Curve Receiver Operating Characteristic (ROC): definitie, voorbeeld

By admin juni 17, 2020

Statistics Definitions>Receiver Operating Characteristic (ROC) Curve

Wat is een ROC-curve (receiver operating characteristics)?

Een Receiver Operating Characteristic (ROC) – Curve is een manier om diagnostische tests te vergelijken. Het is een grafiek van de ware positieve rate tegen de valse positieve rate.*

een ROC-grafiek toont:

• de relatie tussen gevoeligheid en specificiteit. Een afname van de gevoeligheid resulteert bijvoorbeeld in een toename van de specificiteit.
• nauwkeurigheid van de test; hoe dichter de grafiek zich bij de boven-en linkerrand bevindt, hoe nauwkeuriger de test. Hoe dichter de grafiek bij de diagonaal komt, hoe minder accuraat de test is., Een perfecte test zou recht van nul naar de linkerbovenhoek gaan en dan recht over het horizontale.
• de waarschijnlijkheidsratio; gegeven door de afgeleide op een bepaald snijpunt.

testnauwkeurigheid wordt ook weergegeven als het gebied onder de curve (dat u kunt berekenen met behulp van integrale calculus). Hoe groter het oppervlak onder de curve, hoe nauwkeuriger de test. Een perfecte test heeft een oppervlakte onder de ROC-kromme (AUROCC) van 1. De diagonale lijn in een ROC-kromme vertegenwoordigt een perfecte kans., Met andere woorden, een test die de diagonaal volgt heeft geen betere kans om iets te detecteren dan een willekeurige opgooi van een munt. Het gebied onder de diagonaal is .5 (de helft van de oppervlakte van de grafiek). Daarom heeft een nutteloze test (een die geen betere kansen dan toeval alleen heeft) een AUROCC van .5.

zie ook: ROC-Curve uitgelegd in één afbeelding.

oorsprong van de Term

De term “Receiver Operating Characteristic” heeft zijn wortels in de Tweede Wereldoorlog. ROC curves werden oorspronkelijk ontwikkeld door de Britten als onderdeel van het “Chain Home” radarsysteem., ROC-analyse werd gebruikt om radargegevens te analyseren om onderscheid te maken tussen vijandelijke vliegtuigen en Signaalruis (b.v. zwermen ganzen). Naarmate de gevoeligheid van de ontvanger toenam, nam ook het aantal valse positieven toe (met andere woorden, de specificiteit daalde).

opmerking: de plot toont eigenlijk gevoeligheid vs (1 − specificiteit), en wordt daarom ook wel een gevoeligheid vs (1 − specificiteit) plot genoemd. De logica erachter is deze: als een test nul diagnostische capaciteit heeft, zou het even waarschijnlijk een vals positief of een waar positief produceren, die hetzelfde is als:
sensitiviteit = 1 – specificiteit.,