Területi sor Kárpát medence Magyarország Nyugat-Európa

Átírás

1 Területi sor Terület megnevezése Magyarok száma Kárpát medence Magyarország Nyugat-Európa

2

3

4

5

6 HIV prevalence (%) in adults in Africa,

7 Daganatos halálozás (KSH adatok) lakosra számítva (kerekítve)

8 Myocardialis infarctusa van Myocardialis infarctusa nincs Összesen Cukorbeteg Nem cukorbeteg Összesen A myocardialis infarctus RR-a cukorbetegségre vonatkozóan: RR: (20/100)/(35/900) = 0,20/0,039 = 5,13 OR: =((20/80)/(35/865) =0,25/0,04 = 6,10

9 VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK

10 Valószínűség Azt a számot, amely körül egy esemény relatív gyakorisága ingadozik, az illető esemény valószínűségének nevezzük. Egy esemény bekövetkezésének vagy be nem következésének mértékbeli megadása. A valószínűség, mint mérték 0 és 1 közötti szám. A jelölés a latin probabilitas, valószínűség szó kezdőbetűjéből ered.

11 1654: a valószínűségszámítás mint matematikai elmélet születési éve. Fermat és Pascal: egyik ilyen témájú levelének kelte. Maga a valószínűség (probabilitas) szó Jakob Bernoulli ( ) Ars conjectandi (A találgatás művészete, 1713.) c. munkájában fordul elő először.

12 Kolmogorov-féle valószínűségi mező: (I,, P)

13 Valószínűségi alapfogalmak 1. Valószínűség: Eseményeken értelmezett számértékű függvénymérték. Jelölésben P(A)=p Kolmogorov axiómák: 0 P(A) 1 P(O)=0 és P(I)=1 Ha AB = O P(A+B) = P(A) + P(B) 2. Valószínűségszámítás: klasszikus valószínűségi modell k kedvező események száma P( A) p n összes események száma 3. Statisztikai próba (teszt): A mért adatokon értelmezett függvény. 4. Szignifikancia értelmezése : p < 0.05

14 Relatív gyakoriság Ha sokszor elvégezzük ugyanazt a kísérletet, és jegyezzük, hogy adott esemény ennek során hányszor következett be, akkor a kísérletet egyre többször végezve az adott esemény relatív gyakorisága (azaz az esemény bekövetkezései számának és a kísérletek számának hányadosa) egyre inkább megközelít egy számot: az esemény valószínűségét.

15 Eseménynek nevezünk mindent, amiről a kísérlet elvégzése után eldönthető, hogy bekövetkezett-e, vagy sem (elemi esemény). Valamely kísérlet összes kimenetele egy halmazt alkot. Ezt nevezzük eseménytérnek ( ). Biztos eseményről akkor beszélünk, ha a kísérlet során biztosan (minden kimenetelnél) bekövetkezik. Azt az eseményt, mely akkor és csak akkor következik be, ha az A esemény nem következik be, az A esemény ellentett eseményének nevezzük ( ). A

16 Valószínűségeloszlás Egy teljes eseményrendszer valószínűségeinek sorozatát valószínűségeloszlásnak, vagy röviden eloszlásnak nevezzük. Olyan függvény, mely leírja, hogy egy valószínűségi változó milyen valószínűséggel vehet fel egy bizonyos értéket. Eloszlásfüggvénye minden valószínűségi változónak létezik.

17 Valószínűség axiómája Adott P: [0, 1] valószínűségi függvény. A P kielégíti az alábbiakat: 1. P(I)=1 2. Ha A 1, A 2, A 3, A, és A i A j = O akkor igaz a -additívitás (ha n, akkor véges additivitás): P ( A ) P( A ) i i i i

18 Feltételes valószínűség P(AB) P(A B) = P(B) Teljes valószínűség tétele Ha B 1, B 2, B 3,., B n események teljes esemény rendszert alkotnak és P(B I ) 0, akkor egy tetszőleges A esemény valószínűsége N P(A)= P(A B i ) P(B i ) i=1 Bayes elmélet Ha a B 1, B 2, B 3,., B n események teljes esemény rendszert alkotnak és P(Bi) 0, valamint egy tetszőleges A eseményre igaz, hogy P(A) 0, akkor a B i eseményekre igaz posteriori valószínűség P(A B i ) P(B i ) P(B i A) = N P(A B k ) P(B k ) k=1 a priori valószínűség

19 Markov-egyenlőtlenség Legyen pozitív valószínűségi változó véges M( ) várható értékkel. Ekkor tetszőleges > 0 valós számra igaz az alábbi egyenlőtlenség: P ( M( )) 1

20 Csebisev-egyenlőtlenség Legyen tetszőleges valószínűségi változó, melynek van szórása. Ekkor > 0 esetén igaz: D 2 ( ) P( M( ) ) 2 Ha ismeretlen (várható érték és szórás igen), akkor felső korlátot tudunk megadni a várható érték körüli szimmetrikus intervallumokba esés valószínűségeire.

