283. Niezależność zdarzeń – co oznacza?

Niezależność zdarzeń jest jednym z podstawowych pojęć rachunku prawdopodobieństwa. Pozwala formalnie opisać sytuację, w której informacja o wystąpieniu jednego zdarzenia nie zmienia oceny szans wystąpienia innego. W praktyce badawczej pojęcie to pomaga rozumieć wyniki testów diagnostycznych, analizować dane z badań medycznych oraz oceniać, czy dwa procesy można traktować jako rozdzielne. Trzeba jednak pamiętać, że niezależność nie jest synonimem „braku związku” w sensie potocznym i nie wynika automatycznie z tego, że dwie zmienne mierzą różne cechy.

Intuicja: informacja o jednym zdarzeniu nie zmienia drugiego

Załóżmy, że rozważamy dwa zdarzenia:

• A – pacjent uzyskał dodatni wynik określonego testu,
• B – pacjent zgłosił ból głowy w dniu badania.

Jeżeli wiedza o tym, że pacjent miał dodatni wynik testu, nie zmienia prawdopodobieństwa wystąpienia bólu głowy, a wiedza o bólu głowy nie zmienia prawdopodobieństwa dodatniego wyniku, możemy rozważać niezależność tych zdarzeń. Jest to jednak twierdzenie dotyczące konkretnego modelu probabilistycznego, populacji i sposobu zdefiniowania zdarzeń. Nie należy wyciągać wniosku, że test i ból głowy są „z natury” niezależne.

W języku prawdopodobieństwa pytamy przede wszystkim, czy:

1. prawdopodobieństwo zdarzenia B jest takie samo bez dodatkowej informacji i po uzyskaniu informacji, że zaszło A;
2. prawdopodobieństwo wspólnego wystąpienia A i B jest równe iloczynowi ich prawdopodobieństw.

Oba sposoby prowadzą do tej samej definicji, o ile odpowiednie prawdopodobieństwa warunkowe są określone.

Definicja matematyczna niezależności zdarzeń

Dwa zdarzenia A i B są niezależne, jeżeli:

P(A ∩ B) = P(A) · P(B)

W tym zapisie:

• P(A ∩ B) oznacza prawdopodobieństwo, że wystąpią jednocześnie zdarzenia A i B;
• P(A) oznacza prawdopodobieństwo zdarzenia A;
• P(B) oznacza prawdopodobieństwo zdarzenia B;
• ∩ oznacza część wspólną zdarzeń, czyli ich jednoczesne wystąpienie;
• · oznacza mnożenie.

Interpretacja wzoru jest prosta: jeżeli zdarzenia są niezależne, to prawdopodobieństwo ich wspólnego wystąpienia obliczamy przez pomnożenie prawdopodobieństw brzegowych. Takie ujęcie niezależności jest standardowym elementem teorii prawdopodobieństwa (Stirzaker, 2003; Anderson, Seppäläinen i Valkó, 2017).

Równoważna definicja przez prawdopodobieństwo warunkowe

Dla P(A) > 0 można zapisać:

P(B | A) = P(B)

Symbol P(B | A) oznacza prawdopodobieństwo zdarzenia B pod warunkiem, że wiadomo, iż zaszło zdarzenie A. Jeżeli to prawdopodobieństwo jest równe prawdopodobieństwu bezwarunkowemu P(B), informacja o A nie zmienia oceny szans B.

Analogicznie, dla P(B) > 0:

P(A | B) = P(A)

W praktyce wystarczy sprawdzić jeden z tych warunków, jeżeli znamy odpowiednie prawdopodobieństwa. Niezależność jest wzajemna: jeżeli A jest niezależne od B, to B jest niezależne od A.

Przykład 1: dwa rzuty monetą

Rozważmy dwa niezależne rzuty uczciwą monetą. Niech:

• A – w pierwszym rzucie wypadnie orzeł,
• B – w drugim rzucie wypadnie orzeł.

Mamy:

P(A) = 1/2 oraz P(B) = 1/2.

