Algemeen

Introductie Colleges:
• 12 oktober 11:00 – 13:00 uur (zaal 3219.0061)
Kansrekening • 27 oktober 13:30 – 15:30 uur (zaal 3219.0061)
• Vier maal 50 minuten hoorcolleges met twee maal 20
minuten pauze
• Geen werkcolleges of practica

12 Oktober 2010 Regels:

• Respecteer medestudenten
– Wees op tijd (ook na de pauze)
Edwin van den Heuvel – Zet mobiele telefoons af
e.r.van.den.heuvel@epi.umcg.nl • Tussentijds vragen stellen is gewenst

Algemeen Algemeen
Beeld van Statistici
Leer doelstellingen:
• Begrippen/definities in de kansrekening
• Grondbeginselen van de kansrekening
• Kansberekeningen kunnen uitvoeren
• Het voorbereiden op het college “Statistics at Square
One” in het tweede blok van het eerste jaar

Documentatie:
• Een Engelstalig document over kansrekening met
theorie en oefeningen
• Nederlandstalige power point presentatie (deel 1)
• Beide beschikbaar in Nestor

Inhoudsopgave Introductie
Waarom statistiek?
• Introductie • Medisch onderzoek wordt onderbouwd met
• Kansrekening
–
–
–
–
Korte geschiedenis
Definities
Rekenregels
Voorwaardelijke kansen
} Vandaag
statistische analyses van gegevens
– Klinische studies voor nieuwe medicijnen en
behandelingen
– Populatie onderzoek voor risico factoren van ziekten
en aandoeningen

}
• Kansverdelingen
– Bernoulli verdeling
– Binomiale verdeling
– Normale verdeling
• Statistische inferentie
• De literatuur rapporteert statistische resultaten
kort en bondig
Volgende keer • Sommige medische studenten worden zelf
onderzoeker en zullen statistiek dus veelvuldig
moeten gebruiken
 Introductie
Voorbeeld
• Behandeling “procalcitonin” is een biomarker voor het
voorspellen van een ernstige bacteriële infectie.
• Twee behandelingsgroepen:
– Een controle groep waarbij de standaard procedure voor het
gebruik van antibiotica wordt gevolgd
– Een behandelingsgroep waarbij de patiënt op basis van
procalcitonin concentraties antibiotica krijgt toegediend
• Doel van studie:
– het gebruik van antibiotica te reduceren bij intensive care
patiënten.
• Patiënten in studie
– langer dan 3 dagen op intensive care
– waarvan een bacteriële infectie waarschijnlijk is
• Eindpunt is mortaliteit na 28 en 60 dagen
Introductie
Voorbeeld
Vragen:
• Wat betekenen CI en SD?
• Waar staat de letter P voor?
• Wat wordt bedoeld met non-inferiority?
• Waarom waren er meer dan 300 patiënten in de
behandelingsgroep en controle groep?
Dit zijn concepten binnen de statistiek
Zullen later in de studie worden behandeld
Focus van dit college is kansrekening
Kansrekening
Korte geschiedenis
• De ontwikkeling van kansrekening heeft ongeveer drie
eeuwen geduurd
• Het is ontstaan door vragen in gok- en kansspelen
Anekdote (Chevalier De Mere):
• Een populair spel was het gokken op minimaal één zes