21 A nagy számok törvénye A törvény azt mondja ki, hogy egy kísérletet sokszor elvégezve az eredmények átlaga egyre közelebb lesz a várható értékhez (µ): ha X 1,, X n azonos eloszlású független valószínűségi változók véges E(X i ) = μ várható értékkel, akkor

22 A törvénynek van egy gyenge és egy erős változata attól függően, hogy pontosan mit értünk konvergencia alatt.

23 Gyenge törvény A gyenge változat szerint sztochasztikus konvergenciát, azaz teljesül minden pozitív ε ra.

24 Nagy számok Bernoulli-féle gyenge törvénye Legyen binomiális eloszlású valószínűségi változó, mely x k =k (k=0, 1, 1,,n) értéket vesz fel, ha az A esemény az n kísérlet során k-szor következett be. Legyen az A esemény relatív gyakorisága, P(A) = p az esemény valószínűsége. Ekkor > 0 esetén igaz: k n q 1 p P(A) P( k n p ) 2 p q n P( k n p ) 1 2 p q n

25 Erős törvény A törvény pedig 1 valószínűségű ( biztos) konvergenciát állít:

26 Változókról (véletlen) Egy statisztikai változó akkor jól definiált, ha: Ismert az értékkészlete (mik a lehetséges értékei a változónak) Minden megfigyelési egységhez hozzárendelhető a változó egy, és csakis egy értéke. A megfigyelési egység kiválasztása a statisztikában jellemzően véletlenszerűen történik: így a változó adott kísérletben bekövetkező értéke is véletlenszerű. A statisztikai változókat véletlen változóknak is nevezzük.

27 A valószínűség eloszlása Egy megfigyelési egység véletlenszerű kiválasztásakor a vizsgálandó változónak bekövetkezik valamilyen értéke, ami egy eseménynek tekinthető. A változó értékei tehát események, melyekre igaz, hogy egymást kölcsönösen kizáró (diszjunkt) események, és hogy ezen diszjunkt események uniója a biztos eseményt (I) adja. Ha a populációból véletlenszerűen kiválasztunk egy megfigyelési egységet, akkor a változó különböző értékei bizonyos valószínűséggel következnek be. A változó értékei valószínűségének összege 1 lesz.

28 A valószínűség eloszlása Ahhoz, hogy egy statisztikai változót pontosan ismerjünk, ismernünk kell az adott változó eloszlását, azaz azt, hogy milyen módon oszlik meg az egységnyi valószínűség a változó különböző értékei között. A változók eloszlása elméletileg végtelen sokféle lehet, azonban szerencsére a gyakorlatban kezelhető számú speciális, jól definiált eloszlás valamelyike jellemző a változók túlnyomó többségére.

29 Diszkrét változók valószínűségi eloszlása Egy statisztikai változót akkor tekinthetünk diszkrétnek, ha csak véges (kis) számú, egymástól jól elkülönülő értéket vehet fel. Diszkrét változók esetén a változó eloszlását ismerni annyit jelent, mint ismerni az adott változó értékeit és az értékekhez tartozó valószínűségeket. Például, ha ismert egy populációban a nemek aránya, ezáltal relatív gyakorisága, vagyis valószínűsége, akkor azt mondhatjuk, hogy tökéletesen ismerjük a biológiai nem változót.

30 Diszkrét eloszlások Binomiális p k = P( = k) = ( )p k q n-k M( ) = n p D( ) = n p q Poisson k p k = P( = k) = e - M( ) = D( ) = n k k!