Prawdopodobieństwo, że w obu rzutach wypadnie orzeł, wynosi:

P(A ∩ B) = 1/2 · 1/2 = 1/4.

Pierwszy rzut nie zmienia mechanizmu drugiego rzutu. Jeżeli w pierwszym rzucie wypadł orzeł, prawdopodobieństwo orła w drugim rzucie nadal wynosi 1/2. Wynik pierwszego rzutu nie „zużywa” orła i nie zwiększa szans reszki w kolejnym rzucie.

Przykład 2: dwa wyniki kliniczne

W badaniu obserwacyjnym rozważamy dwa zdarzenia:

• A – pacjent ma rozpoznane nadciśnienie tętnicze,
• B – pacjent zgłasza ból zęba.

Załóżmy, że w badanej populacji:

• P(A) = 0,30,
• P(B) = 0,10,
• P(A ∩ B) = 0,03.

Ponieważ:

P(A) · P(B) = 0,30 · 0,10 = 0,03,

obserwowane wartości są zgodne z niezależnością zdarzeń. Możemy też obliczyć:

P(B | A) = P(A ∩ B) / P(A) = 0,03 / 0,30 = 0,10.

Prawdopodobieństwo bólu zęba wśród osób z nadciśnieniem wynosi 0,10, czyli tyle samo co w całej populacji. W tym uproszczonym przykładzie informacja o nadciśnieniu nie zmienia prawdopodobieństwa bólu zęba.

Nie oznacza to jednak, że w każdym rzeczywistym badaniu te dwa zdarzenia będą niezależne. Wiek, dostęp do opieki zdrowotnej, status społeczno-ekonomiczny lub przyjmowane leki mogą wpływać na oba zdarzenia. Niezależność należy oceniać na podstawie danych i uzasadnienia merytorycznego, a nie wyłącznie intuicji.

Niezależność a rozłączność zdarzeń

Nie należy mylić niezależności z rozłącznością. Zdarzenia A i B są rozłączne, gdy nie mogą wystąpić jednocześnie:

P(A ∩ B) = 0.

Przykładem może być pojedynczy pomiar temperatury zakodowany jako „gorączka” albo „brak gorączki”, jeżeli kategorie wykluczają się wzajemnie. Jeżeli oba zdarzenia mają dodatnie prawdopodobieństwo, zdarzenia rozłączne nie mogą być jednocześnie niezależne. Dla niezależności musiałoby bowiem zachodzić:

P(A ∩ B) = P(A) · P(B) > 0.

Wyjątkiem są sytuacje, w których jedno ze zdarzeń ma prawdopodobieństwo równe zero. W typowych zastosowaniach medycznych najważniejsza zasada brzmi: rozłączność oznacza brak możliwości współwystąpienia, a niezależność oznacza brak wpływu informacji o jednym zdarzeniu na prawdopodobieństwo drugiego.

Niezależność zdarzeń w badaniach medycznych

W naukach o zdrowiu niezależność pojawia się na kilku poziomach. Po pierwsze, może dotyczyć dwóch cech mierzonych u tych samych osób. Po drugie, może dotyczyć obserwacji pochodzących od różnych osób. Po trzecie, może być założeniem modelu statystycznego.

Załóżmy, że zespół ratownictwa medycznego rejestruje u pacjentów dwa zdarzenia: utratę przytomności przed przyjazdem zespołu oraz konieczność intubacji. Są to zdarzenia klinicznie powiązane, ponieważ ciężkość stanu pacjenta może zwiększać prawdopodobieństwo obu. Jeżeli dane wskazują, że:

P(intubacja | utrata przytomności) ≠ P(intubacja),

to zdarzenia nie są niezależne. Wniosek ten nie mówi jeszcze, że utrata przytomności jest przyczyną intubacji. Może ona być wskaźnikiem ciężkości stanu, a na oba zdarzenia mogą wpływać inne czynniki. Niezależność jest pojęciem probabilistycznym; sama w sobie nie rozstrzyga o przyczynowości.

