Esce 6) = Numero di Casi Favorevoli 1 = = 0,167 = 16,7% Numero di Casi Possibili 6 Numero di Casi Favorevoli 2 = = 0,333 = 33,3% Numero di Casi Possibili 6

Qual e la probabilit che nel lancio di un dado esca il 6 o il 5?

P ( Esce 6 o 5) =

Limiti tautologica: casi possibili = casi probabili un metodo aprioristico basato su propriet fisiche, geometriche, ecc. evidenti (si applica non a caso ai giochi, come nellesempio dei dadi) Non estendibile a situazioni in cui il numero di eventi (favorevoli o no) sia infinito.
1

STATISTICA MEDICA BY MARY GEORGE

2. Definizione Frequentista - Von Mises (1919) La probabilit la frequenza limite di un evento favorevole in un insieme di prove (poiche ad ogni prova corrisponde un evento si vede la corrispondenza con la defnizione di Laplace).
P (A ) = m numero di volte in cui si verifica levento A = n numero di prove ripetute nelle stesse condizioni

(2)

Deriva dalla cosiddetta legge dei grandi numeri: in una ripetizione abbastanza prolungata di prove la frequenza di un evento deve tendere alla sua probabilit. In una successione di prove ripetute nelle stesse condizioni n, la frequenza relativa m/n con la quale si verifica un evento A si avvicina alla probabilit dellevento stesso, e lapprossimazione tende a migliorare con laumentare delle prove (Legge empirica del caso). Limiti Questa definizione implica il concetto di sequenza di prove empiriche (ad esempio i risultati di un esperimento, una serie di osservazioni pianificate e cosi via) tali che: sia possibile usare solo le prime n senza che si abbiano distorsioni e che, se invece di usare tutte le prove se ne usi un sottoinsieme qualsiasi, si ottenga sempre lo stesso risultato. la legge dei grandi numeri e' valida solo per la parte che afferma che lo scarto tra probabilit e frequenza relativa di un evento tende, in una serie tendente ad infinito di prove, a zero. Non e' valido affermare che la frequenza relativa tende ad un limite e che questo la probabilit dell'evento. Una serie empirica non una serie matematica e quindi non ha senso parlare di passaggio al limite. il requisito che un sottoinsieme delle prove porti a risultati identici incoerente (basta selezionare un sottoinsieme che non contiene alcun evento favorevole).
2

STATISTICA MEDICA BY MARY GEORGE

3. Definizione Soggettiva - De Finetti (1931) Nella definizione soggettiva la probabilit misura il grado di fiducia che un soggetto ha nel verificarsi dellevento. P(A) = grado di fiducia accordato al verificarsi dell' evento A (3) Nella realt scientifica sono inclusi fenomeni che non possono essere ricondotti a condizioni di ripetibilita e equiprobabilit, perche considerati eventi unici o irripetibili. Per questi fenomeni, sia lapproccio classico che quello frequentista falliscono. Per quantificare la probabilit dal punto di vista soggettivo bisogna far riferimento alle scommesse. La probabilit che un evento si verifichi pari al prezzo che il soggetto disposto a pagare per ricevere 1 se levento si verifica e 0 se levento non si verifica. Limiti basata su probabilit a priori basata su probabilit soggettive Definizione 1+2+3 Soluzione - Reichenbach (1935) Rinunciando a definizioni di contenuto si definisce la probabilit come un tipo speciale di relazione tra due classi di proposizioni. Possiamo cos sfruttare le conoscenze sulla teoria degli insiemi e sul calcolo logico. La probabilit P(.) una misura che associa ad ogni Evento A un valore numerico P(A) che esprime lincertezza relativa al verificarsi dellEvento.

Fig. 1
3

STATISTICA MEDICA BY MARY GEORGE

Eventi ed insiemi
LEvento (E) lelemento di base al quale pu essere applicata una Probabilit, esso il risultato di unosservazione o di un esperimento. Lo Spazio degli eventi (S) linsieme di tutti i possibili esiti di uo esperimento (serie di prove con esiti non prevedibili). Evento (E, F, A...): un qualsiasi sottoinsieme (collezione di possibili esiti) dello spazio S. Si dice che un evento si verifica se lesito dellesperimento incluso nella definizione data di evento.