31 A Binomiális eloszlás Tekintsük az alábbi, gyakori kísérleti elrendezést: n számú kísérletet, vagy próbát végzünk Minden kísérlet eredménye sikerként vagy kudarcként fogható fel A siker valószínűsége, p, próbáról próbára állandó Az egyes próbák egymástól függetlenek Az ilyen kísérleti elrendezés esetén a változó Binomialis eloszlást követ n és p paraméterekkel. Jelölése: B(n,p). A különböző paraméterekkel jellemezhető binomiális eloszlások egymástól különbözőek lesznek.

32 A Binomiális eloszlás Példa: pénzérmét dobunk egymás után négyszer Kérdés: hányszor lesz fej a dobás eredménye a négy dobásból? Ez a kérdésfeltevés egy statisztikai változót definiál, amit nevezhetünk például fejek száma változónak. Lehetséges kimenetek: 0, 1, 2, 3, 4 Mi a valószínűsége ezeknek a kimeneteknek?

33 A Binomiális eloszlás Annak, hogy 4-szer lesz fej a 4 dobásból p(4)=1/16 a valószínűsége. Ez a kimenet csak egyféleképpen fordulhat elő. 3 fej valószínűsége már p(3)=4/16 mert 3 fej négyféle elrendezésben fordulhat elő. 2 fej valószínűsége már p(2)=6/16 lesz, mert ez a kimenet hatféleképpen eshet meg. Ugyanígy a további kimenetekre is kiszámolható, hogy milyen valószínűséggel fordulhatnak elő. n x p( x) p 1 p x n x

34 A Binomiális eloszlás A binomiális eloszlásnak tehát két fontos paramétere van, a próbák száma, n és az egyes próbák esetén a siker (azaz a bennünket érdeklő kimenet) valószínűsége, p. Ahogy n nő, úgy nő a lehetséges kimenetek száma, úgy oszlik meg egyre több érték között a valószínűség. Amennyiben p = 0.5 a binomiális eloszlás szimmetrikus lesz, egyéb esetekben pedig aszimmetrikus, annál aszimmetrikusabb, minél inkább eltér a valószínűség 0.5-től 0 vagy 1 irányába. Fontos, hogy az egyes kimenetek diszjunkt események, uniójuk pedig a teljes eseményt adja, azaz uniójuk valószínűsége 1.

35 Példánkban a binomiális eloszlás a következőképpen adható meg: fejek száma (X; x = 0, 1, 2, 3, 4) valószínűség p(x = x)

36 A B(4, 0.5) eloszlás grafikus reprezentációja B(4,0.5) p

37 Kumulatív valószínűség Az egyes értékek valószínûsége mellett a kumulatív valószínûség is meghatározható, ami egy adott érték vagy annál kisebb érték bekövetkezésének valószínûségét adja meg. A kumulatív valószínûség nagyon fontos szerepet játszik a statisztikában, pontosabban a statisztikai hipotézisvizsgálatok során. A következő dián a példánkban szereplő Binomialis eloszlás esetén az értékek kumulatív valószínűségei láthatók.

38 A B(4, 0.5) eloszlás kumulatív valószínűségei fejek száma (X; x = 0, 1, 2, 3, 4) valószínűség p(x = x) kumulatív valószínűség p(x? x) 0 0, ,25 0, ,375 0, ,25 0, ,0625 1

39 A B(4, 0.5) eloszlás kumulatív valószínűségei grafikusan B(4,0.5) p

40 Néhány Binomiális eloszlás grafikus reprezentációja: B(10, 0.5) B(10,0.5) B(10,0.5) p p

41 B(10, 0.25) B(10,0.25) B(10,0.25) p p

42 B(10, 0.75) B(10,0.75) B(10,0.75) p p

43 Kumulatív valószínűségi táblázat és használata A különböző binomialis eloszlások értékeihez tartozó kumulatív valószínűségek megtalálhatók táblázatba foglalva, illetve kiszámíthatóak például az R statisztikai szoftver használatával. Táblázatok használatakor meg kell keresni azt a táblázatot, amelyik a keresett paraméterekkel rendelkező binomiális eloszláshoz tartozik, és ebben meg kell keresni a kérdéses értékhez tartozó kumulatív valószínűségi értéket. Az R szoftver esetén a pbinom(érték,n,p) parancs alkalmazásával kaphatjuk meg az érték -hez tartozó kumulatív valószínűséget, az n és p paraméterekkel leírható Binomiális eloszlás esetén.

