統計:: Roc. Statistics :: ROCは、ノンパラメトリック信頼範囲で受信機 - オペレータ特性（ROC）曲線を備えたPerlモジュールです。
今すぐダウンロード

統計:: Roc. ランキングとまとめ

統計:: Roc. タグ

受信者 Perlモジュール オペレーター ROC統計

統計:: Roc. 説明

統計:: ROCは、非パラメトリック信頼範囲を持つ受信機 - オペレータ特性（ROC）曲線を備えたPerlモジュールです。 Statistics :: ROCは、ノンパラメトリック信頼性が付いている受信機 - オペレータ特性（ROC）曲線を持つPerlモジュールです。私の（$ y）= loggamma（$ x）;私の（$ y）=賭け（$ x、$ p、$ q、$ beta）;私の（$ y）=賭け（$ x、$ p、$ q）。私の（$ y）= xinbta（$ p、$ q、$ beta、$ alpha）;私の（$ y）= xinbta（$ p、$ q、$ alpha）; My（@RK）=ランク（$ type、@r）; My（@roc）= ROC（$ model_type、$ conf、@ val_grp）;このプログラムは、2つのグループに分類されたデータのROC曲線とその非パラメトリック信頼範囲を決定します。 ROC曲線は、特定のテストのための検出確率（y軸）に対する誤警報（x軸）の確率の関係を示しています。医療用語で表現されている：陽性試験の確率を与えられていない陽性試験の確率、与えられた疾患。 ROC曲線は、テストのための最適なカットオフポイントを決定するために使用され得る。主な機能はROC（）です。他のエクスポートされた関数はROC（）によって使用されますが、他のノンパラメトリック統計的手順には役立ちます.loggammathisプロシージャーは、すべてのx> 0のすべてのx> 0についてのGamma（x）の自然対数を評価します。手順の中央多項式部分にはスターリング式が使用されます。 x = 0の場合、743.746924740801の値が返されます。これはloggammaです。ガンマ（P + Q）ログ（B（P、Q））= LN（ガンマ（P））+ LN（ガンマ（Q）） - LN（ガンマ（P + Q））不完全ベータ機能比：I_x（P、P、 q）= 1 / b（p、q）* int_0 ^ xt ^ {p-1} *（1-t）^ {q-1} dt - > log（b（p、q））を供給する必要がありますI_x（P、Q）ログを計算するために、自然対数$ BETA = log（B（P、Q））$ X = X $ P = P $ Q = QサブルーチンはI_x（P、Q）を返します。エラーが発生した場合、負の値{-1、-2}が返されます.BetainComputesがloggamma（）とbetain（）を呼び出すことで、不完全なベータ関数は不完全なベータ版関数です。不完全なベータ機能比の逆数：完全なベータ関数：b（p、q ）=ガンマ（P）*ガンマ（Q）/ガンマ（P + Q）ログ（B（P、Q））= LN（ガンマ（P））+ LN（ガンマ（Q）） - LN（ガンマ（P +） Q））不完全なベータ関数比：alpha = i_x（p、q）= 1 / b（p、q）* int_0 ^ xt ^ {p-1} *（1-t）^ {q-1} dt - > LOG（B（P、Q））を計算するために指定する必要があります（P、Q）ログは、自然対数$ BETA = log（B（P、Q））$ ALPHA = I_X（P、Q）$ Pです。 = P $ Q = qサブルーチンはxを返します。エラーが発生した場合、負の値{-1、-2、-3}が返されます。xinbtacomputes loggamma（）とxinbta（）を呼び出すことによって、不完全なベータ関数の逆数があります。2番目の引数として指定された値のランクのランクアレイ）。入力ベクトルに対応するランクのベクトルを返します。異なるタイプのランキングが可能です（ 'High'、 'Low'、 'Mean'）、最初の引数として指定されます。これらは、入力ベクトルの接続方法、すなわち同一の値が扱われます.high：同じ値のランクをそれらの最も高いranklowと置き換える：同じ値のランクを最低限のRANKMEANと置き換える：同じ値のランクをそれらの平均と置き換えるRANKSROCRは、ROC曲線とその非パラメトリック信頼範囲を決定します。 ROC曲線は、「誤警報の確率」（X軸）を「検出確率」と「検出確率」（Y軸）を示しています。あるいは医学的条件：「疾患を与えられた疾患の確率、与えられた疾患」に「疾患を与えられた陽性試験の可能性」。 ROC曲線を使用して、テストの「最適な」カットオフポイントを決定することができます。ルーチンは3つの引数を取ります。 ）データの値は、肯定的なテスト結果の指標、またはモデルの「減少」のために低い値を示す傾向があります。（2）両面信頼区間（通常0.95が選択されています）。（3）リストとして保存されているデータ-of-lists：このリストの各エントリは、 "Value / True Group"のペア、つまり存在する値/疾患を想定しています。グループ値は{0,1}からのものです。 0は疾患（またはシグナル）が存在しない（または疾患）、疾患（またはシグナル）のための1（事前知識）を表す。例：@s =（、、、、、）。グループの小さな重なりに注意してください。最適なカットオフポイントは、2つのグループを分離するための最適なカットオフポイントが9から9.5の間であろうと、検出の確率を最大化し、同時に誤った警報の確率を最小限に抑えることです.3曲線を使用したリストのリスト=（、、）各曲線は、1つの（x、y）ペアからなる各エントリを含むリストのリストです。 Loggamma（10）、 "N"を印刷する。 XINBTAを印刷する（3,4、Betain（.6,3,4））、「n」。 e =（0.7,0.7,0.9,0.6,1.0,1.1,1 ,.7 ,.6）。印刷ランク（「低」、@e）、 "n";印刷ランク（ '高'、e）、 "n";印刷ランク（ 'mean'、e）、 "n"; @var_grp =（、、、、、、 ]、、、、、、）。 @曲線= ROC（ '減少'、0.95、@ var_grp）。印刷 "$ curves n";要件：・Perlの要件： ・Perl

統計:: Roc. 関連ソフトウェア