🔸ماهو منحنى ROC ومافائدته وكيف نقرأ نتائجه؟ #احصاء 🧵
هو تمثيل بياني يبين مدى كفائة متغير كمي continuous في التنبؤ بنتيجة متغير تابع ذو قيمتين binary. وذلك بتمثيل sensitivity و 1- specificity لجميع قيم المتغير الكمي المستقل.
هو تمثيل بياني يبين مدى كفائة متغير كمي continuous في التنبؤ بنتيجة متغير تابع ذو قيمتين binary. وذلك بتمثيل sensitivity و 1- specificity لجميع قيم المتغير الكمي المستقل.
🔸يستخدم كثيرا في البيانات التشخيصية diagnostic ويفيد في محاولة ايجاد حد فاصل thresholds يساعد الأطباء لتحديد ما اذا كانت نتيجة المريض positive او negative لمرض معين
ويستخدم ايضا لتقييم كفاءة النماذج الاحصائية prediction models في التنبؤ بمتغير محدد.
ويستخدم ايضا لتقييم كفاءة النماذج الاحصائية prediction models في التنبؤ بمتغير محدد.
🔸يمثل المحور القطري عدم وجود اي دقة للإختبار التشخيصي او النموذج الإحصائي. بينما يمثل الركن اليسار الأعلى أفضل قيمة تنبؤية وعليه فكل ما كان المنحنى اقرب لهذا الركن يكون لدينا دقة أعلى accuracy
🔸وللتعبير عن هذه الدقة يحسب Area under the curve وهي قيمة تتراوح بين 0 و 1 بحيث 1 تمثل الدقة الأفضل على الإطلاق.
ويحسب لها p-value و 95% CI
مثال حصلنا على AUC =0.80 معناها the test is able to correctly discriminate positive and negative results with a probability of 0.80
ويحسب لها p-value و 95% CI
مثال حصلنا على AUC =0.80 معناها the test is able to correctly discriminate positive and negative results with a probability of 0.80
جاري تحميل الاقتراحات...