الإحصاء :: روك الإحصاء :: ROC هو وحدة بيرل مع منحنيات مميزة للمشغل المتلقي (ROC) مع حدود الثقة غير الباراميتية.
التحميل الان

الإحصاء :: روك الترتيب والملخص

الإحصاء :: روك العلامات

المتلقي الوحدة النمطية بيرل المشغل أو العامل إحصائيات روك

الإحصاء :: روك وصف

الإحصاء :: ROC هي وحدة بيرل مع منحنيات مميزة للمشغل المتلقي (ROC) مع حدود ثقة غير بارامترية. الإحصاءات :: ROC هي وحدة من بيرل مع منحنيات مميزة للمشغل المتلقي (ROC) مع ثقة غير بارامترية حدود استخدام الإحصاءات :: ROC؛ بلدي ($ y) = loggamma ($ x)؛ بلدي ($ y) = betain ($ x، $ p، $ q، beta $)؛ بلدي ($ y) = betain ($ x، $ p، $ q)؛ بلدي ($ y) = xinbta ($ p، $ Q، $ beta، alpha $)؛ بلدي ($ y) = xinbta ($ p، $ q، alpha $)؛ بلدي (rk) = المرتبة ($ نوع،r)؛ My (@ Roc) = ROC ($ model_type، $ conf، @ val_grp)؛ يحدد هذا البرنامج منحنى ROC وحدائها ثقة غير بارامترية للبيانات المصنفة في مجموعتين. يوضح منحنى ROC علاقة احتمال التنبيه الكاذب (محور X) لاحتمال اكتشاف (محور ص) للاختبار معين. تم التعبير عنها في المصطلحات الطبية: احتمال اختبار إيجابي، لا يعطى أي مرض لاحتمال اختبار إيجابي، المرض. يمكن استخدام منحنى ROC لتحديد نقطة قطع مثالية للاختبار. الوظيفة الرئيسية هي ROC (). يتم استخدام الوظائف الأخرى المصدرة بواسطة ROC ()، ولكن قد تكون مفيدة للإجراءات الإحصائية الأخرى غير البالغة. قد يؤدي إجراء Loggammathis إلى تقييم اللوغاريتم الطبيعي من GAMMA (X) للجميع X> 0، دقيق إلى 10 منازل عشرية. يتم استخدام صيغة Stirlings للجزء متعدد الحدود الأولي في الإجراء. بالنسبة ل X = 0، سيتم إرجاع قيمة 743.746924740801: هذا هو Loggamma (9.99999999999 -24). BetainComputes غير مكتملة بيتا وظيفة النسبة الملاحظات: كامل وظيفة تجريبية: B (p، q) = gamma (p) * gamma (q) / gamma (q) / gamma جاما (p + q) log (b (p (p و q)) = ln (gamma (p)) + ln (gamma (q)) - ln (gamma (p + q)) نسبة وظيفة بيتا غير المكتملة: i_x (p، Q) = 1 / b (p و q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {q-1} dt -> سجل (B (p (p و q)) يجب أن يتم توفيرها لحساب سجل I_X (P و Q) يدل على LOGARIRMMM الطبيعي $ بيتا = سجل (B (p و q)) $ x = x $ p = p $ q = q the subroutine إرجاع i_x (p و q). في حالة حدوث خطأ يتم إرجاع خطأ سلبي {-1، -2} يتم إرجاعها. BetainComputes وظيفة Beta غير المكتملة عن طريق الاتصال Loggamma () و Betain (). Xinbacomputes عكس الملاحظات نسبة وظيفة بيتا غير المكتملة: وظيفة بيتا كاملة: B (P، Q ) = gamma (p) * gamma (q) / gamma (p + q) log (b (p و q)) = ln (gamma (p)) + ln (gamma (q)) - ln (gamma (p + Q)) نسبة وظيفة بيتا غير المكتملة: alpha = i_x (p و q) = 1 / b (p و q) * int_0 ^ xt ^ {p-1} * (1-t) ^ {q-1} dt - > يجب توفير سجل (B (p (p و q)) لحساب سجل I_x (p و q) يدل على logarithmmmmmm $ بيتا = سجل (B (p (p و q)) $ alpha = i_x (p و q) $ p = p $ q = q عودة الروتين الفرعي x. في حالة حدوث خطأ يتم إرجاع خطأ سلبي {-1، -2، -3}. exinbutacomputes عكس الدالة الإصدار التجريبي غير المكتملة عن طريق الاتصال Loggamma () و Xinbta (). يحدد صفوف القيم المحددة كوسيطة ثانية ( مجموعة). إرجاع متجه من الرتب المقابلة لنطق الإدخال. أنواع مختلفة من الترتيب ممكنة ("عالية"، "منخفض"، "يعني")، وتحديد الوسيطة الأولى. هذه تختلف في طريقة العلاقات من متجه المدخلات، أي القيم المتطابقة، يتم التعامل معها: مرتفع: استبدال صفوف القيم المتطابقة بأعلى رانيتلو: استبدال صفوف القيم المتطابقة بأدنى رتبة هارد: استبدال صفوف القيم المتطابقة مع متوسط RankSrocdertermines منحنى ROC وحدائها ثقة غير بارامترية. يوضح منحنى ROC العلاقة بين "احتمال التنبيه الخاطئ" (X-Axis) إلى "احتمال الكشف" (محور ص) للاختبار معين. أو في المصطلحات الطبية: "احتمال اختبار إيجابي، لا يعطى أي مرض" إلى "احتمال اختبار إيجابي، المرض". يمكن استخدام منحنى ROC لتحديد نقطة قطع "مثالية" للاختبار. يتطلب الروتين ثلاث حجج: (1) نوع النموذج: "انخفاض" أو "زيادة"، وهذا ينص على افتراض أن أعلى ("زيادة" ) يميل قيمة البيانات إلى أن تكون مؤشرا على نتيجة اختبار إيجابي أو لنموذج "انخفاض" قيمة أقل. (2) فاصل الثقة على الوجهين (عادة ما يتم اختيار 0.95). (3) البيانات المخزنة كقائمة -معدات القوائم: كل إدخال في هذه القائمة يعتمد على زوج "القيمة / المجموعة الحقيقية"، أي القيمة / المرض الحاضر. قيم المجموعة هي من {0،1}. 0 تقف مقابل المرض (أو الإشارة) غير موجودة (المعرفة السابقة) و 1 مقابل المرض (أو الإشارة) الحالية (المعرفة السابقة). مثال: @ S = (، ، ، ، ، )؛ لاحظ التداخل الصغير للمجموعات. ستكون القطع الأمثل لفصل المجموعتين ما بين 9 و 9.5 إذا كان معيار الفتحة هو زيادة احتمال اكتشاف الكشف والقليل في وقت واحد من احتمال التنبيه الخاطئ. تذاكر قائمة قائمة مع المنحنيات الثلاثة: Roc = (، ، طباعة loggamma (10)، "n"؛ طباعة XINBTA (3،4، Betain (0.6،3،4))، "N"؛ @ E = (0.7، 0.7، 0.9، 0.6، 1.0، 1.1، 1، .7، 0.6)؛ طباعة رتبة ("منخفضة"، @ ه)، "ن"؛ طباعة رتبة ("عالية"، @ ه)، "ن"؛ طباعة رتبة ('يعني'، @ E)، "n"؛ @ var_grp = (، ، ، ، ، ، ، ، ، ، ، ، ، )؛ @ المنحنيات = ROC ("نقصان"، 0.95، @ var_grp)؛ طباعة "منحنيات $ منحنيات $ n"؛ المتطلبات: متطلبات بيرل: perl.

الإحصاء :: روك برامج ذات صلة