Concept

Odds ratio

L’odds ratio (OR), également appelé rapport des chances, rapport des cotes ou risque relatif rapproché, est une mesure statistique, souvent utilisée en épidémiologie, exprimant le degré de dépendance entre des variables aléatoires qualitatives. Il est utilisé en inférence bayésienne et en régression logistique, et permet de mesurer l'effet d'un facteur. Lodds ratio se définit comme le rapport de la cote d'un événement arrivant à un groupe A d'individus, par exemple une maladie, avec celle du même événement arrivant à un groupe B d'individus. Les cotes sont à entendre comme celle d'un cheval de course dans un grand prix. Un cheval à 3 contre 1 a une chance sur 4 de gagner. L’odds ratio est proche du risque relatif lorsque le nombre d’événements est faible. En d'autres termes, si est petit alors est à peu près égal à . Si est la probabilité qu'un événement arrive dans le groupe A, et est celle qu’il arrive dans un groupe B, alors le rapport des cotes est : L’odds ratio est toujours supérieur ou égal à zéro. Un odds ratio : < 1 signifie que l'événement est moins fréquent dans le groupe A que dans le groupe B ; = 1 signifie que l'événement est aussi fréquent dans les deux groupes ;

1 signifie que l'événement est plus fréquent dans le groupe A que dans le groupe B. Considérons l'exemple factice suivant. Soit A un échantillon de 100 individus avec des chapeaux bleus ayant bu au moins un verre de vin la semaine en cours, 90 en ont bu également la semaine précédente. Soit B un échantillon de 100 individus avec des chapeaux oranges ayant bu au moins un verre de vin la semaine en cours, 20 en ont bu également la semaine précédente. L'''odds ratio A/B est donc de 36: Cela montre que la consommation hebdomadaire d’alcool est 36 fois plus cotée à l’intérieur du groupe A qu’à l’intérieur du groupe B. On utilise souvent en régression logistique le logarithme de lodds ratio'', plutôt sous la forme d'une différence des logits des probabilités des groupes à comparer, en remarquant que : Cote (probabilités) Inférence bayésienne R

Source officielle

https://fr.wikipedia.org/wiki/Odds_ratio

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Cours associés (24)

COM-406: Foundations of Data Science

We discuss a set of topics that are important for the understanding of modern data science but that are typically not taught in an introductory ML course. In particular we discuss fundamental ideas and techniques that come from probability, information the ...

CS-401: Applied data analysis

This course teaches the basic techniques, methodologies, and practical skills required to draw meaningful insights from a variety of data, with the help of the most acclaimed software tools in the data science world (pandas, scikit-learn, Spark, etc.) ...

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

Afficher plus

Séances de cours associées (32)

Régression logistique : interprétation et comparaison du modèle

Explorer l'interprétation des modèles de régression logistique, l'estimation des paramètres et la comparaison des modèles à l'aide de tests de rapport de probabilité.

Régression logistique: Modélisation des variables de réponse binaire

Explore la régression logistique pour les variables de réponse binaire, couvrant des sujets tels que l'interprétation du rapport de cotes et l'ajustement du modèle.

Algorithme IWLS: Aperçu

Couvre lalgorithme IWLS pour obtenir des MLE dans les modèles de régression et discute de la statistique du rapport de vraisemblance et de la déviance dans lajustement du modèle.

Afficher plus

Concepts associés (8)

Risque relatif

vignette|Risque relatif de mortalité en fonction de l'IMC chez les femmes blanches américaines qui n'ont jamais fumé. Berrington de Gonzalez A, Hartge P, Cerhan JR, et al. (décembre 2010). "Body-mass index and mortality among 1.46 million white adults". N. Engl. J. Med. 363 (23) : 2211-9. DOI:10.1056/NEJMoa1000367. PMID 21121834. Le risque relatif (RR) est une mesure statistique souvent utilisée en épidémiologie, mesurant le risque de survenue d'un événement dans un groupe par rapport à l’autre.

