Wenn \(p=P(case)\), dann ist \(P(control) = 1-p\). Das macht das Aufschreiben leichter.
Per Definition gilt
$$rr = \frac{P(case|A)}{P(case|B)}$$
Mit Bayes + totaler Wahrscheinlichkeit folgt
$$P(case|A) = \frac{P(case \cap A)}{P(A)}$$$$ = \frac{P(A|case)P(case)}{P(A \cap case) + P(A\cap control)}$$$$ =\frac{P(A|case)P(case)}{P(A|case)P(case)+ P(A| control)P(control)}$$$$= \frac{pP(A|case)}{pP(A|case)+ (1-p)P(A| control)}$$
Die Rechnung für B funktioniert genauso. Also
$$P(case|B)= \frac{pP(B|case)}{pP(B|case)+ (1-p)P(B| control)}$$
Einsetzen in \(rr\) und kürzen von \(p\) gibt die gewünschte Formel:
$$rr = \frac{P(A|case)}{P(B|case)}\cdot \frac{pP(B|case)+ (1-p)P(B| control)}{pP(A|case)+ (1-p)P(A| control)}$$
Wenn \(p\) sehr klein ist, also \(p\approx 0\Rightarrow 1-p \approx 1\), dann bekommen wir die Schätzung
$$rr \approx \frac{P(A|case)}{P(B|case)}\cdot \frac{P(B| control)}{P(A| control)}$$
Das heißt, wir benötigen nur die relativen Anteile der Gruppen A und B an den Fällen \(case\) und \(control\), um \(rr\) zu schätzen.