bij vier maal gooien met een zeskantige dobbelsteen
• Chevalier De Mere dacht te kunnen winnen met het
gokken op minimaal twee maal zes bij 24 keer gooien
• Het verhaal gaat dat hij hierbij verlies leed en zijn vraag
voorlegde aan Blaise Pascal (1623 – 1662)
Introductie
Voorbeeld
Dit is de tekst die gerapporteerd is:
Nine patients were excluded from the study; 307 patients in the
procalcitonin group and 314 in the control group were included
in analyses. Mortality of patients in the procalcitonin group
seemed to be non-inferior to those in the control group at day 28
(21.2% [65/307] vs 20.4% [64/314]; absolute difference 0.8%,
90% CI -4.6 to 6.2) and day 60 (30.0% [92/307] vs 26.1%
[82/314]; 3.8%, CI -2.1 to 9.7). Patients in the procalcitonin
group had significantly more days without antibiotics than did
those in the control group (14.3 days [SD 9.1] vs 11.6 days [SD
8.2]; absolute difference 2.7 days, 95% CI 1.4 to 4.1, P<0.0001).
Inhoudsopgave
• Introductie
• Kansrekening
– Korte geschiedenis
– Definities
– Rekenregels
– Voorwaardelijke kansen
• Kansverdelingen
– Bernoulli verdeling
– Binomiale verdeling
– Normale verdeling
• Statistische inferentie
Kansrekening
Korte geschiedenis
• Een reeks aan interessante briefwisselingen ontstond
tussen Pascal en Pierre de Fermat (1601 – 1665)
• Christiaan Huygens (1629 – 1695) schreef als eerste
een boek over kansrekening na een bezoek in Parijs
• James Bernoulli (1654 – 1705) en Abraham De Moivre
(1667 – 1754) brachten de kansrekening een stuk verder
• Pierre-Simon Laplace (1749 - 1827)
– zorgde ervoor dat kansrekening ook werd toegepast op
verscheidene onderwerpen en niet alleen op kansspelen
– Wordt gezien als de grondlegger van de wiskundige statistiek
• Andrey Kolmogorov (1903 – 1987) ontwikkelde een
fundamentele wiskundige benadering
 Kansrekening Kansrekening
Definities Definities
• Wat is de kans op een van de volgende gebeurtenissen? Input:
– Een aangeboren afwijking? • Zij N het aantal eenheden in populatie (bv. geboortes of
– Een vliegtuigongeluk? vluchten per jaar)
• Een inschatting kan worden gemaakt door gebruik te • Zij A een gebeurtenis (bv. aangeboren afwijking of
maken van gegevens: vliegtuigongeluk)
– Neem de ratio van het aantal aangeboren afwijkingen in een jaar
met het aantal geboortes in een jaar • Zij NA het aantal gebeurtenissen (bv. geboorte
– Neem de ratio van het aantal vliegtuigongelukken in een jaar net afwijkingen of vliegtuigongelukken per jaar)
het aantal vluchten
• Een gebeurtenis is een karakteristiek van een eenheid:
Definitie:
P ( A) =
NA
– Geboorte is eenheid, wel/geen afwijking is karakteristiek Kans op gebeurtenis A is nu:
N
– Vlucht is geboorte – wel/geen ongeluk is karakteristiek
• Een populatie is nu een verzameling van eenheden

