Probabilitas dan Distribusi Probabilitas
Probabilitas adalah bahasa matematika untuk mengukur ketidakpastian, dan distribusi probabilitas menggambarkan bagaimana nilai-nilai yang mungkin dari variabel acak tersebar. Bersama-sama, keduanya membentuk dasar teoritis tempat inferensi statistik dalam ilmu kesehatan dibangun: setiap interval kepercayaan, nilai-p, dan estimasi risiko pada akhirnya bertumpu pada model probabilitas tentang bagaimana data dapat muncul.
Definition
Probabilitas menetapkan angka antara 0 dan 1 untuk peristiwa guna menyatakan seberapa mungkin peristiwa tersebut terjadi; distribusi probabilitas adalah fungsi yang menentukan probabilitas dari nilai-nilai yang mungkin dari variabel acak.
Scope
Area ini mengarahkan pembaca pada ide-ide inti probabilitas dan distribusi yang paling sering digunakan dalam biostatistik. Ini mencakup aturan dasar probabilitas, probabilitas bersyarat dan independensi, distribusi normal, distribusi binomial dan Poisson untuk hitungan dan peristiwa, serta distribusi sampling yang menghubungkan sampel ke populasi melalui teorema limit pusat. Ini adalah tinjauan referensi-edukasi tentang metodologi, bukan panduan klinis.
Sub-topics
Core questions
- Bagaimana ketidakpastian diukur sehingga data dapat dianalisis secara formal?
- Distribusi apa yang menggambarkan jenis pengukuran atau hitungan tertentu?
- Bagaimana perilaku statistik sampel berhubungan dengan populasi yang mendasarinya?
- Mengapa distribusi normal sering muncul dalam kuantitas agregat?
Key concepts
- Variabel acak
- Ruang sampel dan peristiwa
- Aksioma probabilitas
- Probabilitas bersyarat dan independensi
- Distribusi diskrit dan kontinu
- Ekspektasi dan varians
- Distribusi sampling
- Teorema limit pusat
Mechanisms
Model probabilitas menentukan ruang sampel dari hasil yang mungkin dan menetapkan probabilitas yang konsisten dengan aksioma (non-negativitas, total probabilitas satu, aditivitas untuk peristiwa yang saling eksklusif). Variabel acak memetakan hasil ke angka, dan distribusinya merangkum probabilitas angka-angka tersebut, yang dicirikan oleh kuantitas seperti rata-rata (ekspektasi) dan varians. Distribusi diskrit seperti binomial dan Poisson memodelkan hitungan peristiwa; distribusi normal kontinu memodelkan banyak kuantitas terukur dan, melalui teorema limit pusat, mendekati distribusi jumlah dan rata-rata. Statistik inferensial bekerja dengan memperlakukan statistik yang diamati sebagai hasil dari distribusi samplingnya.
Clinical relevance
Distribusi probabilitas mendasari metode statistik yang digunakan untuk merangkum data kesehatan dan menarik inferensi dari studi, sehingga memahaminya mendukung pembacaan kritis literatur kuantitatif. Entri ini menjelaskan dasar metodologis dari analisis tersebut dan bukan merupakan dasar untuk keputusan diagnostik atau pengobatan individu.
History
Probabilitas matematika tumbuh dari analisis permainan peluang pada abad ketujuh belas dan dikembangkan oleh Bernoulli, Laplace, Gauss, dan Poisson menjadi teori distribusi umum. Formulasi aksiomatik Kolmogorov pada tahun 1930-an menempatkan probabilitas pada pijakan yang ketat. Sepanjang abad kedua puluh, alat-alat ini menjadi dasar inferensi statistik, dan biostatistik mengadopsinya untuk memodelkan pengukuran dan hitungan dalam penelitian medis dan kesehatan masyarakat.
Key figures
- Pierre-Simon Laplace
- Carl Friedrich Gauss
- Siméon Denis Poisson
- Jacob Bernoulli
- Andrey Kolmogorov
Related topics
Seminal works
- altman-bland-1995-normal
- rosner-2015
- ross-2014
Frequently asked questions
- Mengapa mata kuliah biostatistik menghabiskan begitu banyak waktu untuk distribusi probabilitas?
- Karena inferensi statistik bekerja dengan membandingkan data yang diamati dengan apa yang diprediksi oleh model probabilitas; distribusi adalah jembatan antara sampel dan pernyataan tentang populasi, sehingga validitas interval kepercayaan dan uji bergantung pada pemilihan distribusi yang sesuai.
- Apa perbedaan antara probabilitas dan distribusi probabilitas?
- Probabilitas adalah satu angka yang menggambarkan seberapa mungkin suatu peristiwa, sedangkan distribusi probabilitas menentukan probabilitas di semua nilai yang mungkin dari variabel acak secara bersamaan.