KNOWECON WIKI

ARTICLE

发生比

发生比 (Odds) 发生比（Odds）是概率论和统计学中衡量事件发生可能性的替代尺度，定义为事件发生概率与不发生概率的比值： 其中 p = P(Y=1) 为事件发生的概率。概率取值 [0,1]，而发生比将其"拉伸"至 [0, )——这一消除上限的变换是众多统计建模技术的数学基础。 发生比与概率的互转 概率与发生比可双向换算： 当发生比 =1 时 p=0.5

浏览 0 更新 2025-10-26

发生比 (Odds)

发生比（Odds）是概率论和统计学中衡量事件发生可能性的替代尺度，定义为事件发生概率与不发生概率的比值：

Odds=p1−p\text{Odds} = \frac{p}{1-p}

其中 p=P(Y=1)p = P(Y=1) 为事件发生的概率。概率取值 [0,1][0,1]，而发生比将其"拉伸"至 [0,∞)[0, \infty)——这一消除上限的变换是众多统计建模技术的数学基础。

发生比与概率的互转

概率与发生比可双向换算：

p=Odds1+Odds,Odds=p1−pp = \frac{\text{Odds}}{1 + \text{Odds}}, \quad \text{Odds} = \frac{p}{1-p}

当发生比 =1=1 时 p=0.5p=0.5（等可能）；发生比 =3=3 时 p=0.75p=0.75；发生比 =1/3=1/3 时 p=0.25p=0.25。发生比 >1>1 意味事件更可能发生，<1<1 则相反。例如，若某疾病年发病率 p=0.2p=0.2，则发生比为 0.2/0.8=0.250.2/0.8=0.25——"每发生一例对应四例未发生"；若另一地区 p=0.4p=0.4，发生比为 0.4/0.6≈0.6670.4/0.6\approx 0.667，后者发生比是前者的 2.672.67 倍。在罕见事件（p≪0.1p \ll 0.1）场合，分母 1−p≈11-p \approx 1，发生比近似等于概率本身，两者差异可忽略。

对数发生比 (Logit)

对发生比取自然对数得到对数发生比（log-odds，也称 logit 变换）：

logit(p)=ln⁡(p1−p)\text{logit}(p) = \ln\left(\frac{p}{1-p}\right)

该变换将概率的 [0,1][0,1] 映射到整个实数线 (−∞,+∞)(-\infty, +\infty)，彻底消除了上下界约束，使线性模型可直接作用于变换后的量。在Logit 模型（逻辑回归）中，因变量正是对数发生比：

ln⁡(pi1−pi)=β0+β1X1i+⋯+βkXki\ln\left(\frac{p_i}{1-p_i}\right) = \beta_0 + \beta_1 X_{1i} + \cdots + \beta_k X_{ki}

发生比之比 (Odds Ratio)

发生比之比（OR）是流行病学和医学统计中的核心效应量指标，定义为两组发生比的比值：

OR=p1/(1−p1)p0/(1−p0)\text{OR} = \frac{p_1 / (1-p_1)}{p_0 / (1-p_0)}

在Logistic 回归框架下，系数取指数即得发生比之比：eβke^{\beta_k} 表示 XkX_k 每增加一个单位，发生比被乘以 eβke^{\beta_k}。OR =1=1 表示无效应；OR >1>1 为风险因子；OR <1<1 为保护因子。在病例对照研究中，由于抽样基于结局而非暴露，无法直接估计相对风险（RR），但可通过 OR 近似 RR（当疾病罕见时近似良好）。

相对于概率的优势

发生比在多个统计领域中优于原始概率：（1）乘法结构天然适合指数族分布和贝叶斯更新；（2）logit 将模型线性化，避免了概率在 [0,1][0,1] 边界处的非线性约束；（3）OR 的对称性——若事件发生比为 oo，不发生比为 1/o1/o——使方向的逆转在数学上简洁对称。这些性质使发生比成为信用评分（违约发生比）、政治学投票模型、流行病学和博彩赔率等应用的标准语言。