Kansrekening Kansrekening
Definities Definities
Aanname: Input:
• Een gebeurtenis wordt willekeurig toegewezen • Zij n het aantal herhaalde testen (bv. werpen met een
– Elke vlucht zou kunnen leiden tot een ongeluk
– Elke geboorte zou een afwijking kunnen laten zien dobbelsteen)
• Een gebeurtenis heeft dus geen voorkeur voor eenheden • Zij A een gebeurtenis (bv. uitkomst zes)
– Hebben oudere vrouwen meer kans op een geboorte afwijking? • Zij nA het aantal gebeurtenissen
– Hebben internationale vluchten meer kans op ongelukken?
Definitie:
Beperkingen:
• Kans op gebeurtenis A is nu ongeveer: P ( A) ≈
nA
• Populatie van eenheden opsplitsen in kleinere homogene n
deelpopulaties • Als het aantal testen groter en groter wordt convergeert
• Definitie geldt alleen voor eindige populaties. de verhouding nA/n naar een waarde p: P ( A) = p
– Hoe vaak moet je met een dobbelsteen werpen voordat je een
zes gooit?
• Een zeskantige dobbelsteen is “eerlijk” als elke kant even
waarschijnlijk bovenkomt in iedere worp: p=1/6

Kansrekening
Definities
Aanname:
• Elke test wordt onder dezelfde omstandigheden uitgevoerd
• Het aantal herhaalde testen kan onbeperkt worden uitgevoerd
Beperkingen:
• Kan niet in elke situatie praktisch worden toegepast
• Is een conceptuele benadering van een kans
Definitie:
• De kans op een gebeurtenis A is P(A):
• Het is een getal tussen 0 en 1: 0 ≤ P(A) ≤ 1
• Het kan worden benaderd met echte data of met het herhaald testen
onder gelijke omstandigheden
Kansrekening
Rekenregels
• Het complement van gebeurtenis A is Ac
– Ac betekent dat gebeurtenis A niet optreedt
– Dus het complement van “een geboorte afwijking” is “geen
geboorte afwijking”
• A∩B betekent dat gebeurtenis A en gebeurtenis B
gelijktijdig optreden.
– Gebeurtenis A is geboorte afwijking
– Gebeurtenis B is een jongen bij de geboorte
– A∩B is een jongen met een geboorte afwijking
• A∪B betekent dat minimaal een van de gebeurtenissen
optreedt
– De baby is ofwel een jongen (met of zonder geboorte afwijking)
ofwel een meisje met een geboorte afwijking
– Het is het complement van een meisje zonder geboorte afwijking
 Kansrekening Kansrekening
Rekenregels Rekenregels
1. De kans op gebeurtenis A is gelijk aan één minus de kans op de Voorbeeld:
complementaire gebeurtenis Ac
• Een pak kaarten bestaat uit de vier kleuren: “harten”,
( )
P ( A ) = 1 − P Ac “ruiten”, “schoppen” en “klaveren”.
• Iedere kleur heeft dertien kaarten: 2, 3, 4, 5, 6, 7, 8, 9,
2. De kans op minimaal een van de gebeurtenissen A of B is de som
10, boer, vrouw, heer en aas
van de kansen op de gebeurtenissen afzonderlijk minus de kans
op beide gebeurtenissen tegelijkertijd • Veronderstel dat er willekeurig een kaart uit het spel
wordt getrokken:
P ( A ∪ B ) = P ( A ) + P (B ) − P ( A ∩ B ) – Wat is de kans op een harten kaart?
– Wat is de kans dat het geen harten kaart is?
3. Twee gebeurtenissen A en B zijn onderling onafhankelijk dan en
– Wat is de kans op een harten heer?
slechts dan als de kans op beide gebeurtenissen gelijk is aan het
product van de kansen op de gebeurtenissen afzonderlijk – Wat is de kans dat de kaart harten of een heer is?
– Zijn de gebeurtenissen “harten kaart” en “een heer”
A ⊥ B ⇔ P ( A ∩ B ) = P( A)P(B ) onafhankelijk?

Kansrekening Kansrekening
Rekenregels Rekenregels
Voorbeeld: Voorbeeld:
• Wat is de kans op een harten kaart? • Wat is de kans dat de kaart harten of een heer is?
– Er zijn 52 kaarten in totaal (populatie kaarten) en 13 kaarten – Kans op harten is 13/52
geven de gebeurtenis “harten kaart”. Dus de kans is 13/52=1/4 – Kans op een heer is 4/52
– Er zijn vier kleuren in total (populatie kleuren) die evenveel – Kans op harten heer is 1/52
voorkomen en 1 kleur geeft de gebeurtenis “harten”. Dus de kans – Tweede rekenregel geeft 13/52 + 4/52 – 1/52 = 16/52 = 4/13
is direct 1/4
• Zijn de gebeurtenissen “harten kaart” en “een heer”
• Wat is de kans dat het geen harten kaart is?
onafhankelijk?
– Gebruik de eerste rekenregel: 1-1/4=3/4.
– Kans op een harten heer is 1/52
– Er zijn 52 kaarten en 39 kaarten zijn niet harten
– Kans op harten is 1/4
– Er zijn vier kleuren en 3 kleuren zijn niet harten
– Kans op een heer is 1/13
• Wat is de kans op een harten heer? – Product van laatste twee kansen is 1/52 is gelijk aan eerste kans
– Er is één harten heer van de 52 kaarten. Dus de kans is 1/52. – De derde rekenregel geeft aan dat de twee gebeurtenissen
onafhankelijk zijn

