Statistics::ROC 0.04

7.1/10 (71 أصوات )

الترجمة الالية للوصف
احصائيات : : روك هو نموذج للبيرل الاستقبال مشغل خاصيه منحنيات (روك) مع nonparametric حدود الثقة. خلاصة احصاءات استخدام : : روك » بلادي (ذ) = لوغغامما (العاشر) » بلادي (ذ) = betain (س ، ف ، $ $ $ ، ف بيتا) » بلادي (ذ) = betain (س ، ف ، $ $ ف) بلادي (ذ) = كينبتا (ع ، ف ، $ $ $ الفا وبيتا) » بلادي (ذ) = كينبتا (ع ، ف ، $ $ الفا) » بلادي (@ rk) = رتبة (النوع ، @ ص) بلادي (@ روك) roc = ($ موديل_تيبي دولار ، conf @ فال_غرب) » هذا البرنامج يحدد روك منحني الثقة وnonparametric حدود البيانات المصنفه على مجموعتين. أ روك منحني يبين العلاقة احتمال الانذار الكاذب (المحور السيني) الى احتمال الاكتشاف (العمودي) لبعض التجارب. اعرب الطبية : احتمال اختبار ايجابية ، لا تعطي المرض الى احتمالات ايجابية الاختبار ، نظرا المرض. جمهورية الصين المنحنى يمكن استخدامها لتحديد افضل نقطة تلقاءيه للاختبار. والمهمة الرئيسية هي روك (). المهام الاخرى المصدرة تستخدمها روك () ، ولكنها قد تكون مفيدة للدول الاخرى nonparametric الاجراءات الاحصاءيه. لوغغامما هذا الاجراء يقيم اللوغاريتم الطبيعي غاما (س) لكل س سجل ب (ف ف)) التي سيتم توريدها لحساب i_x (ف ف) سجل الاسماء اللوغاريتم الطبيعي دولار = سجل بيتا) ب (ف ف) س = س $ $ $ ف ف ف = = رعى العودة i_x (ف ف). وإذا حدث خطأ في القيمه السلبيه ، -2 -1 ((هو عاد. بيتاين حوسبه كاملة بيتا مهمة الدعوة لوغغامما وbetain () (). كينبتا يحسب معكوس ناقصه بيتا النسبه ملاحظات مهمة : بيتا اكمال المهمة : ب (ف ف) = ع (غاما غاما * (*) / غاما (ف + ف) سجل ب (ف ف) = ln (غاما (ع)) + ln (غاما) ف ((- ln (غاما (ف + ف) Incomplete Beta Function النسبه : الفا = i_x (ف ف) = 1 (ب) ، ف ف) * ينت_0 ^ ر ^ خ ف - 1 () * (1 - t) * ^ (1) dt --> سجل ب (ف ف)) التي سيتم توريدها لحساب i_x (ف ف) سجل الاسماء اللوغاريتم الطبيعي دولار = سجل بيتا) ب (ف ف) الفا دولار = i_x (ف ف) $ $ ف ف ف = = رعى العودة العاشر وإذا حدث خطأ في القيمه السلبيه ، (-1 -2 ، -3) يعود. كينبتا يحسب عكس بيتا ناقصه مهمة الدعوة لوغغامما وكينبتا () (). الرتبه يحسب صفوف القيم المحددة فالحجه الثانية (مجموعة). العودة متجه الرتب المناظره لمكافحة ناقلات المدخلات. أنواع مختلفة من رتبة ممكنة ( 'ارتفاع منخفض' ، '' ، 'تعني') ، وتحدد فالحجه الاولى. فهذه تختلف في الطريقة روابط المدخلات دي اي قيم متماثله ، يعاملون العليا : يستعاض صفوف متطابقه مع قيم اعلى مرتبة منخفضه : يستعاض صفوف متطابقه مع قيم أدنى مرتبة يعني : محل صفوف متطابقه مع القيم يعني صفوفها روك روك يحدد منحني الثقة وnonparametric حدود. جمهورية الصين منحني يبين العلاقة احتمال الانذار الكاذب (المحور السيني) الى احتمال الاكتشاف (العمودي) لبعض التجارب. او الطبية : احتمال تجربة ايجابية ، لا تعطي المرض الى احتمال تجربة ايجابية ، نظرا المرض. جمهورية الصين المنحنى يمكن استخدامها لتحديد افضل تلقاءيه نقطة للاختبار. روتين تحيط ثلاث حجج : (1) نوع النموذج : '' نقصان او زيادة '' ، هذا على افتراض ان الدول اعلى (زيادة '') قيمة البيانات تميل الى ان تكون مؤشرا ايجابيا نتيجة الاختبار أو لنموذج '' الانخفاض اقل قيمة. (2) ذو وجهين للثقة (عادة 0.95 المختار). (3) البيانات المخزنه عن قائمة من قوائم - : كل دخول في هذه القائمة كونسيتس من القيمه وصحيح ان اي زوج القيمه وهذا المرض. مجموعة من القيم (0،1). 0 أهبة لمرض او علامة) غير موجود (المعرفه السابقة) و 1 للمرض (او الاشارات) هذا (المعرفه السابقة). مثال : @ ق = ([2] ، [0 12.5 1] ، [3 ، 0] ، [10] ، [1 ، 0 9.5] [9 ، 1]) » ملاحظه صغيرة التداخل بين الجماعات. النقطه الامثل تلقاءيه لفصل هاتين المجموعتين ستكون بين 9 و 9.5 إذا كان المعيار هو تعظيم بكمال احتمال الاكتشاف واحد يقلل من الانذارات الكاذبه. العودة للقائمة من قوائم مع ثلاثة منحنيات : @ = روك ([لووير_ب @ @] [روك] [@ وببير_ب]) كل المنحنيات مرة اخرى قائمة من قوائم - مع دخول كل واحدة تتكون من (س) و (ص) زوج. امثلة : $ ، = » لوغغامما المطبوعه (10) ، و ن » كينبتا المطبوعه (3،4 ، betain (.6،3،4) ، ن » @ ة = (0.7 ، 0.7 ، 0.9 ، 0.6 ، 1.0 ، 1.1 ، 1 ،.6.7) » الرتبه المطبوعه ( 'منخفض' ، @ ه) ، ن » الرتبه المطبوعه ( 'ارتفاع' ، @ ه) ، ن » الرتبه المطبوعه (يعني '' ، @ ه) ، ن » @ فار_غرب = ([1.5،0 1.4،0] ، [] ، [] ، [1.4،0 1.3،0 1.2،0] ، [] ، [] ، [1،0 0.8،0 1.1،1] ، [] ، [1،1] ، [1،1] ، [0.9،1 0.7،1] ، [] ، [] ، [0.7،1 0.6،1]) » @ = منحنيات روك (النقصان '،' ،0.95 @ فار_غرب) » Print $ منحنيات [0] [2] [0] $ منحنيات [0] [1] [2] ن » المتطلبات : بيرل



