Statistika Youdens J. - Youdens J statistic - Wikipedia

Statistika Youdenovy J. (také zvaný Youdenův index) je jediná statistika, která zachycuje výkon a dichotomický diagnostický test. Informovanost je jeho zobecnění na případ více tříd a odhaduje pravděpodobnost informovaného rozhodnutí.

Definice

Youden je J statistika je

přičemž obě pravá množství jsou citlivost a specifičnost. Rozšířený vzorec je tedy:

Index navrhl W.J. Youden v roce 1950 [1] jako způsob shrnutí výkonu diagnostického testu. Jeho hodnota se pohybuje od 0 do 1 (včetně)[1], a má nulovou hodnotu, když diagnostický test poskytuje stejný podíl pozitivních výsledků pro skupiny s onemocněním i bez něj, tj. test je k ničemu. Hodnota 1 znamená, že neexistují žádné falešně pozitivní výsledky ani falešné negativy, tj. Test je perfektní. Index dává stejnou váhu falešně pozitivním a falešně negativním hodnotám, takže všechny testy se stejnou hodnotou indexu dávají stejný podíl na celkových nesprávně klasifikovaných výsledcích. I když je technicky možné z této rovnice získat hodnotu menší než nula, např. Klasifikace vede pouze k falešným pozitivům a falešným negativům, hodnota menší než nula pouze naznačuje, že pozitivní a negativní popisky byly přepnuty. Po opravě štítků bude výsledek v rozsahu 0 až 1.

Příklad křivky provozní charakteristiky přijímače. Svítí červeně: křivka ROC; Přerušovaná čára: Úroveň šance; Vertikální čára (J) maximální hodnota Youdenova indexu pro ROC křivku

Youdenův index se často používá ve spojení s provozní charakteristika přijímače (ROC) analýza.[2] Index je definován pro všechny body křivky ROC a maximální hodnotu indexu lze použít jako kritérium pro výběr optimálního mezního bodu, když diagnostický test poskytuje spíše číselný než dichotomický výsledek. Index je graficky znázorněn jako výška nad náhodnou čárou a je také ekvivalentní ploše pod křivkou podřízené jediným pracovním bodem.[3]

Youdenův index je také známý jako deltap [4] a zobecňuje se od dichotomického k případu více tříd jako informovanost.[3]

Použití jediného indexu „se obecně nedoporučuje“,[5] ale informovanost nebo Youdenův index je pravděpodobnost informovaného rozhodnutí (na rozdíl od náhodného odhadu) a bere v úvahu všechny předpovědi.[3]

Nesouvisející, ale běžně používaná kombinace základních statistik z vyhledávání informací je F-skóre, což je (případně vážený) harmonický průměr z odvolání a přesnost kde odvolání = citlivost = skutečná kladná sazba, ale specifičnost a přesnost jsou úplně jiná opatření. F-skóre, stejně jako odvolání a přesnost, bere v úvahu pouze takzvané pozitivní předpovědi, přičemž odvolání je pravděpodobnost předpovědi pouze pozitivní třídy, přesnost je pravděpodobnost, že pozitivní predikce bude správná, a F-skóre srovnávající tyto pravděpodobnosti pod efektivní předpoklad, že kladné značky a pozitivní předpovědi by měly mít stejné rozdělení a prevalence,[3] podobný předpokládanému předpokladu Fleissova kappa. Youden's J, Informedness, Recall, Precision a F-score areinsinsically undirectional, Cílem je posoudit deduktivní účinnost předpovědí ve směru navrženém pravidlem, teorií nebo klasifikátorem. Markedness (deltap) is Youden's J used to assess the reverse or únosný směr,[3][6] a dobře odpovídá lidskému učení sdružení; pravidla a, pověry jak modelujeme možné příčinná souvislost;[4] zatímco korelace a kappa se hodnotí obousměrně.

Matthewsův korelační koeficient je geometrický průměr z regresní koeficient problému a jeho dvojí, kde jsou koeficienty regrese komponent Matthewsova korelačního koeficientu Značnost (inverzní k Youdenově J nebo deltap) a informovanost (Youdenův J nebo deltap '). Statistiky Kappa jako např Fleissova kappa a Cohenova kappa jsou metody výpočtu spolehlivost mezi hodnotiteli založené na různých předpokladech o mezních nebo dřívějších distribucích a jsou stále více používány jako šance opravena alternativy k přesnost v jiných kontextech. Fleissova kappa, podobně jako F-skóre, předpokládá, že obě proměnné jsou čerpány ze stejné distribuce a mají tedy stejnou očekávanou prevalenci, zatímco Cohenova kappa předpokládá, že proměnné jsou čerpány z odlišných distribucí a odkazují na model očekávání to předpokládá prevalence jsou nezávislé.[6]

Když je pravda prevalence pro dvě pozitivní proměnné jsou stejné, jak se předpokládá ve Fleissově kappa a F-skóre, to znamená, že počet pozitivních předpovědí odpovídá počtu pozitivních tříd v případě dichotomické (dvě třídy), rozdílná kappa a korelační míra se zhroutí na identitu s Youdenovou J, a připomeňme, přesnost a F-skóre jsou obdobně stejné přesnost.[3][6]

Reference

  1. ^ A b Youden, W.J. (1950). "Index pro hodnocení diagnostických testů". Rakovina. 3: 32–35. doi:10.1002 / 1097-0142 (1950) 3: 1 <32 :: aid-cncr2820030106> 3.0.co; 2-3. PMID  15405679.
  2. ^ Schisterman, E.F .; Perkins, N.J .; Liu, A .; Bondell, H. (2005). „Optimální bod cut-off a odpovídající Youdenův index k diskriminaci jednotlivců pomocí shromážděných vzorků krve“. Epidemiologie. 16 (1): 73–81. doi:10.1097 / 01.ede.0000147512.81966.ba. PMID  15613948.
  3. ^ A b C d E F Powers, David M W (2011). „Hodnocení: Od přesnosti, odvolání a F-skóre po ROC, informovanost, známost a korelace“. Journal of Machine Learning Technologies. 2 (1): 37–63. hdl:2328/27165.
  4. ^ A b Perruchet, P .; Peereman, R. (2004). "Využití distribučních informací při zpracování slabiky". J. Neurolingvistika. 17 (2–3): 97–119. doi:10.1016 / s0911-6044 (03) 00059-9.
  5. ^ Everitt B.S. (2002) Cambridge Dictionary of Statistics. POHÁR ISBN  0-521-81099-X
  6. ^ A b C Powers, David M W (2012). Problém s Kappou. Konference evropské kapitoly Asociace pro výpočetní lingvistiku. str. 345–355. hdl:2328/27160.