Объем выборки: ДИ площади под кривой Precision–Recall
| Команда: | Объем выборки Оценка и точность доверительного интервалаКривая Precision-Recall |
|---|
Вычисляет необходимый объем выборки для оценки доверительного интервала площади под кривой Precision–Recall (AUPRC).
Расчет основан на Boyd et al, 2013 (логит-метод). См. Кривая Precision–Recall.
Необходимые входные данные
- Доверительная вероятность (%): выберите доверительную вероятность: 90, 95 или 99%. Чаще всего выбирают доверительную вероятность 95% (значение для 95% доверительного интервала). При необходимости можно ввести другую доверительную вероятность.
- Площадь под кривой Precision–Recall: предполагаемая площадь под кривой Precision–Recall (значение AUPRC, которое ожидается получить в исследовании).
- Желаемый нижний или верхний предел доверительного интервала: это значение определяет желаемую ширину доверительного интервала. Если нужно показать, что AUPRC больше определенного значения, введите значение нижнего предела; если нужно показать, что AUPRC меньше определенного значения, введите значение верхнего предела.
- Соотношение объемов выборок в отрицательной / положительной группах: введите желаемое соотношение отрицательных и положительных случаев. Если в обеих группах должно быть одинаковое число случаев, введите 1; если в отрицательной группе должно быть вдвое больше случаев, чем в положительной, введите 2.
Пример
Нужно показать, что AUPRC определенного диагностического теста, равная 0,55, значимо больше значения 0,4; тогда введите 0,55 в качестве площади под кривой Precision–Recall и 0,4 в качестве желаемого нижнего предела доверительного интервала. Вы планируете включить в 9 раз больше отрицательных случаев, чем положительных, поэтому в качестве соотношения объемов выборок в отрицательной / положительной группах введите 9.
Нажмите Вычислить
В примере требуется 43 случая в положительной группе и 387 в отрицательной группе, всего 430 случаев.
Литература
- 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.