2) функциональной зависимостью параметров
3) математическим ожиданием случайной величины
4) нормально-распределенным законом равновесия
Закон распределения случайной величины — это правило, которое каждому возможному значению или множеству значений ставит в соответствие вероятность их появления. Для дискретной величины используется функция вероятностей p(x) = P(X = x), причём сумма вероятностей всех возможных исходов равна единице. Для непрерывной величины распределение обычно задают плотностью вероятности или интегральной функцией распределения F(x) = P(X ≤ x); вероятность попадания в интервал определяется площадью под графиком плотности на этом интервале.
В медицинской кибернетике закон распределения позволяет формализовать вариабельность клинических показателей: уровня глюкозы, артериального давления, частоты сердечных сокращений, длительности госпитализации или времени до наступления события. На его основе рассчитывают вероятности диагностически значимых состояний, строят референтные интервалы, оценивают риск осложнений и выбирают статистические методы анализа. Математическое ожидание является только одной числовой характеристикой распределения, а нормальное распределение — лишь частным видом закона распределения, применимым при определённых свойствах данных.
| Вид представления или характеристика | Математическая форма | Ключевой диагностический признак | Пример в медицине |
|---|---|---|---|
| Дискретное распределение | p(x) = P(X = x) | Величина принимает отдельные значения; сумма вероятностей равна 1 | Число госпитализаций, осложнений или приступов за период |
| Непрерывное распределение | f(x), где P(a ≤ X ≤ b) = ∫ab f(x)dx | Вероятность отдельного точного значения практически равна нулю; оценивают интервалы | Концентрация креатинина, температура тела, систолическое давление |
| Интегральная функция распределения | F(x) = P(X ≤ x) | Неубывающая функция от 0 до 1, применимая для дискретных и непрерывных величин | Вероятность того, что показатель не превысит клинический порог |
| Смешанное распределение | Сочетание дискретных вероятностей и непрерывной плотности | Имеются и отдельные точечные значения, и непрерывный диапазон исходов | Время до события при наличии части пациентов без события к концу наблюдения |
| Математическое ожидание | E(X) = Σx·p(x) или E(X) = ∫x·f(x)dx | Средний уровень случайной величины; не описывает самостоятельно разброс и форму распределения | Среднее значение лабораторного показателя в группе |
| Дисперсия и стандартное отклонение | D(X) = E[(X − E(X))²], σ = √D(X) | Характеризуют вариабельность значений относительно среднего | Разброс артериального давления или длительности пребывания в стационаре |
| Нормальное распределение | Колоколообразная симметричная плотность с параметрами μ и σ | Частный вид закона распределения; применим после проверки соответствия данных его предпосылкам | Модель некоторых количественных показателей в однородной популяции |
Следовательно, именно закон распределения содержит полную информацию о вероятностном поведении случайной величины, тогда как отдельные статистические показатели описывают только её стороны. Выбор формы распределения влияет на расчёт доверительных интервалов, диагностических порогов и прогностических моделей. При обработке клинических данных необходимо проверять соответствие эмпирического распределения выбранной теоретической модели. Это повышает достоверность статистических выводов и снижает риск ошибочной интерпретации результатов.