Statistieken :: ROC Statistieken :: ROC is een PERL-module met ontvanger-operator-karakteristieke (ROC) -curves met niet-parametrische vertrouwensgrenzen.
Download nu

Statistieken :: ROC Rangschikking & Samenvatting

Statistieken :: ROC Tags

ontvanger Perl-module operator ROC-statistieken

Statistieken :: ROC Beschrijving

Statistieken: ROC is een perl-module met ontvanger-operator-karakteristieke (ROC) -curves met niet-parametrische vertrouwensgrenzen. Statistieken :: ROC is een Perl module met ontvanger-operator-kenmerk (ROC) curves met parametrische vertrouwen bounds.SYNOPSIS gebruik Statistieken :: ROC; mijn ($ y) = loggamma ($ x); mijn ($ y) = betaine ($ x, $ p, q $, $ beta); mijn ($ y) = Betain ($ x, $ p, q $); mijn ($ y) = xinbta ($ p, q $, $ beta, $ a); mijn ($ y) = Xinbta ($ p, q $, $ a); mijn (@rk) = rank ($ type @r); mijn (@ROC) = roc ($ model_type, $ conf, @ val_grp); Dit programma bepaalt de ROC-curve en zijn niet-parametrische vertrouwen grenzen voor data ingedeeld in twee groepen. Een ROC curve toont de relatie van waarschijnlijkheid van vals alarm (x-as) naar pakkans (y-as) voor een bepaalde test. Uitgedrukt in medische termen: de kans op een positieve test, gegeven geen ziekte om de waarschijnlijkheid van een positieve test, bepaalde ziekte. De ROC-curve kan worden gebruikt om een optimale cutoff voor de hoofdfunctie test.The bepalen is roc (). De andere geëxporteerde functies worden gebruikt door roc (), maar nuttig zijn voor andere niet-parametrische statistische procedures.loggammaThis procedure evalueert misschien wel de natuurlijke logaritme van de gamma (x) voor alle x> 0, nauwkeurig tot 10 cijfers achter de komma. Stirlings formule wordt gebruikt voor het centrale polynoom van de procedure. Voor x = 0 de waarde 743,746924740801 teruggestuurd: dit is loggamma (9.9999999999E-324) .betainComputes incomplete beta functie verhouding Toelichting: Volledig beta functie: B (p, q) = y (p) * y (q) / gamma (p + q) log (B (p, q)) = ln (y (p)) + ln (y (q)) - ln (y (p + q)) Onvolledige beta functie ratio: I_x (p, q) = 1 / B (p, q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {Q-1} dt -> log (B (p, q)) moet worden toegevoerd berekenen I_x (p, q) log betekent de natuurlijke logaritme $ p = log (B (p, q)) = x $ x $ p = p $ q = q de subroutine terug I_x (p, q). Wanneer een fout optreedt een negatieve waarde {-1, -2} is returned.BetainComputes de onvolledige bèta-functie door te bellen loggamma () en betaine () xinbtaComputes inverse van incomplete beta functie verhouding Toelichting:. Volledige beta functie: B (p, q ) = y (p) * y (q) / y (p + q) log (B (p, q)) = ln (y (p)) + ln (y (q)) - ln (y (p + q)) Onvolledige beta functie ratio: a = I_x (p, q) = 1 / B (p, q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {Q-1} dt - > log (B (p, q)) moet worden toegevoerd aan I_x berekenen (p, q) log betekent de natuurlijke logaritme $ p = log (B (p, q)) $ a = I_x (p, q) $ p = p $ q = q De subroutine terug x. Wanneer een fout optreedt een negatieve waarde {-1, -2, -3} returned.XinbtaComputes is het omgekeerde van de onvolledige bèta-functie door te bellen loggamma () en xinbta (). RankComputes de rijen van de opgegeven als tweede argument waarden ( een matrix). Geeft een vector van rijen overeenkomende met de ingangsvector. Verschillende soorten van de ranglijst zijn mogelijk ( 'high', 'laag', 'gemiddeld'), en worden opgegeven als eerste argument. Deze verschillen in de manier banden van de ingangsvector, dwz identieke waarden, zijn behandeld: hoog: vervang rangen identieke waarden hun hoogste ranklow: vervang rangen identieke waarden laagst rankmean: vervang rangen identieke waarden het gemiddelde van hun ranksrocDetermines de ROC-curve en zijn niet-parametrische vertrouwen grenzen. De ROC curve toont de relatie van "waarschijnlijkheid van vals alarm" (x-as) naar "pakkans" (y-as) voor een bepaalde test. Of in medische termen: de "waarschijnlijkheid van een positieve test, gegeven geen ziekte" naar de "waarschijnlijkheid van een positieve test, bepaalde ziekte". De ROC-curve kan worden gebruikt om een "optimale" cutoff voor de test.The routine bepalen heeft drie argumenten: (1) type model: 'afname' of 'verhoging', dit bepaalt de aanname dat een hogere ( 'verhoging' ) waarde van de gegevens heeft de neiging om een indicator van een positief testresultaat of het model afname 'een lagere waarde. (2) tweezijdige betrouwbaarheidsinterval (gewoonlijk 0,95 wordt gekozen). (3) opgeslagen gegevens als lijst -of-lijsten: elk item in de lijst consits een "value / true groep" pair, dwz huidige waarde / ziekte. Groepswaarden zijn uit {0,1}. 0 staat voor ziekte (of signaal) niet aanwezig is (voorkennis) en 1 voor ziekte (of signaal) aanwezig (voorkennis). Bijvoorbeeld: @s = (, , , , , ); Merk de kleine overlap van de groepen. De optimale cutoff punt scheiden de twee groepen zou tussen 9 en 9,5 indien het criterium optimaliteit is de kans op detectie maximaliseren en tegelijkertijd de waarschijnlijkheid van valse alarm.Returns minimaliseren lijst-van-lijsten met deze drie curven: @ROC = (, , ) elk van de krommen weer een lijst-van-lijsten met elk item uit een (x, y) pair.Examples: $, =" "; afdrukken loggamma (10), "n"; afdrukken Xinbta (3,4 Betain (.6,3,4)), "n"; @ = E (0,7, 0,7, 0,9, 0,6, 1,0, 1,1, 1, 0,7, 0,6); afdrukken rank ( 'low', @ e), "n"; afdrukken rang ( 'high', @ e), "n"; afdrukken rank ( 'gemiddelde', @ e), "n"; @var_grp = (, , , , , , , , , , , , , ); @ Krommen = roc ( 'afname', 0,95, @ var_grp); afdrukken "$ curves $ curves n"; Vereisten: · Perl Vereisten: · Perl

Statistieken :: ROC Gerelateerde software