อ่าน + ควิซ35 นาที13 ข้อ

Probability & Discrete Probability Distributions สำหรับนักศึกษาแพทย์

Part 1 / 4

Probability & Discrete Probability Distributions

ส่วนที่ 1 — พื้นฐาน Probability และ Properties

Probability คืออะไร?

Probability คือการวัดเชิงตัวเลขของ "ความไม่แน่นอน" — มันบอกว่า event หนึ่งมีโอกาสเกิดขึ้นมากน้อยแค่ไหน โดยค่าต้องอยู่ในช่วง:

0 ≤ P(E) ≤ 1
  • P(E) = 0 → impossible event (เกิดขึ้นไม่ได้เลย)
  • P(E) = 1 → certain event (ต้องเกิดขึ้นแน่นอน)
  • P(E) = 0.5 → even chance (50/50)

ในทางการแพทย์ เราใช้ probability อยู่ตลอดเวลา เช่น "โอกาสที่ผู้ป่วยคนนี้จะมี positive screening test คือเท่าไร?" หรือ "โอกาสที่ผู้ป่วยจะเป็นโรคนี้คือเท่าไร?"

ศัพท์สำคัญ

คำศัพท์ความหมายตัวอย่างทางการแพทย์
Experimentกิจกรรมที่ผลลัพธ์ไม่แน่นอนทดสอบ diagnostic test กับผู้ป่วย
Sample space (S)เซตของ outcome ที่เป็นไปได้ทั้งหมด{positive, negative}
Event (E)subset ของ sample spaceevent A = {ผลบวก}

ตัวอย่างเพื่อให้เห็นภาพ: สังเกตเพศของทารกแรกเกิด 3 คนในห้องคลอด

  • Sample space S = {BBB, BBG, BGB, BGG, GBB, GBG, GGB, GGG} → มีทั้งหมด 2³ = 8 outcomes
  • Event A = {at least two boys} = {BBB, BBG, BGB, GBB} → มี 4 outcomes
  • P(A) = 4/8 = 0.5

สูตรพื้นฐาน

P(E) = จำนวน outcomes ที่ทำให้ E เกิด / จำนวน outcomes ทั้งหมด

ตัวอย่าง: ทอยลูกเต๋า 1 ลูก

  • S = {1, 2, 3, 4, 5, 6}
  • E = {เลขคู่} = {2, 4, 6}
  • P(E) = 3/6 = 0.5

ตัวอย่าง: ไพ่ 1 สำรับ (52 ใบ)

  • P(King) = 4/52 (มี King 4 ใบ ได้แก่ โพดำ โพแดง ข้าวหลามตัด ดอกจิก)
  • P(Heart) = 13/52 (มี Heart 13 ใบ)
  • P(King of Heart) = 1/52 (มีเพียง 1 ใบ)
  • P(Face card) = 12/52 (J, Q, K ของทั้ง 4 สี = 12 ใบ)

Elementary Properties of Probabilities

สิ่งที่ต้องจำให้แม่น — ใช้ในการสอบบ่อยมาก:

  1. Boundary: 0 ≤ P(A) ≤ 1 และ P(S) = 1
  2. Partition: P(A1) + P(A2) + … + P(Ak) = 1 (ถ้า events แบ่งแยก sample space หมด)
  3. Complement: P(A') = 1 − P(A)
  4. Mutually exclusive (disjoint): P(A ∪ B) = P(A) + P(B)
  5. General Addition Rule: P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
  6. Independent events: P(A ∩ B) = P(A) × P(B)
  7. De Morgan's Law: P(A' ∩ B') = 1 − P(A ∪ B)

ทำไมต้องลบ P(A ∩ B)? เพราะเวลาบวก P(A) + P(B) เราจะนับ intersection ซ้ำสองรอบ จึงต้องหักออก 1 ครั้ง

ตัวอย่าง (ทางคลินิก): ผู้ป่วยมาที่ Emergency Department

  • P(มีไข้) = 0.60, P(มีไอ) = 0.50, P(มีทั้งไข้และไอ) = 0.40
  • P(มีไข้ หรือ มีไอ) = 0.60 + 0.50 − 0.40 = 0.70

ตัวอย่างการคำนวณ: กำหนด P(A) = 3/8, P(B) = 1/2, P(A∩B) = 1/4

  1. P(A∪B) = 3/8 + 4/8 − 2/8 = 5/8
  2. P(A') = 1 − 3/8 = 5/8
  3. P(B') = 1 − 1/2 = 1/2
  4. P(A'∩B') = 1 − P(A∪B) = 1 − 5/8 = 3/8 (ใช้ De Morgan)
  5. P(A∩B') = P(A) − P(A∩B) = 3/8 − 2/8 = 1/8

Mini Quiz

การศึกษาหนึ่งพบว่า P(สูบบุหรี่) = 0.30, P(เป็นมะเร็งปอด) = 0.05 และ P(สูบบุหรี่ AND เป็นมะเร็งปอด) = 0.02 ค่า P(สูบบุหรี่ OR เป็นมะเร็งปอด) เท่ากับเท่าไร?

ถามเพิ่ม

สงสัยตรงไหน ถามได้เลย — ระบบตอบจากเนื้อหาในบทนี้ และนำคำถามไปพัฒนาเนื้อหาให้ละเอียดขึ้น

ที่มา: 4.Probability.pdf