(Fig.2)
Lo spazio degli eventi (S) composto da tutti i possibili esiti di un esperimento: - Eventi semplici (AF) (16) - Eventi composti (combinazioni di eventi semplici) (X,Y) esce n pari/dispari - Evento Certo (S) esce un numero da 1 a 6 - Evento Impossibile () esce 7 Esempio 1. Risultati possibili nel duplice lancio di una moneta: S = {(testa, testa), (testa, croce), (croce, testa), (croce, croce)} E (evento semplice) = {(testa, croce)} E (evento composto) = 1 testa = {(testa, croce), (croce, testa)} = (evento complementare di E) ={(testa, testa), (croce, croce)} Esempio 2. Lancio di un dado Eventi Semplici (A, B, C, D, E, F): esce 1, esce 2, esce 3, esce 4, esce 5, esce 6 Eventi composti (X, Y): esce un numero pari, esce un numero dispari. Evento certo: esce un numero da 1 a 6 Evento impossibile: esce 7
4

STATISTICA MEDICA BY MARY GEORGE

Operazioni sugli eventi

LUnione di due eventi A e B (A U B), definita come linsieme degli esiti che appartengono o allevento A o allevento B o simultaneamente ad A e B. LIntersezione di due eventi A e B (A I B), definita dallinsieme degli esiti che verificano contemporaneamente A e levento B. Il Complemento di un evento E, indicato con che rappresenta levento non E, ed e dato da S-E. 2 eventi si dicono mutualmente esclusivi, ovvero non possono accadere simultaneamente, gli eventi che non hanno esiti in comune (A I B)=

(Fig.3) Esempio: Lancio di 1 dado S={1,2,3,4,5,6} A={esce 2,3,5} B={esce un numero pari} (A U B)={2,3,4,5,6} (A I B)={2} ={1,4,6}

Evento condizionato
Un evento condizionato A|B (da leggersi A dato B), con BO, : indeterminato, quando B e falso (e non interessa, una volta acquisita questa informazione, l'evento A); vero, quando B e vero ed anche A e vero; falso, quando B e vero ed A e falso. linsieme degli esiti che appartengono ad A nello spazio degli eventi B, poich B si e gia verificato.
5

STATISTICA MEDICA BY MARY GEORGE

(Fig 4) Esempio: Lancio di 1 dado S={1,2,3,4,5,6} A={esce 2,3,5} B={esce un numero pari}

Caratteristiche della misura di probabilit

1. La probabilit di un evento un numero compreso tra 0 e 1 0 P ( A ) 1 . 2. La probabilit di un evento certo P(S) = 1. 3. La probabilit di un evento impossibile (o di un insieme vuoto) 0 P(O) = 0. 4. La probabilit dellevento complementare () di A data dalla differenza tra la probabilit di tutto lo spazio campionario (1) e quella dellevento P()=1-P(A).

Legge delle probabilit totali per eventi incompatibili

Dati due eventi incompatibili, cioe AB=O allora la probabilit della loro unione uguale alla somma delle probabilit degli eventi: P(AB)=P(A)+P(B) (4)

La legge delle probabilit totali per eventi incompatibili pu essere generalizzata ad un insieme finito o numerabile di eventi a due a due incompatibili.
6

STATISTICA MEDICA BY MARY GEORGE

Legge delle Probabilit Totali

In generale per calcolare la probabilit dellunione di due eventi non sufficiente conoscere le probabilit dei due eventi. Bisogna sapere di quanto essi si sovrappongono cio, conoscere la probabilit dellintersezione dei due eventi. P(AB) = P(A) + P(B) P(AB) (5) Esempio 1: Lancio di 1 dado S={1,2,3,4,5,6} A={esce 2,3,5} B={esce un numero pari} P(AB) = P(A) + P(B) P(AB) P(A)=3/6 P(B)=3/6 P(AB) =1/6 P(AB)=3/6+3/6 1/6=5/6=0.83

Esempio 2: Gruppo sanguigno Consideriamo 2 gruppi sanguigni a cui una persona pu appartenere: 0, B. Ipotizzando di conoscere le due probabilit: P(gruppo 0)=0.46 P(gruppo B)=0.08 Ci chiediamo qual la probabilit che un individuo appartenga ad uno dei due gruppi? I due eventi sono incompatibili (disgiunti) P(gruppo 0 gruppo B) = 0.46+0.08=0.54

Legge delle Probabilit Composte

Dati due eventi A e B, P(A B) = P(A|B)P(B) = P(B|A)P(A) P(A|B)=P(A B) /P(B) dove P(A|B) e la probabilit condizionata di A dato B e con P(A B) si indica la probabilit congiunta degli eventi A e B. Esempio 1: Lancio di 1 dado P(A|B)=P(A B) /P(B)=1/6:3/6=1/3 1/6=probabilit di un numero pari 1/3=probabilit del numero 2 tra i numeri pari
7

