Statistiques :: ROC Statistiques :: ROC est un module PERL avec des courbes caractéristiques de l'opérateur de récepteur (ROC) avec des limites de confiance non paramétriques.
Télécharger maintenant

Statistiques :: ROC Classement & Résumé

Statistiques :: ROC Mots clés

receveur Module Perl opérateur Statistiques ROC

Statistiques :: ROC La description

Statistiques :: ROC est un module Perl avec des courbes caractéristiques de l'opérateur de récepteur (ROC) avec des limites de confiance non paramétriques. Statistiques :: ROC est un module PERL avec des courbes de caractéristique de l'opérateur de récepteur (ROC) avec la confiance non paramétrique liée.Synopsis Utilisation Statistiques :: ROC; mon ($ y) = loggomma ($ x); mon ($ y) = betain ($ x, $ p, $ q, $ bêta); mon ($ y) = betain ($ x, $ p, $ q); mon ($ y) = xinbta ($ p, $ q, $ beta, $ alpha); mon ($ y) = xinbta ($ p, $ q, $ alpha); mon (@rk) = rang ($ type, @R); Mon (@ROC) = ROC ($ MODERYPE, $ CONF, @ VAL_GRP); Ce programme détermine la courbe ROC et ses limites de confiance non paramétriques pour les données classées en deux groupes. Une courbe ROC montre la relation de probabilité d'une fausse alerte (axe x) à une probabilité de détection (axe de Y) pour un certain test. Exprimé en termes médicaux: la probabilité d'un test positif, étant donné aucune maladie à la probabilité d'un test positif, étant donné une maladie. La courbe ROC peut être utilisée pour déterminer un point de coupure optimal pour le test. La fonction principale est ROC (). Les autres fonctions exportées sont utilisées par ROC (), mais pourrait être utile pour d'autres procédures statistiques non paramétriques.Loggammathis Procédure évalue le logarithme naturel de gamma (x) pour tous les X> 0, précis à 10 décimales. La formule de tiges est utilisée pour la partie polynomiale centrale de la procédure. Pour x = 0 une valeur de 743,746924740801 sera retournée: Ceci est loggomma (9.99999999999e-324) .BetainComptes Incomplet Beta Function Function Rapport: Fonction bêta complète: B (P, Q) = gamma (p) * gamma (q) / gamma (p + q) journal (B (p, q)) = ln (gamma (p)) + ln (gamma (q)) - ln (gamma (p + q)) Rapport de fonction bêta incomplète: i_x (p, q) = 1 / b (p, q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {q-1} dt -> log (b (p, q)) doit être fourni Pour calculer le journal i_x (p, q) indique le logarithme naturel $ bêta = journal (b (p, q)) $ x = x $ p = p $ q = q Le sous-programme retourne i_x (p, q). Si une erreur survient une valeur négative {-1, -2} est renvoyée.Bétaïe la fonction bêta incomplète en appelant loggomma () et Betain (). Xinbtacompute inverse du ratio de fonction bêta incomplet: Beta complète Fonction bêta: B (p, q ) = gamma (p) * gamma (q) / gamma (p + q) journal (b (p, q)) = ln (gamma (p)) + ln (gamma (q)) - ln (gamma (p + q)) Rapport de fonction bêta incomplet: alpha = i_x (p, q) = 1 / b (p, q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {q-1} dt - > Le journal (b (p, q)) doit être fourni pour calculer le journal i_x (p, q) indique le logarithme naturel $ bêta = journal (b (p, q) $ alpha = i_x (p, q) $ p = p $ q = q Le Subroutin retourne x. Si une erreur survient une valeur négative {-1, -2, -3} est renvoyée.xinbttacompute l'inverse de la fonction bêta incomplète en appelant loggamma () et xinbta (). Rempe complète les rangs des valeurs spécifiées comme deuxième argument ( un tableau). Renvoie un vecteur de rangs correspondant au vecteur d'entrée. Différents types de classements sont possibles («haut», «bas», «moyen») et sont spécifiés comme premier argument. Celles-ci diffèrent dans la manière dont les cravates du vecteur d'entrée, c'est-à-dire des valeurs identiques, sont traitées: Remplacez les rangs de valeurs identiques avec leur localisation la plus élevée: remplacez les grades de valeurs identiques avec leur plus basseManan: remplacez les grades de valeurs identiques avec la moyenne de leur RankSrocDetermine La courbe ROC et sa confiance non paramétrique. La courbe ROC montre la relation de la "probabilité de fausse alarme" (axe x) à "probabilité de détection" (axe des y) pour un certain test. Ou en termes médicaux: la "probabilité d'un test positif, aucune maladie" à la «probabilité d'un test positif, étant donné une maladie». La courbe ROC peut être utilisée pour déterminer un point de coupure «optimal» pour le test. La routine prend trois arguments: (1) Type de modèle: «Diminution» ou «augmentation», cela indique l'hypothèse d'une hypothèse selon laquelle une «augmentation» ) La valeur des données a tendance à être un indicateur d'un résultat de test positif ou pour le modèle "diminuer" une valeur inférieure. (2) Intervalle de confiance recto verso (généralement 0,95 est choisi). (3) Les données stockées comme liste -Of-Listes: Chaque entrée de cette liste est dotée d'une paire "Valeur / True Group", c'est-à-dire la valeur / la maladie présente. Les valeurs de groupe sont de {0,1}. 0 représente une maladie (ou un signal) non présent (connaissances préalables) et 1 pour la maladie (ou le signal) présent (connaissances antérieures). Exemple: @s = (, , , , , ); Remarquez le petit chevauchement des groupes. Le point de coupure optimal pour séparer les deux groupes serait compris entre 9 et 9.5 si le critère d'optimalité consiste à optimiser la probabilité de détection et à minimiser simultanément la probabilité de fausse alarme.Returns une liste de listes avec les trois courbes: @roc = (, , ) Chacune des courbes est à nouveau une liste de liste avec chaque entrée composée d'une paire (x, y) paire.exemples: $, = ""; Imprimer Loggamma (10), "N"; Imprimer xinbta (3,4, Betain (.6,3,4)), "N"; @ e = (0,7, 0,7, 0,9, 0,6, 1,0, 1.1, 1, 0,7 ,,,6); Rang d'impression («bas», @ e), "n"; Rang d'impression ('High', @ e), "N"; rang d'impression ('signifie', @ e), "n"; @var_gre = (, , , , , , , , , , , , ); @ courbes = roc ("diminution", 0,95, @ var_gre); Imprimer "$ Courbes $ Courbes N"; Conditions requises: · Configuration requise: · Perl

Statistiques :: ROC Logiciels associés