R语言BayesianFROC包说明文档（版本 0.4.0）

返回R语言所有包列表

AFROC AF*ROC*曲线（替代自由反应*ROC*曲线）
AFROC_curve 作为嵌入映射的FROC曲线
argMax Arg Max：提取下标对应的组件是Max
argMin Arg Min：提取一个下标对应的组件是一个极小值
array 从*filename_landmarks*转换为*filename_edges_strength*
array_easy_example 示例数组
array_of_hit_and_false_alarms_from_vector 点击率和误报率；2019年6月18日
Author_vs_classic_for_AUC AUC计算的验证
BayesianFROC 基于贝叶斯方法的FROC分析理论
check_hit_is_less_than_NL 对于每个读卡器和每个模态，Chech总命中率小于NL
check_rhat MCMC采样诊断
chi_square_at_replicated_data_and_MCMC_samples_MRMC 卡方检验从模型中提取（仅一次）每个MCMC样本的复制数据。
chi_square_goodness_of_fit files*卡方拟合优度统计*files在每个MCMC样本w.r.t.一个给定的数据集。
chi_square_goodness_of_fit_from_input_all_param 计算拟合优度（卡方）
chi_square_goodness_of_fit_from_input_all_param_MRMC 对于给定数据集和给定参数的MRMC，采用卡方检验。
Chi_square_goodness_of_fit_in_case_of_MRMC_Posterior_Mean 对给定数据和每个MCMC样本的MRMC情况下的卡方统计（拟合优度）
clearWorkspace 清理工作空间
Close_all_graphic_devices 关闭图形设备
color_message 带有彩色项目的邮件
compare 模型比较
comparison 模型比较
compile_all_models_in_pkg_BayesianFROC 在pkg bayesianproc中编译所有stanfile
ConfirmConvergence 校核标准
Confirm_hit_rates_are_correctly_made_in_case_of_MRMC 检查每个命中率的定义是否正确
convertFromJafroc 将*filename_points_covered_by_landmarks*的“.xlsx”文件转换为R对象
CoronaVirus_Disease_2019 应该检查谁？
CoronaVirus_Disease_2019_prevalence 应该检查谁？
create_dataList_MRMC 在MRMC的情况下创建一个filename_points_covered_by_landmarks数据集
create_dataset 创建数据集
Credible_Interval_for_curve 绘制FROC曲线，表示可信区间。
d 资料图：单一阅读器和单一模态
dark_theme 黑暗主题
data.bad.fit 数据：单读卡器和单模态
data.hier.ficitious 多读取器和多模态数据
data.MultiReaderMultiModality 多读取器和多模态数据
data.nonconverge.srsc *非收敛*数据：单读卡器和单模态
data.SingleReaderSingleModality 资料图：单一阅读器和单一模态
dataList.Chakra.1 资料图：单一阅读器和单一模态
dataList.Chakra.1.with.explantation 资料图：单一阅读器和单一模态
dataList.Chakra.2 资料图：单一阅读器和单一模态
dataList.Chakra.3 资料图：单一阅读器和单一模态
dataList.Chakra.4 资料图：单一阅读器和单一模态
dataList.Chakra.Web 一种多读取器多模态的FROC数据
dataList.Chakra.Web.orderd 一种多读取器多模态的FROC数据
dataList.divergent.transition.in.case.of.srsc 对于单个读卡器和单个模态，具有*filename_edges_strengthfilename_points_covered_by_landmarks*的FROC数据集
dataList.High 数据：单读卡器和单模态
dataList.high.ability 资料图：单一阅读器和单一模态
dataList.Low 数据：单读卡器和单模态
dataList.low.ability 资料图：单一阅读器和单一模态
dataList.one.modality 多读单模态数据集
dataset_creator_by_specifying_only_M_Q 创建数据集
dataset_creator_for_many_Readers 为MRMC创建数据
dataset_creator_new_version 以交互方式创建数据集（版本2）
data_2modaities_2readers_3confidence 资料图：2位读者，2种模式，3位专家
data_low_p_value *低p值=0.012*数据：单读卡器和单模态
data_much_low_p_value *低p值=0.002*单个读卡器和单个模态
data_of_36_readers_and_a_single_modality 36个读卡器和一个单模态数据
dd 多读取器和多模态数据
dd.orderd 多读取器和多模态数据
ddd 多读取器和多模态数据
dddd 一个读卡器和多模态数据
ddddd MRMC的数据，BallMapper*模型不收敛。
dddddd 多读取器和单模态数据
ddddddd 多个读取器和2个模式数据，以便所有模式具有相同的AUC。
demo_Bayesian_FROC 示范
