Changes

dove  

dove  

:<math>P(E_2 \mid E_1)</math> indica la probabilità che alcune persona (fra le <math>n</math>persone in considerazione)soffrono di Dolore Orofacciale causato da degenerazione dell'Articolazione Temporomandibolare,  

 

:<math>P(E_2 \mid E_1)</math> indica la probabilità che alcune persona (fra le <math>n</math>persone in considerazione)soffrono di Dolore Orofacciale causato da degenerazione dell'Articolazione Temporomandibolare,

mentre  

mentre  

:<math>P(E_2 \mid E_3)</math> indica la probabilità che altre persone (sempre tra gli <math>n</math> presi in considerazione) soffrano di Dolore Orofacciale condizionato da qualcosa differente dalla degenerazione ossea dell'Articolazione Temporomandibolare..

:<math>P(E_2 \mid E_3)</math> indica la probabilità che altre persone (sempre tra gli <math>n</math> presi in considerazione) soffrano di Dolore Orofacciale condizionato da qualcosa differente dalla degenerazione ossea dell'Articolazione Temporomandibolare..

La partizione <math>\pi</math>, affinché possa essere definita di partizione della rilevanza causale deve possedere tali proprietà::

La partizione <math>\pi</math>, affinché possa essere definita di partizione della rilevanza causale deve possedere tali proprietà::

#For each subclass <math>C_i</math> the condition must apply <math>rc=P(D \mid C_i)- P(D )\neq 0, </math> ie the probability of finding in the subgroup <math>C_i</math> a person who has the symptoms, clinical signs and elements belonging to the set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>. A causally relevant partition of this type is said to be '''homogeneous'''.

#Per ogni sottoclasse<math>C_i</math> deve valere la condizione <math>rc=P(D \mid C_i)- P(D )\neq 0, </math> ovvero la probabilità di trovare nel sottogruppo <math>C_i</math>  

#Each subset <math>C_i</math> must be 'elementary', i.e. it must not be further divided into other subsets, because if these existed they would have no causal relevance.

 

una persona che abbia i sintomi e gli elementi appartenenti al set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>. non può essere identica a quella che si avrebbe nel trovarla "pescando" in tutto il campione <math>n</math>

Una partizione causalmente rilevante di questo tipo si dice 'omogenea'..

#Ogni sottoinsieme <math>C_i</math> deve essere "elementare", cioè non deve essere ulteriormente diviso in altri sottoinsiemi, perché se questi esistessero non avrebbero alcuna rilevanza causale.

Now let us assume, for example, that the population sample <math>n</math>, to which our good patient Mary Poppins belongs, is a category of subjects aged 20 to 70. We also assume that in this population we have those who present the elements belonging to the data set <math>D=\{\delta_1,.....\delta_n\}</math> which correspond to the laboratory tests mentioned above and precisa in '[[The logic of classical language]]'.

Ora supponiamo, per esempio, che il campione di popolazione <math>n</math>, a cui appartiene la nostra buona paziente Mary Poppins, sia una categoria di soggetti dai 20 ai 70 anni. Supponiamo anche che in questa popolazione abbiamo coloro che presentano gli elementi appartenenti all'insieme di dati <math>D=\{\delta_1,.....\delta_n\}</math> che corrispondono ai test di laboratorio menzionati sopra e presentata in '[[La logica del linguaggio classico]]'.

Let us suppose that in a sample of 10,000 subjects from 20 to 70 we will have an incidence of 30 subjects <math>p(D)=0.003</math> showing clinical signs <math>\delta_1</math> and <math>\delta_4

Let us suppose that in a sample of 10,000 subjects from 20 to 70 we will have an incidence of 30 subjects <math>p(D)=0.003</math> showing clinical signs <math>\delta_1</math> and <math>\delta_4

  }}</ref>):

  }}</ref>):

*'''Analysandum''' <math>  = \{P(D),a\}</math>: is a logical form that contains two parameters: ''probability'' <math>P(D)</math> to select a person who has the symptoms and elements belonging to the set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>, and the ''generic individual'' <math>a</math> who is prone to those symptoms.

*'''Analysandum''' <math>  = \{P(D),a\}</math>: is a logical form that contains two parameters: ''probability'' <math>P(D)</math> to select a person who has the symptoms and elements belonging to the set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>, and the ''generic individual'' <math>a</math> who is prone to those symptoms.'''

*'''Analysan <math>= \{\pi,a,KB\}</math>''': is a logical form that contains three parameters: the ''partition'' <math>\pi</math>, the ''generic individual'' <math>a</math> belonging to the population sample <math>n</math> and ''<math>KB</math> (Knowledge Base)'' which includes a set of <math>n>1</math> statements of conditioned probability.

*'''Analysan <math>= \{\pi,a,KB\}</math>''': is a logical form that contains three parameters: the ''partition'' <math>\pi</math>, the ''generic individual'' <math>a</math> belonging to the population sample <math>n</math> and ''<math>KB</math> (Knowledge Base)'' which includes a set of <math>n>1</math> statements of conditioned probability.'''

For example, it can be concluded that the definitive diagnosis is the following:

For example, it can be concluded that the definitive diagnosis is the following: