Εισαγωγή

Η πιθανότητα αποτελεί μία από τις θεμελιώδεις έννοιες της Στατιστικής. Επιτρέπει την ποσοτική έκφραση της αβεβαιότητας και χρησιμοποιείται για την περιγραφή της πιθανότητας εμφάνισης ενός γεγονότος.

Στη σύγχρονη ανάλυση δεδομένων, όμως, η πιθανότητα δεν χρησιμοποιείται μόνη της. Έννοιες όπως τα odds, ο Odds Ratio (OR) και το logit είναι ιδιαίτερα σημαντικές, κυρίως όταν το αποτέλεσμα μιας έρευνας είναι δυαδικό, όπως «ναι/όχι», «νόσος/απουσία νόσου», «επιτυχία/αποτυχία» ή «αγορά/μη αγορά».

Οι έννοιες αυτές αποτελούν επίσης τη μαθηματική βάση της λογιστικής παλινδρόμησης (logistic regression), μιας από τις συχνότερα χρησιμοποιούμενες τεχνικές στη βιοστατιστική, την επιδημιολογία, τις κοινωνικές επιστήμες και την επιχειρηματική ανάλυση.

Τι Είναι η Πιθανότητα;

Η πιθανότητα ενός ενδεχομένου Α συμβολίζεται με:

P(A)

και παίρνει τιμές από 0 έως 1.

Τιμή 0 σημαίνει ότι το γεγονός θεωρείται αδύνατο, ενώ τιμή 1 ότι θεωρείται βέβαιο στο πλαίσιο του μοντέλου. Τιμή 0,50 σημαίνει πιθανότητα 50%.

Στον κλασικό ορισμό, όταν όλα τα απλά ενδεχόμενα είναι ισοπίθανα:

P(A) = n(A) / n(Ω)

όπου n(A)n(A) είναι ο αριθμός των ευνοϊκών αποτελεσμάτων και n(Ω)n(Ω) ο συνολικός αριθμός των δυνατών αποτελεσμάτων. Το αρχικό υλικό παρουσιάζει τόσο τον κλασικό όσο και τον στατιστικό και αξιωματικό ορισμό της πιθανότητας.

Από την Πιθανότητα στα Odds

Τα odds εκφράζουν τη σχετική πιθανότητα να συμβεί ένα γεγονός σε σύγκριση με την πιθανότητα να μη συμβεί.

Αν η πιθανότητα του γεγονότος είναι pp, τότε:

Odds = p / (1 − p)

Για παράδειγμα, αν:

p = 0,20

τότε:

Odds = 0,20 / 0,80 = 0,25

Αυτό μπορεί να ερμηνευθεί ως odds 1 προς 4: για κάθε μία αναμενόμενη εμφάνιση του γεγονότος αντιστοιχούν τέσσερις μη εμφανίσεις.

Αντίστοιχα, αν:

p = 0,90

τότε:

Odds = 0,90 / 0,10 = 9

δηλαδή odds 9 προς 1. Η ίδια σχέση μεταξύ πιθανότητας και «συγκριτικής πιθανότητας» παρουσιάζεται και στο υλικό των πιθανοτήτων.

Πιθανότητα και Odds Δεν Είναι το Ίδιο

Η διάκριση είναι σημαντική.

Μια πιθανότητα 0,50 αντιστοιχεί σε odds:

0,50 / 0,50 = 1

Μια πιθανότητα 0,75 αντιστοιχεί σε:

0,75 / 0,25 = 3

ενώ πιθανότητα 0,90 αντιστοιχεί σε odds 9.

Επομένως, η σχέση μεταξύ probability και odds δεν είναι γραμμική.

Η αντίστροφη μετατροπή γίνεται με:

p = Odds / (1 + Odds)

Για παράδειγμα, odds 3 αντιστοιχούν σε:

p = 3 / 4 = 0,75

ή 75%.

Τι Είναι ο Odds Ratio;

Τα odds αφορούν μία συγκεκριμένη ομάδα ή κατάσταση. Ο Odds Ratio (OR), αντίθετα, συγκρίνει τα odds δύο ομάδων.

