Xác suất có điều kiện và tính độc lập

Xác suất có điều kiện mô tả cách khả năng xảy ra của một sự kiện thay đổi khi một sự kiện khác được biết là đã xảy ra, và tính độc lập mô tả trường hợp đặc biệt khi việc biết một sự kiện không cho chúng ta biết gì về sự kiện khác. Những ý tưởng này, cùng với định lý Bayes, giải thích cách bằng chứng cập nhật niềm tin và là nền tảng cho việc diễn giải các xét nghiệm chẩn đoán trong y học.

Definition

Xác suất có điều kiện của sự kiện A khi biết sự kiện B là xác suất A xảy ra khi B được biết là đã xảy ra, được định nghĩa là xác suất cả A và B chia cho xác suất của B; A và B độc lập nếu xác suất có điều kiện của A khi biết B bằng xác suất không điều kiện của A.

Scope

Mục này bao gồm định nghĩa về xác suất có điều kiện, quy tắc nhân, tính độc lập thống kê, định luật tổng xác suất và định lý Bayes. Nó liên hệ những điều này với việc đánh giá các xét nghiệm chẩn đoán, trong đó giá trị tiên đoán của một kết quả phụ thuộc vào tỷ lệ hiện mắc của bệnh. Đây là một tài liệu tham khảo về phương pháp luận, không phải là hướng dẫn lâm sàng về việc chỉ định hoặc hành động dựa trên các xét nghiệm cụ thể.

Core questions

• Việc biết một sự kiện thay đổi xác suất của một sự kiện khác như thế nào?
• Khi nào hai sự kiện độc lập, và điều đó ngụ ý gì?
• Định lý Bayes đảo ngược xác suất có điều kiện như thế nào?
• Tại sao kết quả xét nghiệm dương tính lại có ý nghĩa khác nhau ở các tỷ lệ hiện mắc khác nhau?

Key concepts

• Xác suất có điều kiện
• Quy tắc nhân
• Tính độc lập thống kê
• Định luật tổng xác suất
• Định lý Bayes
• Xác suất tiên nghiệm và hậu nghiệm
• Tỷ lệ hiện mắc và giá trị tiên đoán
• Độ nhạy và độ đặc hiệu

Mechanisms

Việc điều kiện hóa trên một sự kiện giới hạn sự chú ý đến các kết quả phù hợp với nó, do đó xác suất có điều kiện của A khi biết B điều chỉnh xác suất đồng thời của A và B theo xác suất của B. Hai sự kiện độc lập khi việc điều kiện hóa này không làm thay đổi xác suất, tương đương với việc xác suất đồng thời của chúng phân tích thành tích của các xác suất biên. Định luật tổng xác suất xây dựng xác suất của một sự kiện từ các xác suất có điều kiện của nó trên một phân hoạch của không gian mẫu, và định lý Bayes đảo ngược một xác suất có điều kiện, biểu thị xác suất của một nguyên nhân khi biết một hiệu ứng quan sát được theo xác suất có điều kiện ngược lại và xác suất tiên nghiệm. Trong xét nghiệm chẩn đoán, đây là lý do tại sao xác suất một bệnh nhân có kết quả dương tính thực sự mắc bệnh (giá trị tiên đoán) không chỉ phụ thuộc vào độ nhạy và độ đặc hiệu của xét nghiệm mà còn phụ thuộc vào tỷ lệ hiện mắc tiên nghiệm.

Clinical relevance

Xác suất có điều kiện và định lý Bayes mô tả cách kết quả xét nghiệm điều chỉnh xác suất mắc bệnh, đó là lý do tại sao các xét nghiệm giống hệt nhau lại cho ra các giá trị tiên đoán khác nhau trong các môi trường có tỷ lệ hiện mắc cao và thấp. Mục này giải thích lý luận đó như một phương pháp luận và không phải là hướng dẫn để quản lý một bệnh nhân cụ thể.

History

Ý tưởng cập nhật xác suất dựa trên bằng chứng gắn liền với Thomas Bayes, bài tiểu luận của ông được Richard Price công bố sau khi ông qua đời vào năm 1763, và được Laplace tổng quát hóa. Định lý Bayes sau đó trở thành trung tâm của thống kê và, trong thế kỷ XX, để đánh giá chính thức các xét nghiệm chẩn đoán, nơi nó liên kết độ nhạy, độ đặc hiệu và tỷ lệ hiện mắc với giá trị tiên đoán.

Key figures

• Thomas Bayes
• Richard Price
• Pierre-Simon Laplace

Seminal works

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

Frequently asked questions

Sự khác biệt giữa xác suất có điều kiện và xác suất đồng thời là gì?

Xác suất đồng thời là khả năng hai sự kiện cùng xảy ra, trong khi xác suất có điều kiện là khả năng một sự kiện xảy ra khi biết sự kiện kia đã xảy ra; xác suất có điều kiện bằng xác suất đồng thời chia cho xác suất của sự kiện điều kiện.

Tại sao một xét nghiệm chẩn đoán dương tính vẫn có thể có nghĩa là bệnh khó xảy ra?

Theo định lý Bayes, khả năng mắc bệnh sau kết quả dương tính phụ thuộc vào tỷ lệ hiện mắc; khi một bệnh hiếm gặp, ngay cả một xét nghiệm chính xác cũng tạo ra nhiều dương tính giả so với dương tính thật, do đó giá trị tiên đoán của kết quả dương tính có thể thấp.