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
