確率と確率分布
確率は不確実性を定量化するための数学的言語であり、確率分布は確率変数の取りうる値がどのように分布しているかを記述します。これらは共に、健康科学における統計的推論が構築される理論的基盤を形成しています。すべての信頼区間、p値、およびリスク推定値は、データがどのように発生したかという確率モデルに最終的に依拠しています。
Definition
確率は、事象の起こりやすさを表現するために、0から1までの数値を事象に割り当てます。確率分布は、確率変数の取りうる値の確率を特定する関数です。
Scope
この分野は、確率の核心的な概念と、生物統計学で最もよく使用される分布について読者に説明します。確率の基本法則、条件付き確率と独立性、正規分布、計数と事象のための二項分布とポアソン分布、および中心極限定理を通じて標本と母集団を結びつける標本分布を扱います。これは方法論に関する参照・教育的な概観であり、臨床的なガイダンスではありません。
Sub-topics
Core questions
- データについて形式的に推論できるように、不確実性はどのように定量化されるのか？
- 特定の種類の測定値や計数を記述する分布は何か？
- 標本統計量の挙動は、根底にある母集団とどのように関連しているのか？
- なぜ正規分布は集計量においてこれほど頻繁に現れるのか？
Key concepts
- 確率変数
- 標本空間と事象
- 確率の公理
- 条件付き確率と独立性
- 離散分布と連続分布
- 期待値と分散
- 標本分布
- 中心極限定理
Mechanisms
確率モデルは、可能な結果の標本空間を特定し、公理（非負性、全確率が1、互いに排他的な事象に対する加法性）と整合する確率を割り当てます。確率変数は結果を数値にマッピングし、その分布はこれらの数値の確率を要約し、平均（期待値）や分散などの量によって特徴付けられます。二項分布やポアソン分布のような離散分布は事象の数をモデル化し、連続正規分布は多くの測定量をモデル化し、中心極限定理を介して、合計や平均の分布を近似します。推測統計学は、観測された統計量をその標本分布からの抽出として扱うことによって機能します。
Clinical relevance
確率分布は、健康データを要約し、研究から推論を導き出すために使用される統計的手法を支えているため、それらを理解することは、定量的文献の批判的読解を支援します。この項目は、そのような分析の方法論的基盤を記述するものであり、個々の診断や治療の決定の根拠となるものではありません。
History
数学的確率は、17世紀の偶然のゲームの分析から発展し、ベルヌーイ、ラプラス、ガウス、ポアソンによって分布の一般理論へと発展しました。1930年代のコルモゴロフによる公理的定式化は、確率を厳密な基礎の上に置きました。20世紀を通じて、これらのツールは統計的推論の基礎となり、生物統計学は医学および公衆衛生研究における測定値と計数をモデル化するためにこれらを採用しました。
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
- なぜ生物統計学のコースでは確率分布に多くの時間を費やすのですか？
- 統計的推論は、観測されたデータを確率モデルが予測するものと比較することによって機能するからです。分布は標本と母集団に関する記述との間の架け橋であり、したがって信頼区間と検定の妥当性は適切な分布を選択することにかかっています。
- 確率と確率分布の違いは何ですか？
- 確率は、ある事象がどれくらい起こりやすいかを記述する単一の数値であるのに対し、確率分布は、確率変数の取りうるすべての値にわたる確率を一度に指定します。