对数赔率
Odds(成功几率):定义为成功几率除以失败几率。比如说,有 90% 的机会赢得赌注意味着“赔率对我们有利”,因为获胜赔率是 90%,而失败赔率只有 10%。它也被定义为优势比,因为它是一个比率的形式。所以上面讨论的例子的奇数比是:
形式上,事件 A 的优势比定义为 A 发生的概率与 A 不发生的概率(即 A 的补充)。 (如下面的等式所示)
赔率,与概率不同
重要的是要注意事件发生的几率与其概率不同。假设我的篮球队赢得比赛的几率是 1 比 5。
我的球队获胜的几率 = 但,
我队获胜的概率=
但是,从数学上讲,两者的最终结果都相同,因为在概率的情况下,分母被抵消了。 (如下所示)
赔率问题
优势比的问题是由于获胜几率和失败几率之间存在不对称性。让我们试着借助一个例子来理解这一点。 72个国家参加英联邦运动会。
考虑到每个国家的获胜机会均等,印度队赢得金牌的几率是相反的,1比71或
但是假设一个理想的情况,即印度队赢得金牌的几率是有利的,71 比 1 或
如图 1 所示,当赔率对我们不利时,该值总是倾向于介于 0 和 1 之间,这是一个非常小的值。但是,如果赔率对我们有利,则该值可以介于 1 和无穷大之间,这可能是一个非常大的值!为了解决这个问题,对数赔率的概念应运而生。
对数赔率:它是赔率比的对数。 (如下面的等式所示)
根据上面提到的例子,
印度队赢得金牌的赔率对数,1 比 71 =
印度队赢得金牌的赔率记录是有利的,71 比 1 =
如图 2 所示,取比值比的对数会在结果中带来一定的对称性,使其更容易在各种统计中解释和使用。
INTERESTING NOTE: The log odds of a certain event gives a normal distribution when plotted on a histogram! This is what makes log odds so useful.
现实生活中的例子
医学研究中使用对数赔率来预测受试者根据他/她以前的症状可能出现的症状的可能性。考虑以下示例。对 1000 名随机出现发烧和咳嗽/感冒症状的测试对象进行了医学研究。目的是找出咳嗽/感冒的人发烧或不发烧的可能性。 (以下图 3 中给出的数据。)
解决方案:
一个人可能/感冒,也发烧的几率
没有感冒/感冒的人也发烧的几率
∴客观赔率
和 , 以提供可以从研究中获得的各种结果的对称性。
这表明咳嗽/感冒的人同时发烧的可能性是没有咳嗽/感冒的人的21 倍。对数优势或优势比与 R 平方检验非常相似,因为它可以说明两个因素之间的关系。因此,可以说赔率值越高,这两个因素的相关性就越强。这是对数优势/优势比的力量。