Sei sulla pagina 1di 9

Formulario di Statistica e Informatica Medica

Valore:
Equazione cinetica del primo ordine
Soluzione dellequazione cinetica del primo
ordine
Tempo di dimezzamento della cinetica del
primo ordine
Funzione della curva di Gauss (densit di
probabilit)
Deviata normale standard (z-score)
Funzione di Gauss in funzione dello z-score
Coordinate della curva di Gauss (o normale)
Densit di frequenza
Area dellistogramma

Relazione:
d x (t )
y=
=k x ( t )
dt
x ( t )=x ( 0 ) ek t
t1 =
2

ln 2 0.693
=
k
k

1
f ( x )=
e
2

1 x

( )

z=

f ( z )=

1 2
z
2

1
e
2

N ( ; )
f i=

f ri
i

( f i i ) =1
i=1

Valore medio empirico

m= ( f r i x i )
i=1

Deviazione standard (Standard Deviation SD)


empirica
Area della curva gaussiana

s= s2= f r i ( x im )
+

A= f ( x ) dx=1

Attesa matematica (o media della popolazione)

= x f ( x ) dx

Varianza della popolazione

2= f ( x ) ( x )2

Esempi di probabilit convenzionali nella curva


di Gauss

p ( x 1.96 ) =p ( x +1.96 )=2.5


p ( 1.96 x + 1.96 )=
p ( x 1.96 )+ p ( x +1.96 )=
12 0.025=10.05=95

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

Esempi di probabilit convenzionali gaussiane


in funzione dello z-score

p ( 1.96 x +1.96 ) =0.95


p (1.96 x + 1.96 )=0.95
x
+ 1.96 =

p (1.96 z +1.96 )=0.95

p 1.96

Media aritmetica campionaria


Devianza

m=

1
x = (f r i xi )
N i=1 i i=1
N

De vianza= ( x im )

i=1

Varianza

s 2=

Devianza 1
= ( x im)2
N
N i=1
N

x 2i
s 2=
Deviazione standard empirica

i=1

1
N
N

( )
xi
i =1

x N1
N
i=1
1
s=
x im )2 =
(

N i=1
N

2
i

s 2=

Valori di riferimento convenzionali campionari

m 1.96 s
i

F r i= f r k
k=1

Semidifferenza interquartile (fra 3 e 1


quartile)

Q 3Q1
=
2
2

Coordinate gaussiane del teorema del limite


centrale

Errore standard (E.S.)

c =

N ( c ; c )=N ;
c=
n
n

E . S .=

z-score della distribuzione delle medie


campionarie

z=

Media di una variabile aleatoria (v.a.) uniforme


discreta (es.: dado a 6 facce)

m n ( m )
=

n
N +1
2

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

( )

Devianza
N 1

Varianza campionaria (approssimazione della


varianza)

Frequenza cumulativa della classe i-esima

i=1

xi

SD di una v.a. uniforme discreta (es.: dado a 6


facce)
Media delle medie campionarie

N 21
12
N

c = [ mi p ( m i ) ]
i=1

Deviazione standard delle medie campionarie

Stima puntuale della media

c=

i=1

p ( mi ) ( mi c )2

^=m
n

Stima puntuale della varianza

( xi m )2

2=s 2= i=1

n1

Stima puntuale di una proporzione

^ = p

Esempi di probabilit convenzionali nella


gaussiana con il teorema del limite centrale
Probabilit gaussiana teorema del limite
centrale
Intervalli di confidenza

p ( m1.96 E . S . m+1.96 E . S . )=95


p ( mz E . S . m+ z E . S . )=1
m z

Variabilit di un risultato Rlab di laboratorio

Rlab =i i lab

Distribuzione di probabilit per individui sani

p ( x|nor m ) =N ( norm ; norm )

Distribuzione di probabilit per individui


malati
Falsi positivi (z-score al cut-point C)

p ( x|mal )=N ( mal ; mal )

+M =z Cnorm =

C norm
norm

T
p

Falsi negativi

p (T M )=z mal =

Cmal
mal

Veri positivi (specificit)

T M

Vari negativi (sensibilit)

+
p (T M )=Sensibilit=1 p ( z Cmal )