Cote (probabilités)

Dans les jeux de hasard et des statistiques, la cote d'un événement (odds en anglais) est le ratio entre la probabilité que l'événement se produise et la probabilité qu'il ne se produise pas. On l'exprime souvent comme une paire de nombres où le dénominateur de la cote est ramené à 1. En particulier dans les paris et les jeux d'argent, la cote exprime le gain espéré dans le cas où l'événement sur lequel on a misé se réalise ; par exemple, une « cote de 4 contre 1 » traduit le fait qu'on gagnerait 4 fois sa mise.

Taille d'effet

En statistique, une taille d'effet est une mesure de la force de l'effet observé d'une variable sur une autre et plus généralement d'une inférence. La taille d'un effet est donc une grandeur statistique descriptive calculée à partir de données observées empiriquement afin de fournir un indice quantitatif de la force de la relation entre les variables et non une statistique inférentielle qui permettrait de conclure ou non si ladite relation observée dans les données existe bien dans la réalité.

Afficher plus

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

1 signifie que l'événement est plus fréquent dans le groupe A que dans le groupe B. Considérons l'exemple factice suivant. Soit A un échantillon de 100 individus avec des chapeaux bleus ayant bu au moins un verre de vin la semaine en cours, 90 en ont bu également la semaine précédente. Soit B un échantillon de 100 individus avec des chapeaux oranges ayant bu au moins un verre de vin la semaine en cours, 20 en ont bu également la semaine précédente. L'''odds ratio A/B est donc de 36: Cela montre que la consommation hebdomadaire d’alcool est 36 fois plus cotée à l’intérieur du groupe A qu’à l’intérieur du groupe B. On utilise souvent en régression logistique le logarithme de lodds ratio'', plutôt sous la forme d'une différence des logits des probabilités des groupes à comparer, en remarquant que : Cote (probabilités) Inférence bayésienne R

Source officielle

https://fr.wikipedia.org/wiki/Odds_ratio

À propos de ce résultat

Cours associés (24)

COM-406: Foundations of Data Science

CS-401: Applied data analysis

PHYS-467: Machine learning for physicists

Afficher plus

Séances de cours associées (32)

Régression logistique : interprétation et comparaison du modèle

Explorer l'interprétation des modèles de régression logistique, l'estimation des paramètres et la comparaison des modèles à l'aide de tests de rapport de probabilité.

Régression logistique: Modélisation des variables de réponse binaire

Explore la régression logistique pour les variables de réponse binaire, couvrant des sujets tels que l'interprétation du rapport de cotes et l'ajustement du modèle.

Algorithme IWLS: Aperçu

Couvre lalgorithme IWLS pour obtenir des MLE dans les modèles de régression et discute de la statistique du rapport de vraisemblance et de la déviance dans lajustement du modèle.

Afficher plus

Publications associées (17)

Incremental update framework for multi-source low-carbon concrete prediction based on conditional tabular generative adversarial network, adaptive weighting, and experience replay

The introduction of new experimental data causes computational loss and reduces robustness of the concrete performance prediction model. To solve the mentioned problems caused by repeatedly tuning parameters and model retraining, this paper proposed an incremental update framework for multi-source low-carbon concrete datasets, integrating a Bayesian-optimization-based conditional tabular generative adversarial network (BO-CTGAN), a stacking ensemble model, adaptive weighting, and an experience replay mechan

Elsevier2026

Subsidence of Modular Fluted Tapered Stems After Femoral Revision Surgery: Risk Factors and a Novel Classification System

Alexandre Terrier

Background Modular fluted tapered (MFT) stems are widely used in femoral revision surgery for their ability to achieve diaphyseal fixation in the setting of bone loss. This study aimed to identify factors influencing MFT stem subsidence. Methods We retrospectively analyzed a cohort of 443 femoral revision procedures performed at a single institution, all using the same model of MFT stem. A total of 180 procedures met the inclusion criteria (≥ four radiographs) and were analyzed for subsidence during follow-

2026

Enhancing 7T MRI for deep brain stimulation with deep-learning based image reconstruction and dynamic parallel transmission

Objective Precise targeting of subcortical structures is crucial for deep brain stimulation (DBS). Although 7T MRI provides superior resolution and contrast, its clinical adoption remains limited by B1+ transmit inhomogeneity, prolonged scan times, and motion sensitivity. This study applied deep learning (DL)–based image reconstruction and dynamic parallel transmission (pTx) to optimize DBS protocols and improve image quality. Methods Thirteen patients scanned using a conventional 7T DBS protocol were compa