Ορίζεται ως:

OR = Odds₁ / Odds₂

Αν, για παράδειγμα, τα odds εμφάνισης ενός αποτελέσματος στην Ομάδα Α είναι 0,60 και στην Ομάδα Β 0,30:

OR = 0,60 / 0,30 = 2

Άρα τα odds του αποτελέσματος στην Ομάδα Α είναι διπλάσια από εκείνα της Ομάδας Β.

Το αρχικό υλικό τονίζει επίσης σωστά ότι τα odds και odds ratios δεν πρέπει να συγχέονται: τα odds είναι λόγος πιθανότητας γεγονότος προς μη γεγονός, ενώ ο OR είναι λόγος δύο odds.

Ερμηνεία του Odds Ratio

Η βασική ερμηνεία είναι:

OR = 1: δεν υπάρχει διαφορά στα odds μεταξύ των ομάδων.

OR > 1: η πρώτη ομάδα έχει υψηλότερα odds εμφάνισης του αποτελέσματος.

OR < 1: η πρώτη ομάδα έχει χαμηλότερα odds εμφάνισης του αποτελέσματος.

Για παράδειγμα:

OR = 2,5

σημαίνει ότι τα odds εμφάνισης του αποτελέσματος είναι 2,5 φορές υψηλότερα.

Αν:

OR = 0,60

τα odds είναι 40% χαμηλότερα, επειδή:

1 − 0,60 = 0,40

ή 40%.

Odds Ratio και Relative Risk

Ο Odds Ratio δεν πρέπει να ερμηνεύεται αυτόματα ως Relative Risk (RR).

Ο Relative Risk συγκρίνει απευθείας πιθανότητες:

RR = p₁ / p₂

ενώ ο Odds Ratio συγκρίνει odds.

Όταν το αποτέλεσμα είναι σπάνιο, οι δύο δείκτες μπορεί να έχουν παρόμοιες τιμές. Όταν όμως το αποτέλεσμα είναι συχνό, ο OR μπορεί να απέχει σημαντικά από τον RR.

Για αυτό είναι προτιμότερο να γράφεται:

«τα odds ήταν 2 φορές υψηλότερα»

και όχι απαραίτητα:

«η πιθανότητα ήταν 2 φορές υψηλότερη».

Τι Είναι το Logit;

Τα odds έχουν κάτω όριο το 0 αλλά δεν έχουν ανώτερο όριο. Αυτό δημιουργεί δυσκολίες όταν θέλουμε να μοντελοποιήσουμε πιθανότητες με ένα γραμμικό μοντέλο.

Η λύση είναι ο φυσικός λογάριθμος των odds, δηλαδή το logit:

logit(p) = ln[p / (1 − p)]

Το logit μπορεί να πάρει οποιαδήποτε τιμή από −∞-∞ έως +∞+∞.

Για πιθανότητα:

p = 0,20

έχουμε:

odds = 0,25

και:

logit = ln(0,25) ≈ −1,386

Για:

p = 0,50

το logit είναι 0.

Για:

p = 0,90

το logit είναι:

ln(9) ≈ 2,197

Έτσι, πιθανότητες μικρότερες του 0,50 αντιστοιχούν σε αρνητικά logits, το 0,50 σε logit 0 και πιθανότητες μεγαλύτερες του 0,50 σε θετικά logits.

Logit και Λογιστική Παλινδρόμηση

Στη λογιστική παλινδρόμηση η εξαρτημένη μεταβλητή είναι συνήθως δυαδική.

Το μοντέλο γράφεται:

ln[p/(1−p)] = β₀ + β₁X

ή, με περισσότερες μεταβλητές:

logit(p) = β₀ + β₁X₁ + β₂X₂ + … + βₖXₖ

Το αριστερό μέρος είναι το logit της πιθανότητας, ενώ το δεξί είναι ένας γραμμικός συνδυασμός των ανεξάρτητων μεταβλητών. Η συγκεκριμένη σχέση παρουσιάζεται και στο αρχικό αρχείο.

Η πιθανότητα μπορεί στη συνέχεια να ανακτηθεί μέσω της λογιστικής συνάρτησης:

p = eᶻ / (1 + eᶻ)

όπου:

z = β₀ + β₁X₁ + … + βₖXₖ

Με τον τρόπο αυτό οι προβλεπόμενες πιθανότητες παραμένουν πάντοτε μεταξύ 0 και 1.