Relazioni particolari

p (T M ) + p ( T M )=1

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

T M

T M

Tavlore di probabilit e teorema di Bayes:


A
15
5
20

B
B
Totale

A
15
65
80

Totale
30
70
100

p(A) = 20/100 = 0.2


p(B) = 30/100 = 0.3
p(A B) = 15/100 = 0.15
p(B | A) = p(B A) / p(A) = (15/100) / (20/100) = 15/20 = 0.75
In generale:
A
p(A B)
p(A B)
p(A)

B
B
Totale

A
p( A B)
p( A B)
p( A)

Totale
p(B)
p( B)
1

p ( A B ) =p (B A)
p ( A )= p ( A B )+ p ( A B)

p ( A B ) =p (A ) p(B A)
p ( B A )= p(B) p( AB)

p ( A ) p ( B| A )= p ( A B )= p ( B A )= p(B) p( AB)
p(B) p ( A|B )
p( B) p ( A|B )
Teorema diBayes : p ( B| A ) =
=
p(A)
p ( A B ) + p ( A B)
p (A B)
p ( B| A )=

p( A)

Valore:

Relazione:

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

Probabilit di Laplace

p ( A )=

NA
N tot

0 p ( A ) 1

Probabilit inversa

p ( A )=1p ( A )

Probabilit del prodotto logico di eventi

p ( A B ) =p ( B A )

p ( A B) p ( A )
p (B)
Probabilit condizionata

Teorema di Bayes
Probabilit della somma logica di eventi

p ( A|B )=

p(BA)
p (B )

p ( B| A )=

p (A B)
p(A)

p ( B| A )=

p ( B ) p ( A|B )
p(A)

p ( A B )= p ( B A )

p ( A B) p ( A )
p ( B)

p ( A B )= p ( A ) + p ( B ) p ( A B )
Probabilit di eventi compatibili
Teorema della probabilit totale

p ( A B ) =0 p ( A B )= p ( A ) + p ( B )
n

p ( A )= p ( A B 1 )+ p ( A B2 ) + + p ( A Bn ) = p ( A B i )
i=1

Teorema di Bayes delle probabilit totali

p ( Bi| A )=

p ( Bi ) p ( A|Bi )
n

p ( Bi ) p ( A|B i )
n

p ( A Bi ) p ( B i) p ( A|Bi )
i=1

i=1

Indipendenza statistica

p ( B| A )= p ( B )

Probabilit condizionata di eventi


stocasticamente indipendenti
Teorema di Bayes per due eventi
stocasticamente indipendenti

p ( A B ) =p ( A ) p ( B| A )= p ( A ) p ( B )

Correlazioni statistiche

Probabilit a priori di ipotesi

p ( B| A )=

p ( B ) p ( A|B )
= p ( B)
p(A)

positivamente : p ( A|B ) < p ( A )


negativamente : p ( A|B )< p ( A )
n

p ( H 1) + p ( H 2 ) + + p ( H n )= p(H i )=1
i=1

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

Probabilit a posteriori di ipotesi date le


evidenze

p ( H 1|E ) + p ( H 2| E ) ++ p ( H n|E )= p(H i E)=1

Teorema di Bayes e cambiamento di opinione


da quella a priori a quella a posteriori

p ( H i|E )=

Verosimiglianza di Hi

p ( E|H i )

Teorema di Bayes e valutazione dei T fra


ipotesi rivali H1, H2, , Hn

Mi
|
+
T

+
+
T
p

i=1

p ( H i ) p ( E|H i)
p (E )

Mi
|

+=T

( ) : T

Valore predittivo di T+

+
T

+
M T

+
M T

p
p ( M ) SENSIBILIT A' + [ 1P ( M ) ] ( 1SPECIFICIT A' )

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

Teorema di Bayes sui test

M
|
+
T

+
T
p
M
|
+
T

+
T
p

Teorema di Bayes con conoscenze k a priori


ODDS

Frequency ratio (FR) percentuale di un evento

p ( H|k , E )=

p ( H|k ) p ( E|H , k )
p(E,k)

p(A)
p(A)
=
p ( A ) 1 p ( A )