  • مرات التنزيل: 1039
  • متطلبات التشغيل:
  • الحجم: 0
  • الترخيص:
  • الاصدار : 0
  • اضيف في: 0000-00-00 00:00:00
  • اخر تحديث: 23/06/2006
  • الموقع علي الانترنت:



استخدام البرامج التي تم تنزيلها من موقعنا يجب أن يكون وفقاً للقوانين في بلدك.لا نوصي باستخدام برامج تنتهك القوانين في بلدك.،اذا كنت تري ان هذا المحتوي لا يتوافق مع حقوق الملكية الفكرية برجاء ابلاغنا بالضغط هنا



Description

Statistics::ROC is a Perl module with receiver-operator-characteristic (ROC) curves with nonparametric confidence bounds.

SYNOPSIS

use Statistics::ROC;

my ($y) = loggamma($x);
my ($y) = betain($x, $p, $q, $beta);
my ($y) = Betain($x, $p, $q);
my ($y) = xinbta($p, $q, $beta, $alpha);
my ($y) = Xinbta($p, $q, $alpha);
my (@rk) = rank($type, @r);
my (@ROC) = roc($model_type,$conf,@val_grp);

This program determines the ROC curve and its nonparametric confidence bounds for data categorized into two groups. A ROC curve shows the relationship of probability of false alarm (x-axis) to probability of detection (y-axis) for a certain test. Expressed in medical terms: the probability of a positive test, given no disease to the probability of a positive test, given disease. The ROC curve may be used to determine an optimal cutoff point for the test.
The main function is roc(). The other exported functions are used by roc(), but might be useful for other nonparametric statistical procedures.

loggamma

This procedure evaluates the natural logarithm of gamma(x) for all x>0, accurate to 10 decimal places. Stirlings formula is used for the central polynomial part of the procedure. For x=0 a value of 743.746924740801 will be returned: this is loggamma(9.9999999999E-324).

