条件付き確率と独立性

条件付き確率は、ある事象が発生したことが分かったときに、別の事象の起こりやすさがどのように変化するかを記述し、独立性は、ある事象を知ることが別の事象について何も教えてくれない特殊なケースを記述します。これらの概念は、ベイズの定理とともに、証拠が信念をどのように更新するかを説明し、医学における診断テストの解釈の基礎となります。

Definition

事象Bが起こったという条件の下での事象Aの条件付き確率は、Bが起こったことが分かっているときにAが起こる確率であり、AとBの両方が起こる確率をBが起こる確率で割ったものとして定義されます。AとBが独立であるとは、Bが起こったという条件の下でのAの条件付き確率が、Aの無条件確率に等しい場合を指します。

Scope

この項目では、条件付き確率の定義、乗法定理、統計的独立性、全確率の法則、およびベイズの定理について説明します。これらを診断テストの評価と関連付け、結果の予測値が疾患の有病率にどのように依存するかを示します。これは方法論的な参考文献であり、特定のテストの指示やそれに基づく行動に関する臨床的ガイダンスではありません。

Core questions

• ある事象を知ることは、別の事象の確率をどのように変化させますか？
• 2つの事象が独立であるのはどのような場合で、それは何を意味しますか？
• ベイズの定理は条件付き確率をどのように逆転させますか？
• 陽性テスト結果が、異なる有病率で異なる意味を持つのはなぜですか？

Key concepts

• 条件付き確率
• 乗法定理
• 統計的独立性
• 全確率の法則
• ベイズの定理
• 事前確率と事後確率
• 有病率と予測値
• 感度と特異度

Mechanisms

ある事象を条件とすることは、その事象と一致する結果に注意を限定するため、Bが起こったという条件の下でのAの条件付き確率は、AとBの同時確率をBの確率で再スケーリングします。2つの事象が独立であるとは、この条件付けによって確率が変化しない場合であり、これはそれらの同時確率が周辺確率の積に分解されることと同等です。全確率の法則は、標本空間の分割における条件付き確率から事象の確率を構築し、ベイズの定理は条件付き確率を逆転させ、観測された結果が与えられた原因の確率を、逆の条件付き確率と事前確率の観点から表現します。診断テストでは、陽性結果が出た患者が実際に疾患を持っている確率（予測値）が、テストの感度と特異度だけでなく、事前の有病率にも依存するのはこのためです。

Clinical relevance

条件付き確率とベイズの定理は、テスト結果が疾患の確率をどのように修正するかを記述しており、高有病率および低有病率の状況で同一のテストが異なる予測値をもたらす理由を説明します。この項目は、その推論を方法論として説明するものであり、個々の患者の管理に関するガイダンスではありません。

History

証拠に基づいて確率を更新するという考えは、トーマス・ベイズに関連しており、彼の論文は1763年にリチャード・プライスによって死後発表され、ラプラスによって一般化されました。結果として得られたベイズの定理は、統計学の中心となり、20世紀には診断テストの形式的な評価の中心となり、感度、特異度、有病率を予測値と結びつけました。

Key figures

• Thomas Bayes
• Richard Price
• Pierre-Simon Laplace

Seminal works

• bayes-1763
• altman-bland-1994-diagnostic
• ross-2014

Frequently asked questions

条件付き確率と同時確率の違いは何ですか？

同時確率は2つの事象が両方とも起こる確率であるのに対し、条件付き確率は片方の事象がすでに起こったという条件の下で、もう片方の事象が起こる確率です。条件付き確率は、同時確率を条件となる事象の確率で割ったものに等しくなります。

陽性の診断テストでも、疾患の可能性が低いのはなぜですか？

ベイズの定理によれば、陽性結果後の疾患の確率は有病率に依存します。疾患が稀な場合、正確なテストであっても、真陽性に対して多くの偽陽性を生み出すため、陽性結果の予測値は低くなる可能性があります。