44 Poisson eloszlás Az úgynevezett pontelhelyezkedési problémák eloszlása. Például: Egy dimenzióban: egy hivatalban bizonyos idő alatt megjelenő ügyfelek száma, kirakodásra / tankolásra váró járművek száma Két dimenzióban: gyomnövények száma adott területen, mikroszkóp látómezőjén levő baktériumok száma Három dimenzióban: adott térfogatban levő méreten túli darabok száma, vitaminszemcsék száma egy tablettában

45 Példa Egy szabályos tömegeloszlású pénzdarab ugyanolyan valószínűséggel esik fejre, mint írásra. Minél többször dobjuk fel, annál valószínűbb, hogy aránylag a dobások felében kapunk fejet. A tétel egy gyakori félreértése, különösen a szerencsejátékosok körében, hogy az következne belőle, hogy a véletlen események valamiképpen kiegyenlítik egymást. Például: ha sokszor egymás után piroson állt meg a rulett, akkor a következőkben sokszor kell feketén megállnia, hogy a pirosok és a feketék száma megint nagyjából egyenlő legyen. Valójában ennek az ellenkezője igaz: az idő előrehaladtával egyre nagyobb abszolút eltérés várható az eredmények összege és a várható érték n-szerese között, azonban ez az eltérés lassabban nő, mint n, így a relatív eltérés csökken.

46 Normál eloszlás A természetben nagyon sok változóról elmondható, hogy normál eloszlást (vagy legalábbis jó közelítéssel normál eloszlást) követ. Ennek oka, hogy számtalan változó nagyszámú faktor átlagos hatásának eredményeként alakul ki. Ennek tudományos alapjául a centrális határeloszlás elmélet szolgál, mely szerint ha sokszor veszünk megfelelően nagy, azonos elemszámú mintát, akkor a minták átlagai mindig normál eloszlást követnek, függetlenül az eredeti eloszlástól.

47 Standardizálás, z-értékek Tehát, ha adott egy normál eloszlású véletlen változó, X, (X ~ N( µ, σ) ) akkor ezen X változó egy x értékéhez tartozó z érték a következőképpen számolható: z x Ha egy normál eloszlást követő változó minden értékét standardizáljuk, akkor az így kapott z értékek normál eloszlást fognak követni 0 átlaggal, és 1 szórással, függetlenül az eredeti normál eloszlás paramétereitől. A 0 átlagú, 1 szórású normál eloszlást standard normál eloszlásnak nevezzük, és N(0,1) el jelöljük.

48 Standardizálás, z-értékek Visszatérve kiinduló példánkhoz, a következőket ismerjük: statisztika anatómia nyers pontszám x s = 60 x a = 70 átlag µ s = 50 µ a = 55 szórás σ s = 5 σ a = 10 z x s xs s s 2 p= z x a xa a a p=0,9331 Tehát a példában szereplő diák statisztikából teljesített jobban.

49 Az eloszlás alakjának jellemzése Ferdeség (skewness, normális eloszlás=0 körüli érték) Csúcsosság (kurtosis, normális eloszlás=0 körüli érték)

50 Pearson-féle mutatószáma Az aszimmetria Pearson-féle mutatószáma (jele: A) a számtani átlag és a módusz egyes eloszlástípusok esetén jellemző nagyságrendi viszonyán alapul. A mérőszám (önmagában a számláló) előjele az aszimmetria irányát mutatja. Bal oldali, jobbra elnyúló aszimmetria esetén A 0, jobb oldali, balra elnyúló aszimmetria esetén A 0. Szimmetrikus eloszlás esetén A = 0. A mérőszám abszolút értékének nincs határozott felső korlátja, azonban már 1-nél nagyobb abszolút érték a gyakorlatban ritkán fordul elő és meglehetősen erős aszimmetriára utal. A x Mo

51 F mutató Az aszimmetria másik mérőszáma, az F mutató (jele: F) az alsó és felső kvartilis mediántól való eltérésének egymáshoz viszonyított nagyságán alapul. Bal oldali, jobbra elnyúló aszimmetria esetén a medián az alsó (Q 1 ), míg jobb oldali aszimmetria esetén a felső (Q 3 ) kvartilishez esik közelebb. E mutatószám ugyanolyan feltételek mellett ad nulla, pozitív és negatív eredményt, mint az A mutató. Az F mutató lényegesen kisebb értékkel jelzi a már nagyfokúnak tekinthető aszimmetriát, mint az A. ( Q3 Me) ( Me Q1) F ( Q Me) ( Me Q ) 3 1