মাইকেল এর এরিক এর উত্তর প্রয়োগ :
পারফরম্যান্সের পরিমাপটি বেছে নেওয়ার সময় আপনি একই ধরণের চিন্তাভাবনা করতে পারেন এরিক refers
আমি তাদের উত্তর দেওয়া প্রশ্নগুলির দ্বারা এই জাতীয় বিভিন্ন পদক্ষেপগুলি উল্লেখ করতে সহায়ক বলে মনে করি (এখানে মেডিকেল ডায়াগনস্টিক ভাষায় যার সাথে আমি সর্বাধিক পরিচিত - তবে সম্ভবত আপনি রোগীকে স্প্যাম দ্বারা পাঠ্য এবং রোগ দ্বারা প্রতিস্থাপন করতে পারেন ;-)):
সংবেদনশীলতা: প্রদত্ত রোগীর সত্যিকার অর্থেই এই রোগ রয়েছে, শ্রেণিবদ্ধ যে এটি উপলব্ধি করতে পারে তা কতটা সম্ভব?
বৈশিষ্ট্য: প্রদত্ত রোগীর সত্যিকার অর্থে এই রোগ নেই, শ্রেণিবদ্ধ যে এটি উপলব্ধি করতে কতটা সম্ভব?
ইতিবাচক ভবিষ্যদ্বাণীমূলক মান: শ্রেণিবদ্ধ দ্বারা প্রদত্ত রোগীকে রোগাক্রান্ত বলে দাবি করা হয়েছে, রোগীর সত্যিই এই রোগ হওয়ার সম্ভাবনা কতটা?
নেতিবাচক ভবিষ্যদ্বাণীমূলক মান: শ্রেণিবদ্ধের দ্বারা দাবি করা হয়েছে যে রোগী অসুস্থ না হচ্ছেন, রোগীর সত্যিই এই রোগটি না হওয়ার সম্ভাবনা কতটা?
আপনি দেখতে পাচ্ছেন, ভবিষ্যদ্বাণীমূলক মানগুলি হ'ল চিকিত্সকরা এবং রোগীরা সত্যই আগ্রহী However তবে, প্রায় প্রত্যেকেই সংবেদনশীলতা এবং নির্দিষ্টতার দ্বারা তার শ্রেণিবদ্ধকারীকে চিহ্নিত করে। কারণটি হ'ল ভবিষ্যদ্বাণীমূলক মানগুলির মধ্যে রোগের প্রকোপটি বিবেচনায় নেওয়া দরকার এবং এটি বিভিন্ন ধরণের রোগীদের জন্য বিশাল আকারে (প্রস্থের আদেশ!) পরিবর্তিত হতে পারে।
আপনার প্রশ্নের জন্য বিষয়টিতে আরও:
আমি বাজি ধরছি আপনি চিন্তায় ঠিক আছেন।
এরিকের উভয় দৃশ্যকে উদাহরণ হিসাবে নেওয়া:
এখানে স্বাধীন পরীক্ষার নমুনা রয়েছে:
> binom.test (x = 810, n = 1000, p = 0.8)
Exact binomial test
data: 810 and 1000
number of successes = 810, number of trials = 1000, p-value = 0.4526
alternative hypothesis: true probability of success is not equal to 0.8
95 percent confidence interval:
0.7842863 0.8338735
sample estimates:
probability of success
0.81
(দ্রষ্টব্য যে এই পরীক্ষাটি দ্বি-পার্শ্বযুক্ত ছিল, ধরে নিলাম দুটি শ্রেণিবদ্ধ প্রকাশ করা যেত যদি ফলাফলগুলি অন্যভাবে না হয় তবে ...)
এখানে সর্বোত্তম সম্ভাব্য পরিস্থিতি রয়েছে: জোড়াযুক্ত পরীক্ষা এবং নতুন শ্রেণিবদ্ধকারী পুরানোটি যে সমস্ত নমুনা ঠিক তার জন্য আরও 10 টি আরও সঠিক:
> ## mc.nemar: best possible case
> oldclassif <- c (rep ("correct", 800), rep ("wrong", 200))
> newclassif <- c (rep ("correct", 810), rep ("wrong", 190))
> table (oldclassif, newclassif)
newclassif
oldclassif correct wrong
correct 800 0
wrong 10 190
> mcnemar.test (oldclassif, newclassif)
McNemar's Chi-squared test with continuity correction
data: oldclassif and newclassif
McNemar's chi-squared = 8.1, df = 1, p-value = 0.004427
(পি-ভ্যালু যাদুকরী 0.05 এর নীচে থাকবে যতক্ষণ না 1000 এর মধ্যে 10 টির বেশি নমুনা দুটি শ্রেণিবদ্ধ দ্বারা পৃথকভাবে পূর্বাভাস দেওয়া হয়েছিল)।
এমনকি যদি পি-ভ্যালুগুলি ভুল প্রশ্নের সঠিক উত্তর হয়, তবে এটি একটি শক্ত জায়গা বলে ইঙ্গিত দেয়।
তবে, সাধারণ বৈজ্ঞানিক অনুশীলনকে বিবেচনা করে অর্থাৎ একটি অজানা (অপ্রকাশিত) বেশ কয়েকটি নতুন বৈশিষ্ট্য পরীক্ষা করা হয়েছিল এবং কেবলমাত্র যেটি কিছুটা ভাল কাজ করেছে তা প্রকাশিত হয়েছিল, জায়গাটি আরও দৃ tight় হয়। এবং তারপরে, ৮০% শ্রেণিবদ্ধ মাত্র কিছু some৯% শ্রেণিবদ্ধের উত্তরসূরি হতে পারে ...
আপনি যদি জার্মান পড়া উপভোগ করেন তবে বেক-বর্নহোল্ড এবং ডুবেনের কিছু দুর্দান্ত বই রয়েছে। যদি আমি সঠিকভাবে মনে রাখি, মিট অ্যান্ড ওয়াহার্সচেইনলিচকেইট গ্রেনজেন্ডার শিচেরহাইটের এই সমস্যাগুলির সম্পর্কে খুব সুন্দর আলোচনা হয়েছে। (আমি জানি না যে কোনও ইংরেজি সংস্করণ আছে কিনা, শিরোনামটির পরিবর্তে আক্ষরিক অনুবাদ "সম্ভাবনার উপর একটি নির্দিষ্ট সীমানা সহ"))