Elsevier Sci Ltd2026

Afficher plus

Personnes associées (14)

Samy Bengio

Expertise Algorithmes d'apprentissageTraitement de la parole automatiqueAuthentification de personnesTraitement multimodalTraitement de sequencesReseaux de neurones, support vector machinesModeles de markov caches, mixtures de gaussiennesetc Expertise Algorithmes d'apprentissageTraitement de la parole automatiqueAuthentification de personnesTraitement multimodalTraitement de sequencesReseaux de neurones, support vector machinesModeles de markov caches, mixtures de gaussiennesetc Mission Samy Bengio est cher

Hervé Bourlard

Enseignement et PhD A dirigé les thèses EPFL de Astrid Hagen, Katrin Weber, Todd Stephenson, Jitendra Ajmera, Shajith Ikbal, Mathew Magimai Doss, Mohamed Faouzi Benzeghiba, Mark Barnard, Yann Rodriguez, Hemant Misra, Christos Dimitrakakis, Guillaume Lathoud, Alexei Pozdnoukhov, Agnès Just, Mikaela Keller, Norman Hoon Thian Poh, Dong Zhang, Florent Monay Michaud, Pedro Manuel Da Silva Quelhas, Kevin Smith, Silèye Oumar Ba, Bertrand Mesot, Hamed Ketabdar, David Grangier, Guillermo Aradilla, Jean-François Paie

Petr Motlicek

Enseignement et PhD Doctorant·es actuel·les Shashi Kumar A co-dirigé les thèses EPFL de Subhadeep Dey, Weipeng He, Juan Pablo Zuluaga Gomez Cours Digital Speech and Audio Coding EE-719 The goal of this course is to introduce the engineering students state-of-the-art speech and audio coding techniques with an emphasis on the integration of knowledge about sound production and auditory perception through signal processing techniques.

Jérôme Chenal

Expertise UrbanismePlanification urbaineGestion urbaineProcessus d Situation actuelle Directeur du Centre "Excellence in Africa "Directeur de la CEATProfesseur affilié UM6P Associations prof. et activités académiques Membre du Conseil d'administration de l'Université Senghor, Alexandrie (2025-2029)Directeur du Board of Directors de l'African Cities LabEditeur de l'African Cites JournalPrésident de la Biennale Africaine d'Architecture et d'urbanisme (BAAU)Médias Jérôme Chenal, la passion des villes et de l'A