STATISTICA MEDICA BY MARY GEORGE

Probabilit Condizionata
Dati due eventi A e B, se P(B)>0, allora la probabilit che A si verifichi dato che B si e gi verificato, chiamata Probabilit Condizionata e si indica con: (6) Il fatto che levento B si sia gi verificato fa restringere lo spazio dei possibili esiti per A, tale sottoinsieme definito in modo da contenere tutti e soltanto gli eventi che rappresentano il verificarsi dellevento condizionante. Esempio 1: Lancio coppia di dadi Si lancia una coppia di dadi la somma dei risultati e 6, qual la probabilit che uno dei due dadi segni 2? A= SOMMA E 6 (si gi verificato) B= UN DADO SEGNA 2 P(B|A) = P(B A)/P(A)= (2/36)/(5/36) = 2/5 Esempio 2: Estrazione carte Si consideri lestrazione senza reimmissione di due carte dal mazzo A = la prima carta picche B|A = la seconda carta picche P(A) = 13/52 P(B|A) = 12/51

Indipendenza tra due Eventi

Se due eventi A e B sono indipendenti allora lavverarsi di 1 non incide sullavverarsi di un altro. Due eventi A e B sono indipendenti (probabilisticamente o stocasticamente) se P(A B) = P(A|B)P(B) = P(A)P(B) Deriva che la probabilit condizionata di A dato B diventa P(A|B) = P(A)
8

STATISTICA MEDICA BY MARY GEORGE

Esempio Popolazione: 750 individui: 100 maschi e 150 femmine con schizofrenia (MSi e FSj) 200 maschi e 300 femmine con depressione (MDi e FDj) Consideriamo i due eventi cos definiti: B1={Estrarre una persona con schizzofrenia} Pr(B1)= [250/750] C1={Estrarre una maschio} Pr(C1)= [300/750] Qual la probabilit di estrarre un maschio con Schizzofrenia Pr(B1C1)? La probabilit condizionata Pr(C1|B1) = Pr(C1 B1) / Pr(B1) = (100/750)/(250/750) = 100/250 = 0.4 Per la regola del prodotto Pr(C1 B1) = Pr(C1 |B1) Pr(B1) = (100/250)(250/750) =100/750 = 0.133 Indipendenza Pr(C1) = (100+200)/750 =300/750 = 100/250 = 0.4 = Pr(C1 |B1) C1 E B1 sono indipendenti Infatti Pr(C1)Pr(B1 ) = (300/750)*(250/750) = 100/750 = 0.133 = Pr(C1 B1)

Teorema delle Probabilit Totali, generalizzata ad n eventi

Siano A1,A2,,An eventi incompatibili tra loro ed esaustivi (la somma delle loro probabilit 1), sia B un evento a questi collegato, allora: P(B)=P(BA1)+P(BA2)++P(BAn)= P(B|A1)*P(A1)+P(B|A2)*P(A2)++P(B|An)*P(An) Esempio: con determinati sintomi si puo avere la malattia A, la malattia B o la malattia C. e possibile guarire in 3 giorni? P(3 gg|A)=0.98; P(A)=0.25 P(3 gg|B)=0.63; P(B)=0.10 P(3 gg|C)=0.01; P(C)=0.65 P(3 gg)=P( 3 gg|A)*P(A)+P(3 gg|B)*P(B)+P(3 gg|C)*P(C)= =0.98*0.25+0.63*0.10+0.01*0.65=0.31

STATISTICA MEDICA BY MARY GEORGE

Teorema di Bayes
Definisce la probabilit a posteriori che un dato evento che si verificato sia dovuto ad una determinata causa:
P(A |) = P(B | A) P(A) P(B)

(7)

si ottiene dalla relazione simmetrica P(A B) = P(A|B)P(B) = P(B|A)P(A) i termini indicano: P(A|B) probabilit a posteriori di A P(A) probabilit a priori di A P(B|A)/P(B) verosimiglianza di B dato A

Causalit
Levento F e causa probabilistica di E se il suo verificarsi modifica la probabilit che E si verifichi. Se FE allora: P(E|F)P(E|F) Si noti che le probabilit condizionate sono interpretabili in senso causale solo se PRIMA abbiamo formulato un modello causale.

10