Tamanho da amostra: IC da área sob a curva de precisão-revocação
| Comando: | Tamanho da amostra Estimativa e Precisão do Intervalo de ConfiançaÁrea sob a curva de precisão-revocação |
|---|
Calcula o tamanho da amostra necessário para a estimativa de um intervalo de confiança da área sob a curva de precisão-revocação (AUPRC).
O cálculo baseia-se em Boyd et al., 2013 (método logit). Consulte Curva de precisão-revocação.
Dados necessários
- Nível de confiança (%): selecione o nível de confiança: 90, 95 ou 99%. Um nível de confiança de 95% (o valor para um intervalo de confiança de 95%) é a escolha mais comum. Se necessário, você pode inserir um nível de confiança diferente.
- Área sob a curva de precisão-revocação: a área sob a curva de precisão-revocação hipotética (a AUPRC que se espera encontrar no estudo).
- Limite inferior ou superior desejado do intervalo de confiança: este valor define a largura desejada do intervalo de confiança. Se o seu objetivo é mostrar que a AUPRC é maior que um determinado valor, insira o valor do limite inferior; se o seu objetivo é mostrar que a AUPRC é menor que um determinado valor, insira o valor do limite superior.
- Razão de tamanhos de amostras nos grupos negativo / positivo: insira a razão desejada entre casos negativos e positivos. Se desejar que os dois grupos tenham o mesmo número de casos, insira 1; se desejar o dobro de casos no grupo negativo em relação ao grupo positivo, insira 2.
Exemplo
Você deseja mostrar que a AUPRC de 0,55 de um determinado teste é significativamente maior que o valor 0,4; então, insira 0,55 em Área sob a curva de precisão-revocação e 0,4 em Limite inferior desejado do intervalo de confiança. Você espera incluir 9 vezes mais casos negativos do que positivos; assim, em Razão de tamanhos de amostras nos grupos negativo / positivo, insira 9.
Clique em Calcular
No exemplo, são necessários 43 casos no grupo positivo e 387 no grupo negativo, num total de 430 casos.
Referência
- Boyd K, Eng KH, Page CD (2013) Area under the Precision-Recall Curve: Point Estimates and Confidence Intervals. In: Blockeel H, Kersting K, Nijssen S, Železný F (eds) Machine Learning and Knowledge Discovery in Databases. ECML PKDD 2013. Lecture Notes in Computer Science, vol 8190. Springer, Berlin, Heidelberg.