ODDS ( A )
p ( A)=
ODDS ( A ) +1

ODDS ( A )=

F R ( E)=100

t min
t max

Point-by-point agreement (PPA) percentuale di


un evento

PP A ( A )=100

Grado di libert di una tabella

DF ( R1 ) ( C1 )

Chi-quadro empirico

X =
2

i=1

( E iOi )
Ei

A
A +D

=
i=1

( OiEi )
Ei

ODDS condizionali

p ( H|E )
p ( H|E )
=
P ( H| E ) 1p ( H|E )

p ( E|H )
O ( H|E )=O ( H )
=O ( H ) L ( E|H )=O ( H ) FB
p ( E| H )

Rapporto di verosimiglianza o fattore


bayesiano (likelihood)
ODDS ratio (OR)

F B=L ( E|H )

Limiti di confidenza dellOR

O ( H|E )=

OR

p1 / ( 1 p1 )
p2 / ( 1 p2 )
1

ad
bc

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

Rischio relativo di una malattia M in presenza


del fattore di rischio F

Limiti di confidenza del RR


Proporzione delle concordanze osservate
Kappa di cohen

p( M F)
p(M F)
p1 0 p2 0
p1
1 p1 p1
=
=RR
p2
p2
1 p2
RR=

RR

K O=
K=

N si +N no
N tot

K O K E
1K E

1 K 1

Statistica test sulla Kappa di Cohen


Varianza di Kappa

Co-devianza di una dispersione puntiforme

z=

K
var ( K )

var ( K ) =

K O K 2O
N tot ( 1K E )

CODEVIANZA= [ ( x ix m ) ( y i y m ) ]
i=1

1 CODEVIANZA 1

Coefficiente empirico di correlazione lineare di


Pearson

[ ( x ix m ) ( y i y m ) ]
r=

i=1

(
n

i=1

x ix m ) ( yi y m )

i=1

1 r 1

Statistica test o t-student con n-e gradi di


libert della correlazione lineare

t ;n 2 =r

Funzione della retta di regressione lineare

f ( x ) a+bx + =a+bx + N ( 0 ; )

Rumore gaussiano

=N ( 0; )

Media di una distribuzione normale delle


estrazioni di punti sperimentali (xi; yi) con
S.D.=
Retta dei minimi quadrati

(Y |x )= +x

n2
1r 2

Y^ = a^ + b^ x

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica

Migliore stima della pendenza della retta dei


minimi quadrati

[ ( xi xm )( y i y m ) ]

^ CODEVIANZA = i=1
b=
var ( x )

( x ix m )2
i=1

a^ =m y b^ mx

Migliore stima dell'intercetta allorigine della


retta dei minimi quadrati
Statistica test del coefficiente angolare

t ;n 2 =

Errore standard della migliore stima di b

^
b
E . S . ( b^ )

E . S . ( b^ )= s 2b=
n

Variabilit delle y fissata x

s2y x
dev ( x )

( y iY^ )

s 2yx = i=1
Condizioni di indipendenza statistica e di
equiprobabilit per la distribuzione binomiale
di Bernoulli

n2

p ( E1 E 2 E n )= p ( E1 ) p ( E 2) p ( E n )
p ( E1 )= p ( E2 ) ==p ( E n )

Numero combinatorio o combinazioni semplici


su n prove di k successi

Cn ; k =

Distribuzione binomiale di Bernoulli

n!
=n
k ! ( nk ) ! k

p ( k| ,n )=

()

n!
k (1 )nk =
k ! ( nk ) !

nk
k
n ( 1 )
k

()

Distribuzione gaussiana della funzione di


probabilit di k successi su n prove

=n
N ( n ; n (1 ) )
= n ( 1 )

Elementi di Calcolo Combinatorio:


Fattoriale di x

x !=x ( x1 )( x2 ) 2 1
0 !=1

Coefficiente binomiale di
nek

(nk )=

con

x2

1!=1

n ( n1 )( n2 ) ( nk +1 )
n!
=
= n =C n ;k
k!
k ! ( nk ) ! nk

(nn )=1

( )

(n0 )=1

(00)=1

Da Pensiero critico nelle scienze della salute di U. Giani Statistica e Informatica Medica