Kansrekening Kansrekening
Rekenregels Voorwaardelijke kansen
Consequenties: • Ontstaan door uitspraken te doen als bepaalde andere
• Als gebeurtenissen A en B niet gelijktijdig kunnen gebeurtenissen al zijn opgetreden:
– Wat is de kans op een geboorte afwijking als bekend is dat de
optreden, dan is A∩B=∅ de lege gebeurtenis:
baby een jongen wordt?
– De gebeurtenis “geboorteafwijking aan de baarmoeder” en de
gebeurtenis “jongen” gaan niet samen. • Voorwaardelijke kans op gebeurtenis A gegeven
• Als A∩B=∅ dan geldt P(A∪B)=P(A)+P(B) gebeurtenis B is
P( A ∩ B )
• P(A)=P(A∩B)+P(A∩Bc) P( A | B ) = , P (B ) > 0
• Als A en B onafhankelijke gebeurtenissen zijn dan ook P (B )
– A en Bc • Als gebeurtenis B nooit plaatsvindt is een
– Ac en B voorwaardelijke kans niet zinvol.
– Ac en Bc • Dus P(A|B) = 0 als P(B) = 0.
 Kansrekening Kansrekening
Voorwaardelijke kansen Voorwaardelijke kansen
• De voorwaardelijke kans geeft ook de volgende relatie • Zij A de gebeurtenis op een positief test resultaat
P( A ∩ B ) = P( A | B )P(B ) • Zij B de gebeurtenis op een aandoening
Sensitiviteit:
• Consequentie: • Voorwaardelijke kans op een positief test resultaat
– Als de gebeurtenissen A en B onafhankelijk zijn dan geldt dat (aandoening aangetoond) gegeven de aanwezigheid van
P(A|B) = P(A) de aandoening
– Als deze laatste gelijkheid P(A|B) = P(A) en P(B) > 0 geldt dan • De kans is dus P(A|B) = P(A∩B)/P(B)
zijn de gebeurtenissen A en B onderling onafhankelijk
– Dus de voorwaardelijke kans op een geboorte afwijking gegeven Specificiteit:
een jongen is gelijk aan de kans op een geboorte afwijking als • Voorwaardelijke kans op een negatief test resultaat
het geslacht en geboorte afwijkingen onafhankelijk zijn. (aandoening niet aangetoond) gegeven de afwezigheid
• Voorwaardelijke kansen spelen een rol bij diagnostische van een aandoening
of medische meetmethoden • De kans is dus P(Ac|Bc) = P(Ac∩Bc)/P(Bc)

Kansrekening Kansrekening
Voorwaardelijke kansen Voorwaardelijke kansen
Twee bij twee tabellen: Voorbeeld:
• Kansen op gelijktijdige gebeurtenissen • Detecteren van een hernia
• Komt uit Veening, Gans, en Kuks (2009), Medische
A Ac consultvoering: hoofdlijnen en achtergronden,
B P( A ∩ B ) ( P Ac ∩ B ) P (B ) • Sensitiviteit:
• Specificiteit:
P(A|B) = 0.95
P(Ac|Bc) = 0.90
Bc (
P A ∩ Bc ) P (A ∩ Bc
c
) P(B ) c
• Prevalentie: P(B) = 0.70
P ( A) P Ac ( ) 1 Vragen:
• Wat is de voorwaardelijke kans op de aandoening
– A positief test resultaat gegeven een positieve test uitslag P(B|A)?
– Ac negatief test resultaat • Wat is de voorwaardelijke kans op geen aandoening
– B aandoening aanwezig gegeven een negatieve test uitslag P(Bc|Ac)?
– Bc aandoening afwezig • Dit worden diagnostische kansen genoemd

Kansrekening Kansrekening
Voorwaardelijke kansen Voorwaardelijke kansen
Twee bij twee tabellen: Regel van Bayes:
• Herschrijven in conditionele kansen • De voorwaardelijke kans van B gegeven A kan worden
A Ac geschreven als een functie van
B P( A | B )P(B ) ) (
P Ac | B P ( B )
P (B )
Prevalentie – De voorwaardelijke kans van A gegeven B

P(A | B )P (B ) P (A | B )P(B ) P(B )