Από τον Συντελεστή β στον Odds Ratio

Ένα από τα σημαντικότερα χαρακτηριστικά της λογιστικής παλινδρόμησης είναι ότι:

OR = e^β

Αν ένας συντελεστής είναι:

β = 0,693

τότε:

e^0,693 ≈ 2

Άρα αύξηση της ανεξάρτητης μεταβλητής κατά μία μονάδα συνδέεται με περίπου διπλασιασμό των odds του αποτελέσματος, εφόσον οι υπόλοιπες μεταβλητές του μοντέλου παραμένουν σταθερές.

Αν:

β = −0,693

τότε:

OR ≈ 0,50

δηλαδή τα odds μειώνονται περίπου κατά 50%.

Δεσμευμένη Πιθανότητα και Ανεξαρτησία

Η θεωρία πιθανοτήτων πίσω από τέτοιες αναλύσεις περιλαμβάνει επίσης τη δεσμευμένη πιθανότητα:

P(A|B) = P(A∩B) / P(B)

η οποία περιγράφει την πιθανότητα του Α δεδομένου ότι έχει συμβεί το Β.

Δύο γεγονότα θεωρούνται ανεξάρτητα όταν:

P(A∩B) = P(A)P(B)

ή ισοδύναμα όταν η γνώση ότι συνέβη το Β δεν μεταβάλλει την πιθανότητα του Α.

Οι έννοιες αυτές είναι θεμελιώδεις για την κατανόηση πιο σύνθετων στατιστικών μοντέλων.

Θεώρημα Bayes

Το Θεώρημα του Bayes επιτρέπει την αναθεώρηση μιας πιθανότητας όταν αποκτούμε νέα πληροφορία.

Στην απλούστερη μορφή του:

P(B|A) = P(A|B)P(B) / P(A)

Η λογική αυτή βρίσκεται στη βάση της Bayesian στατιστικής, αλλά έχει εφαρμογές και στην ιατρική διάγνωση, στην αξιολόγηση κινδύνου και στη λήψη αποφάσεων. Το αρχικό αρχείο αναπτύσσει τόσο το Θεώρημα Ολικής Πιθανότητας όσο και τον τύπο του Bayes.

Συμπεράσματα

Η πιθανότητα, τα odds, ο Odds Ratio και το logit αποτελούν διαφορετικές αλλά στενά συνδεδεμένες έννοιες.

Η πιθανότητα περιγράφει πόσο πιθανό είναι να συμβεί ένα γεγονός. Τα odds συγκρίνουν την πιθανότητα να συμβεί με την πιθανότητα να μη συμβεί. Ο Odds Ratio συγκρίνει τα odds μεταξύ δύο ομάδων, ενώ το logit μετασχηματίζει την πιθανότητα σε μια κλίμακα χωρίς τα όρια 0 και 1.

Η κατανόηση αυτών των διαφορών είναι απαραίτητη για την ορθή ερμηνεία αποτελεσμάτων από μελέτες ασθενών-μαρτύρων, λογιστική παλινδρόμηση και γενικότερα αναλύσεις δυαδικών εκβάσεων.

Ιδιαίτερα σημαντικό είναι να αποφεύγεται η σύγχυση του Odds Ratio με τον Relative Risk και να παρουσιάζονται, όπου είναι δυνατόν, το 95% διάστημα εμπιστοσύνης και η ουσιαστική ερμηνεία του αποτελέσματος, όχι μόνο η στατιστική σημαντικότητα.

Βιβλιογραφία

Agresti, A. (2019). An introduction to categorical data analysis (3rd ed.). Wiley.

Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (3rd ed.). Wiley.

Kleinbaum, D. G., & Klein, M. (2010). Logistic regression: A self-learning text (3rd ed.). Springer.

Menard, S. (2010). Logistic regression: From introductory to advanced concepts and applications. SAGE Publications.

Szumilas, M. (2010). Explaining odds ratios. Journal of the Canadian Academy of Child and Adolescent Psychiatry, 19(3), 227–229.

Vittinghoff, E., Glidden, D. V., Shiboski, S. C., & McCulloch, C. E. (2012). Regression methods in biostatistics (2nd ed.). Springer.