demo_Bayesian_FROC_without_pause 不停顿地演示
draw.CFP.CTP.from.dataList 绘制CFP和CTP对
DrawCurves 绘制FROC曲线
DrawCurves_MRMC 为所有模式和读取器绘制FROC曲线
DrawCurves_MRMC_pairwise 用颜色绘制FROC曲线
DrawCurves_MRMC_pairwise_BlackWhite 绘制不带颜色的FROC曲线
DrawCurves_MRMC_pairwise_col 用颜色绘制FROC曲线
DrawCurves_srsc 绘制FROC曲线
Draw_an_area_of_AUC_for_srsc 在非洲曲线下画一个区域
Draw_AUC 绘制非洲大陆的AUC区域
Draw_a_prior_sample 从先前的
Draw_a_simulated_data_set 从模型分布中提取一个模拟数据集，并从先验中指定参数
Draw_a_simulated_data_set_and_Draw_posterior_samples 绘制数据集和MCMC样本
draw_latent_noise_distribution 虚警率下潜在高斯分布的可视化
draw_latent_signal_distribution 潜在高斯信号的可视化（信号分布）
dz 阈值：MRMC模型的参数
Empirical_FROC_via_ggplot 通过ggplot2的经验FROC曲线
error_message 数据格式错误消息
error_message_on_imaging_device_rhat_values 绘图平面上的错误消息*（成像设备）
error_MRMC MRMC情况下估计值与真值的比较
error_srsc 通过给定模型参数下模型中的复制数据集进行验证
error_srsc_error_visualization 估计器误差的可视化
error_srsc_variance_visualization 方差分析可视化
explanation_about_package_BayesianFROC 此包的说明
explanation_for_what_curves_are_drawn 打印出绘制的曲线
extractAUC 提取AUC
extract_data_frame_from_dataList_MRMC 从FROC数据列表中提取子数据帧
extract_data_frame_from_dataList_srsc 如果是srsc，则从datalist中提取数据帧
extract_EAP_by_array 提取保留数组格式的字符串。
extract_EAP_CI 从stanfit对象中提取作为向量的估计
extract_estimates_MRMC MRMC：从扩展对象中提取所有后验均值估计
extract_parameters_from_replicated_models 从复制MRMC模型中提取估计值
false_and_its_rate_creator MRMC和srsc两种情况下的假警报创建器
false_and_its_rate_creator_MRMC MRMC：每个成像设备和每个读卡器的虚警创建器。
fffaaabbb 包开发工具和备忘录。
file_remove 提交前执行以删除redandunt文件。
fit_a_model_to 使模型适合数据
fit_Bayesian_FROC 使模型适合数据
fit_GUI 与GUI配合
fit_GUI_dashboard 通过Shiny（简单版）与GUI配合
fit_GUI_MRMC 在MRMC的情况下，通过Shiny与GUI配合
fit_GUI_MRMC_new 使用闪亮的GUI使MRMC模型适合数据
fit_GUI_Shiny 适合GUI为闪亮的模型
fit_GUI_Shiny_MRMC 通过Shiny与GUI配合（对于MRMC）
fit_GUI_simple_from_apppp_file 与GUI配合
fit_MRMC 拟合并绘制FROC模型（曲线）
fit_MRMC_versionTWO 拟合并绘制FROC模型（曲线）版本2。
fit_Null_hypothesis_model_to_ 拟合空模型
fit_srsc 在单读卡器和单模态（srsc）的情况下，使模型适合数据。
flatnames 来自rstan包
flat_one_par 生成数组名称
foo 不带双引号
fooo 禁忌或
foo_of_a_List_of_Arrays 数组列表的方差
FROC_curve 作为嵌入映射的FROC曲线
from_array_to_vector 从*filename_landmarks*转换为*filename_edges_strength*
get_posterior_variance '替代'斯坦：：filename_points_covered_by_landmarks()'
get_samples_from_Posterior_Predictive_distribution 从预测后验分布（PPD）合成样本。
get_treedepth_threshold 获取树深度阈值
ggplotFROC 用两个参数a和b绘制FROC曲线
ggplotFROC.EAP 用两个参数a和b绘制FROC曲线
give_name_srsc_CFP_CTP_vector 给出CTP CFP向量的名称
give_name_srsc_data 给出srsc数据列表组件的名称
hits_creator_from_rate MRMC数据集创建者来自命中率。
hits_false_alarms_creator_from_thresholds 点击和错误报警
hits_from_thresholds MRMC从阈值、平均值和S.D。
hits_rate_creator MRMC命中率来自阈值、平均值和S.D。
hit_generator_from_multinomial 在Const之下
hit_rate_adjusted_from_the_vector_p 从向量p调整命中率
initial_values_specification_for_stan_in_case_of_MRMC HMC（哈密顿蒙特卡罗马尔可夫链）的初值