Sensitiviteit – De voorwaardelijke kans van Ac gegeven Bc
c c c c c c c
B – De kans op B
P ( A) P (A ) 1 c Specificiteit
P ( A | B )P (B ) P( A | B )P(B )
P (B | A) = =
A Ac Gevraagde
P ( A) ( )( )
P( A | B )P(B ) + P A | B c P B c
B (
P (B | A)P ( A) P B | Ac P Ac ) ( ) P (B ) kansen ( ) (
P A | B c = 1 − P Ac | B c )
Bc ( ) (
P B c | A P ( A) P B c | A c P A c ) ( ) P (B ) c
P (B ) = 1 − P(B )
c

P( A) P (A ) c
1
 Kansrekening Kansrekening
Voorwaardelijke kansen Voorwaardelijke kansen
Voorbeeld (vervolg): Regel van Bayes:
• Sensitiviteit: P(A|B) = 0.95 • De voorwaardelijke kans van Bc gegeven Ac kan worden
• Specificiteit: P(Ac|Bc) = 0.90 geschreven als een functie van
– De voorwaardelijke kans van A gegeven B
• Prevalentie: P(B) = 0.70
– De voorwaardelijke kans van Ac gegeven Bc
P(A|B)P(B) = 0.95*0.70 = 0.665 – De kans op B
P(A|Bc) = 1 – 0.90 = 0.10
(
P B c | Ac = ) ( )( )
P Ac | B c P B c
=
( )( )
P Ac | B c P B c
P(Bc) = 1 – 0.70 = 0.30 PA( ) c
(c
)( ) ( )
P A | B c P B c + P Ac | B P ( B )
P(A|Bc) P(Bc) = 0.10*0.30 = 0.03
( )
P Ac | B = 1 − P ( A | B )
P( A | B )P(B ) ( )
P B c = 1 − P (B )
P (B | A) =
0.665
= ≈ 0.957
( )( )
P( A | B )P(B ) + P A | B c P B c 0.665 + 0.03

Kansrekening Kansrekening
Voorwaardelijke kansen Voorwaardelijke kansen
Voorbeeld (vervolg): • P(B|A) kan met name worden verhoogd door
• Sensitiviteit: P(A|B) = 0.95 – de specificiteit te verbeteren
– Herhaalde testen uit te voeren
• Specificiteit: P(Ac|Bc) = 0.90
• P(Bc|Ac) kan met name worden verhoogd door
• Prevalentie: P(B) = 0.70
– De sensitiviteit te verbeteren
P(Bc) = 1 – 0.70 = 0.30 – Herhaalde testen uit te voeren

P(Ac|Bc)P(Bc)= 0.90*0.30 = 0.27 • Voorwaardelijke kansen spelen een belangrijke rol in

geneeskunde
P(Ac|B) = 1 – 0.95 = 0.05
– De voorwaardelijke kans op een geboorte afwijking A gegeven
P(Ac|B) P(B) = 0.05*0.70 = 0.035 een jongen B

( )
P B c | Ac =
( )( )
P Ac | B c P B c
=
0.27
≈ 0.885
– Relative Risk: RR(A) = P(A|B)/P(A|Bc)
[P(A|B)/P(Ac|B)]/[P(A|Bc)/P(Ac|Bc)]
( )( ) ( )
– Odds ratio:
P Ac | B c P B c + P Ac | B P(B ) 0.27 + 0.035

Kansrekening Inhoudsopgave
Samenvatting
• Twee definities van kansen: • Introductie
– ratio van uitkomsten in eindige populaties: NA/N • Kansrekening
– benadering voor oneindig herhaalde testen: p=nA/n – Korte geschiedenis
• Verschillende rekenregels – Definities
– Rekenregels
– P(Ac)=1-P(A)
– Voorwaardelijke kansen
– P(A∪B)=P(A)+P(B)-P(A∩B)
• Kansverdelingen
– Onafhankelijkheid: P(A∩B)=P(A)P(B)
– Bernoulli verdeling
• Voorwaardelijke kansen – Binomiale verdeling
– Definitie: P(A|B)=P(A∩B)/P(B) – Normale verdeling
– Regel van Bayes: P(B|A)=P(A|B)P(B)/P(A) • Statistische inferentie
– Toepassing op diagnostische tests