Statistiche :: roc. Statistiche :: ROC è un modulo perl con curve di ricevitore-caratteristico-caratteristico (ROC) con limiti di confidenza nonparametrici.
Scarica ora

Statistiche :: roc. Classifica e riepilogo

Statistiche :: roc. Tag

ricevitore modulo Perl operatore statistiche ROC

Statistiche :: roc. Descrizione

Statistiche :: ROC è un modulo Perl con curve di ricevitore-operatore-caratteristiche (ROC) con limiti di confidenza non parametrica. Statistiche :: ROC è un modulo Perl con curve di caratteristiche del ricevitore-operatore-caratteristico con limiti di confidenza nonparametrica.Synopsis Uso Statistiche: ROC; my ($ y) = loggamma ($ x); My ($ y) = beain ($ x, $ P, $ Q, $ beta); My ($ y) = beain ($ x, $ p, $ Q); My ($ Y) = XinBta ($ P, $ Q, $ beta, $ alfa); My ($ Y) = Xinbta ($ P, $ Q, $ alfa); My (@RK) = rank ($ tipo, @r); My (@Roc) = ROC ($ Model_Type, $ Conf, @ val_grp); Questo programma determina la curva ROC e i suoi limiti di confidenza non parametrica per i dati classificati in due gruppi. Una curva ROC mostra la relazione di probabilità di falso allarme (asse x) alla probabilità di rilevamento (asse y) per un determinato test. Espresso in termini medici: la probabilità di un test positivo, non dato alcuna malattia alla probabilità di un test positivo, data la malattia. La curva ROC può essere utilizzata per determinare un punto di taglio ottimale per il test. La funzione principale è ROC (). Le altre funzioni esportate sono utilizzate da ROC (), ma potrebbero essere utili per altre procedure statistiche non parametriche. La procedura di Loggammathis procedura valuta il logaritmo naturale di Gamma (X) per tutti x> 0, accurati a 10 punti decimali. La formula di Stirlings viene utilizzata per la parte polinomiale centrale della procedura. Per X = 0 un valore di 743.746924740801 sarà restituito: questo è LogGamma (9.99999999999E-324) .BetainComputes Incomplete Beta Function Ratio Commento: Funzione beta completa: B (P, Q) = Gamma (P) * Gamma (Q) / Gamma (P + Q) Log (B (P, Q)) = LN (Gamma (P)) + LN (Gamma (Q)) - LN (Gamma (P + Q)) Rapporto di funzione beta incompleta: I_X (P, q) = 1 / b (p, q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {q-1} DT -> log (B (P, q)) deve essere fornito Per calcolare il registro I_X (P, Q) denota il logaritmo naturale $ beta = log (B (P, q)) $ x = x $ P = P $ Q = q La subroutine restituisce I_X (P, Q). Se si verifica un errore un valore negativo {-1, -2} è restituito.BetainComputes la funzione beta incompleta chiamando loggamma () e beain (). XinbtaComputes Inverse of Incomplete BETA Function Rapporto Commento: Funzione beta completa: B (P, Q ) = gamma (p) * gamma (q) / gamma (p + q) log (b (p, q)) = ln (gamma (p)) + ln (gamma (q)) - ln (gamma (p + D)) Rapporto di funzione beta incompleta: alpha = i_x (p, q) = 1 / b (p, q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {Q-1} DT - > Log (B (P, Q)) deve essere fornito per calcolare il registro I_X (P, Q) denota il logaritmo naturale $ beta = log (B (P, q)) $ alpha = i_x (p, q) $ p = P $ Q = q La subroutine restituisce x. Se si verifica un errore un valore negativo {-1, -2, -3} viene restituito.xinBtacomputes l'inverso della funzione beta incompleta chiamando loggamma () e xinbta (). RankComputa i ranghi dei valori specificati come secondo argomento ( un array). Restituisce un vettore di ranghi corrispondenti al vettore di input. Sono possibili diversi tipi di classifica ("alto", "basso", "significano") e sono specificati come primo argomento. Questi differiscono nel modo dei legami del vettore di input, cioè valori identici, sono trattati: Alto: sostituire i ranghi dei valori identici con il loro ralengo più alto: sostituire i ranghi dei valori identici con i loro giusti ranking: sostituire i ranghi dei valori identici con la media dei loro Ranksromsocdetermina La curva ROC e i suoi limiti di confidenza non parametrica. La curva ROC mostra la relazione di "Probabilità di falso allarme" (asse x) a "Probabilità di rilevamento" (asse Y) per un certo test. O in termini medici: la "Probabilità di un test positivo, non ha dato alcuna malattia" alla "probabilità di un test positivo, data la malattia". La curva ROC può essere utilizzata per determinare un punto di taglio "ottimale" per il test. La routine prende tre argomenti: (1) Tipo di modello: "Diminuzione" o "Aumento", afferma il presupposto che un più alto ('Aumento' ) il valore dei dati tende ad essere un indicatore di un risultato di prova positivo o per il modello "Diminuire" un valore inferiore. (2) Intervallo di confidenza fronte / retro (di solito 0,95 è scelto). (3) I dati memorizzati come elenco -Of-list: ogni voce in questo elenco consiste di una coppia "Valore / True Group", vale a dire il valore / malattia presente. I valori di gruppo provengono da {0,1}. 0 indica la malattia (o il segnale) non presente (conoscenza precedente) e 1 per la malattia (o segnale) presente (conoscenza precedente). Esempio: @s = (, , , , , ); Si noti la piccola sovrapposizione dei gruppi. Il punto di taglio ottimale per separare i due gruppi sarebbe compreso tra 9 e 9.5 se il criterio di ottimalità è di massimizzare la probabilità di rilevamento e simultaneamente ridurre al minimo la probabilità di false allarme. Ritorna un elenco di elenchi con le tre curve: @Roc = (, , ) Ciascuna delle curve è di nuovo un elenco di liste con ciascuna voce composta da una (x, y) coppia.examples: $, = ""; Stampa LogGamma (10), "n"; Stampa Xinbta (3,4, beain (.6,3,4)), "n"; @ E = (0,7, 0,7, 0,9, 0,6, 1,0, 1.1, 1, .7, .6); Print rank ('basso', @ e), "n"; Print rank ('high', @ e), "n"; Print rank ('significa', @ e), "n"; @var_grp = (, , , , , , , , , , , , , ); @ curve = roc ('Discrese', 0.95, @ var_grp); Stampa "$ curve $ curve n"; Requisiti: · Requisiti perl: · Perl.

Statistiche :: roc. Software correlato