Niezależność obserwacji

W wielu analizach zakłada się, że obserwacje są niezależne. Oznacza to zwykle, że wynik jednej jednostki badania nie zmienia rozkładu wyników innej jednostki, po uwzględnieniu przyjętego schematu badania. Założenie może być naruszone, gdy:

• kilka pomiarów pochodzi od tej samej osoby;
• pacjenci są zgrupowani w tych samych oddziałach, przychodniach lub szkołach;
• członkowie tej samej rodziny mają wspólne czynniki genetyczne i środowiskowe;
• kolejne obserwacje są częścią szeregu czasowego i zależą od wcześniejszych pomiarów.

Przykładowo, pomiary ciśnienia tętniczego wykonane u jednej osoby w poniedziałek, środę i piątek nie są zwykle trzema niezależnymi obserwacjami w takim sensie jak pomiary u trzech losowo wybranych osób. Ignorowanie tej zależności może prowadzić do zaniżenia niepewności wyników i zbyt optymistycznych wniosków.

Niezależność warunkowa

Czasami dwa zdarzenia nie są niezależne w całej populacji, ale stają się niezależne po uwzględnieniu trzeciej zmiennej. Mówimy wtedy o niezależności warunkowej.

Przykładowo, wynik testu przesiewowego i wystąpienie określonego objawu mogą być powiązane w całej populacji, ponieważ oba zależą od obecności choroby. Po rozdzieleniu osób na chore i zdrowe zależność może być znacznie słabsza albo w określonym modelu przyjęta jako nieobecna. Formalnie zapisujemy to jako:

P(A ∩ B | C) = P(A | C) · P(B | C),

gdzie C jest warunkiem, na przykład statusem chorobowym, grupą wieku lub ośrodkiem badawczym.

Nie wolno jednak automatycznie zakładać, że kontrolowanie zmiennej zawsze „naprawia” zależność. Dobór zmiennych do modelu powinien wynikać z projektu badania, wiedzy dziedzinowej i uzasadnienia metodologicznego. W analizach medycznych zależności warunkowe są szczególnie ważne przy interpretacji czułości, swoistości i wartości predykcyjnych testów diagnostycznych (Jones i McClatchey, 1988).

Przykład praktyczny: dwa testy diagnostyczne

Załóżmy, że u pacjentów stosuje się dwa testy przesiewowe tej samej choroby: test A i test B. Chcemy obliczyć prawdopodobieństwo, że oba testy będą dodatnie.

Jeżeli przyjmiemy, że dodatni wynik testu A i dodatni wynik testu B są niezależne oraz że:

• P(A) = 0,20,
• P(B) = 0,15,

to:

P(A ∩ B) = 0,20 · 0,15 = 0,03.

Oznacza to, że w modelu niezależności 3% badanych miałoby jednocześnie dodatni wynik obu testów.

W rzeczywistości testy mogą być wykonywane na tej samej próbce, wykorzystywać podobny mechanizm biologiczny albo reagować na te same zakłócenia. Wtedy wyniki mogą być dodatnio zależne i rzeczywiste P(A ∩ B) może być większe niż 0,03. Jeżeli natomiast jeden test wykrywa czynnik zakłócający, który zmniejsza szansę dodatniego wyniku drugiego testu, zależność może mieć przeciwny kierunek.

Wniosek praktyczny: wzór na iloczyn prawdopodobieństw jest poprawny tylko wtedy, gdy niezależność jest uzasadniona lub została odpowiednio oszacowana. Nie można mnożyć dwóch prawdopodobieństw wyłącznie dlatego, że dotyczą dwóch różnych testów.

Jak sprawdzać niezależność w tabeli kontyngencji?

Dla dwóch zmiennych jakościowych można zestawić liczebności w tabeli kontyngencji. Jeżeli zmienne są niezależne, częstości wspólne powinny być zgodne z wartościami oczekiwanymi wynikającymi z iloczynu odpowiednich częstości brzegowych.

W analizie empirycznej można wykorzystać test niezależności chi-kwadrat, test dokładny Fishera albo model regresji odpowiedni dla danego typu danych. Wynik testu nie dowodzi jednak „prawdziwej niezależności”. Brak istotności statystycznej może wynikać z małej próby, dużej zmienności lub zbyt małej mocy badania. Z kolei istotność statystyczna może wskazywać na niewielką zależność, która nie ma większego znaczenia klinicznego.