betain

Computes incomplete beta function ratio

Remarks:
Complete beta function: B(p,q)=gamma(p)*gamma(q)/gamma(p+q)
log(B(p,q))=ln(gamma(p))+ln(gamma(q))-ln(gamma(p+q))

Incomplete beta function ratio:
I_x(p,q)=1/B(p,q) * int_0^x t^{p-1}*(1-t)^{q-1} dt

--> log(B(p,q)) has to be supplied to calculate I_x(p,q)
log denotes the natural logarithm
$beta = log(B(p,q))
$x = x
$p = p
$q = q
The subroutine returns I_x(p,q). If an error occurs a negative value
{-1,-2} is returned.

Betain

Computes the incomplete beta function by calling loggamma() and betain().

xinbta

Computes inverse of incomplete beta function ratio

Remarks:

Complete beta function: B(p,q)=gamma(p)*gamma(q)/gamma(p+q)
log(B(p,q))=ln(gamma(p))+ln(gamma(q))-ln(gamma(p+q))

Incomplete beta function ratio:
alpha = I_x(p,q) = 1/B(p,q) * int_0^x t^{p-1}*(1-t)^{q-1} dt

--> log(B(p,q)) has to be supplied to calculate I_x(p,q)
log denotes the natural logarithm
$beta = log(B(p,q))
$alpha= I_x(p,q)
$p = p
$q = q
The subroutine returns x. If an error occurs a negative value {-1,-2,-3}
is returned.

Xinbta

Computes the inverse of the incomplete beta function by calling loggamma() and xinbta().

rank

Computes the ranks of the values specified as the second argument (an array). Returns a vector of ranks corresponding to the input vector. Different types of ranking are possible ('high', 'low', 'mean'), and are specified as first argument. These differ in the way ties of the input vector, i.e. identical values, are treated:

high:

replace ranks of identical values with their highest rank

low:

replace ranks of identical values with their lowest rank

mean:

replace ranks of identical values with the mean of their ranks

roc

Determines the ROC curve and its nonparametric confidence bounds. The ROC curve shows the relationship of "probability of false alarm" (x-axis) to "probability of detection" (y-axis) for a certain test. Or in medical terms: the "probability of a positive test, given no disease" to the "probability of a positive test, given disease". The ROC curve may be used to determine an "optimal" cutoff point for the test.

The routine takes three arguments:

(1) type of model: 'decrease' or 'increase', this states the assumption that a higher ('increase') value of the data tends to be an indicator of a positive test result or for the model 'decrease' a lower value.
(2) two-sided confidence interval (usually 0.95 is chosen).
(3) the data stored as a list-of-lists: each entry in this list consits of an "value / true group" pair, i.e. value / disease present. Group values are from {0,1}. 0 stands for disease (or signal) not present (prior knowledge) and 1 for disease (or signal) present (prior knowledge). Example: @s=([2, 0], [12.5, 1], [3, 0], [10, 1], [9.5, 0], [9, 1]); Notice the small overlap of the groups. The optimal cutoff point to separate the two groups would be between 9 and 9.5 if the criterion of optimality is to maximize the probability of detection and simultaneously minimize the probability of false alarm.

Returns a list-of-lists with the three curves: @ROC=([@lower_b], [@roc], [@upper_b]) each of the curves is again a list-of-lists with each entry consisting of one (x,y) pair.

Examples:

$,=" ";
print loggamma(10), "n";
print Xinbta(3,4,Betain(.6,3,4)),"n";

@e=(0.7, 0.7, 0.9, 0.6, 1.0, 1.1, 1,.7,.6);
print rank('low',@e),"n";
print rank('high',@e),"n";
print rank('mean',@e),"n";

@var_grp=([1.5,0],[1.4,0],[1.4,0],[1.3,0],[1.2,0],[1,0],[0.8,0],
[1.1,1],[1,1],[1,1],[0.9,1],[0.7,1],[0.7,1],[0.6,1]);
@curves=roc('decrease',0.95,@var_grp);
print "$curves[0][2][0] $curves[0][2][1] n";

Requirements:
· Perl
Moshax.com only provide legal software, please help us keeping pur site legal, if you think this page is violating copyrights please let us know by clicking here Here





التعليقات علي Statistics::ROC 0.04
اضافة تعليق

تعليقات الفيسبوك

تعليقات الموقع