Probabilidade Condicional e Independência

A probabilidade condicional descreve como a probabilidade de um evento muda uma vez que se sabe que outro evento ocorreu, e a independência descreve o caso especial em que o conhecimento de um evento não nos diz nada sobre outro. Essas ideias, juntamente com o teorema de Bayes, explicam como as evidências atualizam as crenças e fundamentam a interpretação de testes diagnósticos em medicina.

Definition

A probabilidade condicional do evento A dado o evento B é a probabilidade de que A ocorra quando se sabe que B ocorreu, definida como a probabilidade de A e B dividida pela probabilidade de B; A e B são independentes se a probabilidade condicional de A dado B for igual à probabilidade incondicional de A.

Scope

A entrada abrange a definição de probabilidade condicional, a regra da multiplicação, independência estatística, a lei da probabilidade total e o teorema de Bayes. Ela conecta esses conceitos à avaliação de testes diagnósticos, onde o valor preditivo de um resultado depende da prevalência da doença. É uma referência metodológica, não uma orientação clínica sobre a solicitação ou ação em relação a testes específicos.

Core questions

• Como o conhecimento de um evento altera a probabilidade de outro?
• Quando dois eventos são independentes e o que isso implica?
• Como o teorema de Bayes inverte uma probabilidade condicional?
• Por que um resultado de teste positivo significa coisas diferentes em diferentes prevalências?

Key concepts

• Probabilidade condicional
• Regra da multiplicação
• Independência estatística
• Lei da probabilidade total
• Teorema de Bayes
• Probabilidade a priori e a posteriori
• Prevalência e valor preditivo
• Sensibilidade e especificidade

Mechanisms

O condicionamento em um evento restringe a atenção aos resultados consistentes com ele, de modo que a probabilidade condicional de A dado B reescala a probabilidade conjunta de A e B pela probabilidade de B. Dois eventos são independentes quando esse condicionamento deixa a probabilidade inalterada, equivalente à sua probabilidade conjunta fatorando-se no produto das marginais. A lei da probabilidade total constrói a probabilidade de um evento a partir de suas probabilidades condicionais em uma partição do espaço amostral, e o teorema de Bayes inverte uma probabilidade condicional, expressando a probabilidade de uma causa dado um efeito observado em termos da condicional inversa e da probabilidade a priori. Em testes diagnósticos, é por isso que a probabilidade de que um paciente com um resultado positivo realmente tenha a doença (o valor preditivo) depende não apenas da sensibilidade e especificidade do teste, mas também da prevalência prévia.

Clinical relevance

A probabilidade condicional e o teorema de Bayes descrevem como o resultado de um teste revisa a probabilidade de doença, razão pela qual testes idênticos produzem valores preditivos diferentes em ambientes de alta e baixa prevalência. Esta entrada explica esse raciocínio como metodologia e não é uma orientação para o manejo de um paciente individual.

History

A ideia de atualizar probabilidades à luz das evidências está associada a Thomas Bayes, cujo ensaio foi comunicado postumamente por Richard Price em 1763, e foi generalizada por Laplace. O teorema de Bayes resultante tornou-se central para a estatística e, no século XX, para a avaliação formal de testes diagnósticos, onde ele liga sensibilidade, especificidade e prevalência ao valor preditivo.

Key figures

• Thomas Bayes
• Richard Price
• Pierre-Simon Laplace

Seminal works

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

Frequently asked questions

Qual a diferença entre probabilidade condicional e probabilidade conjunta?

A probabilidade conjunta é a chance de que dois eventos ocorram, enquanto a probabilidade condicional é a chance de que um ocorra dado que o outro já ocorreu; a probabilidade condicional é igual à probabilidade conjunta dividida pela probabilidade do evento condicionante.

Por que um teste diagnóstico positivo ainda pode significar que a doença é improvável?

Pelo teorema de Bayes, a chance de doença após um resultado positivo depende da prevalência; quando uma doença é rara, mesmo um teste preciso produz muitos falsos positivos em relação aos verdadeiros positivos, de modo que o valor preditivo de um resultado positivo pode ser baixo.