Dlatego warto raportować nie tylko wartość p, lecz także miarę wielkości związku, na przykład iloraz szans, ryzyko względne, różnicę ryzyk lub odpowiednią miarę zależności wraz z przedziałem ufności. Takie podejście jest zgodne z szerszą zasadą, że ocena wyników powinna obejmować wielkość efektu i jego znaczenie praktyczne, a nie tylko decyzję „istotne–nieistotne” (Altman i Bland, 1991; Peacock i Peacock, 2020).

Najczęstsze błędy

• Mylenie niezależności z rozłącznością. Zdarzenia rozłączne nie mogą wystąpić razem, natomiast niezależne mogą współwystępować.
• Uznawanie braku istotności za dowód niezależności. Wysoka wartość p nie dowodzi, że zależność wynosi dokładnie zero.
• Automatyczne mnożenie prawdopodobieństw. Wzór P(A ∩ B) = P(A)P(B) wymaga niezależności; nie jest uniwersalną regułą.
• Traktowanie niezależności jako braku przyczynowości. Niezależność statystyczna i niezależność przyczynowa nie są tym samym.
• Ignorowanie powtarzanych pomiarów. Kilka wyników od tej samej osoby zwykle nie stanowi zbioru niezależnych obserwacji.
• Pomijanie wspólnych czynników. Wiek, płeć, choroby współistniejące, miejsce leczenia lub status społeczny mogą wpływać na oba zdarzenia.
• Wnioskowanie z małej tabeli bez oceny jakości danych. Błędy pomiaru, brakujące obserwacje i selekcja badanych mogą zniekształcać ocenę zależności.

Co warto zapamiętać?

1. Niezależność zdarzeń oznacza, że informacja o wystąpieniu jednego zdarzenia nie zmienia prawdopodobieństwa drugiego.
2. Podstawowy wzór ma postać: P(A ∩ B) = P(A) · P(B).
3. Równoważnie, jeżeli P(A) > 0, niezależność oznacza P(B | A) = P(B).
4. Niezależność nie jest tym samym co rozłączność.
5. Brak istotności statystycznej nie dowodzi niezależności, a istotność nie mówi sama przez się o znaczeniu praktycznym.
6. W badaniach medycznych trzeba odróżniać niezależność zdarzeń od niezależności obserwacji.
7. Niezależność statystyczna nie uprawnia do wnioskowania przyczynowego.

W ramach szkolenia na statystyk.edu.pl warto traktować niezależność jako narzędzie do budowania i krytycznej oceny modeli probabilistycznych. Najważniejsze pytanie nie brzmi: „Czy mogę pomnożyć te dwa prawdopodobieństwa?”, lecz: „Jakie argumenty wskazują, że informacja o jednym zdarzeniu rzeczywiście nie zmienia prawdopodobieństwa drugiego?”.

Źródła i dalsza lektura

1. David F. Anderson; Timo Seppäläinen; Benedek Valkó (2017). Introduction to Probability. Cambridge University Press. Informacja wydawcy / źródło.
2. David Stirzaker (2003). Elementary Probability. 2nd edition. Cambridge University Press.
3. Janet L. Peacock; Phil J. Peacock (2020). Oxford Handbook of Medical Statistics. 2nd edition. Oxford University Press. Informacja wydawcy / źródło.
4. Aviva Petrie; Caroline Sabin (2020). Medical Statistics at a Glance. 4th edition. John Wiley & Sons Ltd.
5. Douglas G. Altman; J. Martin Bland (1991). Improving Doctors’ Understanding of Statistics. Journal of the Royal Statistical Society: Series A (Statistics in Society), 154(2), 223–248. DOI: 10.2307/2983040.
6. R. H. Jones; M. W. McClatchey (1988). Beyond sensitivity, specificity and statistical independence. Statistics in Medicine, 7(12), 1289–1295. DOI: 10.1002/sim.4780071209.