Alessandro Favero

Ludovic Théo Stephan

Pierre Magistretti

Pierre J. Magistretti is an internationally-recognized neuroscientist who has made significant contributions in the field of brain energy metabolism. His group has discovered some of the cellular and molecular mechanisms that underlie the coupling between neuronal activity and energy consumption by the brain. This work has considerable ramifications for the understanding of the origin of the signals detected with the current functional brain imaging techniques used in neurological and psychiatric research (see for example Magistretti et al, Science, 283: 496 497, 1999). He is the author of over 100 articles published in peer-reviewed journals. He has given over 80 invited lectures at international meetings or at universities in Europe and North America, including the 2000 Talairach Lecture at the Functional Mapping of the Human Brain Conference. In November 2000 he has been a Mc Donnel Visiting Scholar at Washington University School of Medicine. Pierre J. Magistretti is the President-Elect (2002 2004) of the Federation of European Neuroscience Societies (FENS) which has a membership of over 15000 European neuroscientists. He has been first president of the Swiss Society for Neuroscience (1997-1999) and the first Chairman of the Department of Neurosciences of the University of Lausanne (1996 1998). Pierre J. Magistretti is Professor of Physiology (since 1988) at the University of Lausanne Medical School. He has been Vice-Dean of the University of Lausanne Medical School from 1996 to 2000. Pierre Magistretti, is Director of the Brain Mind Institute at EPFL and Director of the Center for Psychiatric Neuroscience of the University of Lausanne and CHUV. He is also Director of the NCCR SYNAPSY "the synaptic bases of mental diseases". POSITIONS AND HONORS MAIN POSITION HELD 1988-2004 Professor of Physiology, University of Lausanne Medical School 1996-2000 Vice-Dean for Preclinical Departments, University of Lausanne Medical School 2001-2004 Chairman, Department of Physiology, University of Lausanne Medical School 2004-present Professor and Director, Center for Psychiatric Neuroscience, Department of Psychiatry, University of Lausanne Medical School and Hospitals (UNIL-CHUV) (Joint appointment with EPFL) 2005-2008 Professor and Co-Director, Brain Mind Institute, Federal Institute of Technology (EPFL), Lausanne (Joint appointment with UNIL-CHUV) 2007-present Chairman of the Scientific Advisory Board of Centre dImagerie Biomédicale (CIBM), an Imaging Consortium of the Universities, University Hospitals of Lausanne and Geneva and of Ecole Polytechnique Fédérale de Lausanne 2008-present Professor and Director, Brain Mind Institute, Federal Institute of Technology (EPFL), Lausanne Joint appointment with UNIL-CHUV) 2010-present Director, National Center for Competence in Research (NCCR) The synaptic bases of mental diseases of the Swiss National Science Foundation 2010-present Secretary General, International Brain Research Organization (IBRO) MAIN HONORS AND AWARDS 1997 Recipient of the Theodore-Ott Prize of the Swiss Academy of Medical Sciences 2001 Elected Member of Academia Europaea 2001 Elected Member of the Swiss Academy of Medical Sciences, ad personam 2002 Recipient of the Emil Kraepelin Guest Professorship, Max Planck Institute für Psychiatry, Münich 2006 Elected Professor at Collège de France, Paris, International Chair 2007-2008 2009 Goethe Award for Psychoanalytic Scholarship, Canadian Psychological Association 2011 Camillo Golgi Medal Award, Golgi Fondation 2011 Elected Member of the American College of NeuroPsychopharmacology (ACNP)

Sébastien Marcel

Enseignement et PhD Doctorant·es actuel·les Parsa Rahimi Noshanagh A co-dirigé les thèses EPFL de Fabien Cardinaux, Yann Rodriguez, Agnès Just, Guillaume Heusch, Anindya Roy, Venkatesh Bala Subburaman, Cosmin Atanasoaei, Laurent El Shafey, Ivana Chingovska, Tiago De Freitas Pereira, Amir Mohammadi, Alexander Unnervik, Hatef Otroshi Shahreza

Mats Julius Stensrud

Enseignement et PhD Doctorant·es actuel·les Ignacio Gonzalez Perez, Gellért Géza Perényi, Lorenzo Gasparollo, Julien David Laurendeau A dirigé les thèses EPFL de Matias Janvin, Amit Sawant Cours Causal thinking MATH-352 Ce cours donnera une présentation unifiée des méthodes modernes d'inférence causale. Nous nous concentrons sur les concepts, et nous présenterons des exemples et des idées provenant de diverses disciplines scientifiques, notamment la médecine, l'informatique, l'ingénierie,

Stephan Morgenthaler

EDUCATION Ph.D., Statistics, Princeton University, Princeton, 1983 Diplôme, Mathématiques, Ecole polytechnique fédérale de Zurich, 1979 CARRIÈRE ACADEMIQUE Professeur de statistique appliquée, EPFL, 1991-présent Professeur extraordinaire, statistique appliquée, EPFL, 1988-1991 Professeur associé, statistique, Yale University, 1987-1988 Professeur assistant, statistique, Yale University, 1984-1987 Instructor, mathématiques, Massachusetts Institute of Technology, 1983-1984

Afficher plus

Concepts associés (8)

Notebooks associés (1)

Whistle-Activated Keylock System Implementation

Whistling Keylock[1]¶ In this notebook we will implement a simple "whistle-activated" keylock, that is, an access control system where the password is a pre-defined melody. To program the lock, you record your musical passphrase and then, to open the lock, you whistle it back. Although the implementation will be simple and skip most of the fine details that would be necessary to produce a truly robust system, we need to take into account at least the following points: * The syste

Publications associées (17)