install_imports 安装程序。
inv_Phi 标准高斯函数的累积分布函数Phi（x）的反函数。其中x是实数。
is_length_zero 长度为零的参数？
is_logical_0 是否符合逻辑(0)
is_stanfitExtended 检查任何R对象的class是否为filename_points_covered_by_landmarks
make_TeX 制作一个用于摘要的TeX文件
make_true_parameter_MRMC 创建一个真正的模型参数并将其包含在此包中
metadata_srsc_per_image 为MRMC数据创建元数据。
metadata_to_DrawCurve_MRMC 为MRMC数据创建元数据
metadata_to_fit_MRMC 为MRMC数据创建元数据
mu 信号均值：MRMC模型的参数
mu_truth 信号均值：MRMC模型的参数
mu_truth_creator_for_many_readers_MRMC_data MRMC模型参数的mu
m_q_c_vector_from_M_Q_C 从整数“m，q，c”创建向量“m，q，c”
names_argMax 从分量最大的实向量中提取名称
name_of_param_whose_Rhat_is_maximal 从StanfitExtended对象（或stanfit对象）中提取参数名称
p 命中率：MRMC模型的参数
pairs_plot_if_divergent_transition_occurred 发散跃迁对图
pause 暂停演示
Phi 标准高斯函数的累积分布函数Phi（x），即均值=0，方差=1。
Phi_inv 标准高斯函数的累积分布函数Phi（x）的反函数。其中x是实数。
plot-method 泛型函数“plot（）”
plotFROC 用两个参数a和b绘制FROC曲线
plot_curve_and_hit_rate_and_false_rate_simultaneously 单个读取器和单个模态的曲线和信号分布以及噪声d log Phi（）
plot_dataset_of_ppp 使用购买力平价计算绘制数据集
plot_dataset_of_ppp_MRMC 使用购买力平价计算绘制数据集
plot_empirical_FROC_curves 用“ggplot2”的传统方法绘制经验FROC曲线
plot_empirical_ROC_curves 经验ROC曲线
plot_FPF_and_TPF_from_a_dataset 根据MRMC数据绘制FPF和TPF
plot_FPF_TPF_via_dataframe_with_split_factor 基于分裂因子的FPFs和TPFs散点图
plot_test #继承类stanfitExtended from stanfit的方法定义
pnorm_or_qnorm pnorm或qnorm
ppp MRMC或srsc：MRMC或srsc的后验预测P值（PPP）。
ppp_MRMC MRMC：MRMC的后验预测P值（PPP），
ppp_srsc 计算单个读卡器和单个成像设备模型的PPP（计算正确！：'-D）
print-method 类“stanfitExtended”的泛型函数“print（）”的方法
print_minimal_reproducible_code_in_case_of_MRMC 在MRMC中显示最小代码
print_stanfitExtended 继承类stanfitExtended from stanfit的方法定义
priorResearch 前期研究
prior_predictor 预测一些参数估计
prior_print_MRMC 打印使用的优先顺序
prior_print_srsc 打印使用的优先顺序
p_truth 命中率：MRMC模型的参数
p_value_of_the_Bayesian_sense_for_chi_square_goodness_of_fit 拟合优度P值：2019年10月不再使用
p_value_visualization P值的计算是可视化的
rank_statistics_with_two_parameters 排名统计
replicate_model_MRMC 复制模型
replicate_MRMC_dataList MRMC：复制阈值、平均值和标准差的数据集。
ROC_data_creator 综合ROC数据
R_hat_max 马克斯R帽
sbcc SBC公司
seq_array_ind 从一个itegers向量生成一个矩阵
showGM 通过PKG“DiagrammeR”为单个阅读器和单个模态提供图形模型
show_codes_in_my_manuscript 显示我手稿中使用的R代码
Simulation_Based_Calibration_histogram 绘制等级统计直方图
Simulation_Based_Calibration_single_reader_single_modality_via_rstan_sbc 单读卡器和单模态情况下的基于仿真的校准（SBC）
Simulation_Based_Calibration_via_rstan_sbc_MRMC 基于模拟的校准（SBC）用于单个阅读器和单个模态情况
size_of_return_value R对象的大小
small_margin 保证金
snippet_for_BayesianFROC 编辑代码段
sortAUC 打印MRMC数据的AUC排名
stanfitExtended 'stanfitExtended'，一个从S4类*filename_edges_strength继承的S4类*
stanfit_from_its_inherited_class 更改S4等级以保持稳定
Stan_code_validation 斯坦代码
stan_model_of_sbc 创建SBC的stanfit类的对象
stan_trace_of_max_rhat 最大参数的迹图
StatisticForANOVA 方差分析统计
summarize_MRMC 总结MRMC病例的估计
summary_EAP_CI_srsc 摘要
Test_Null_Hypothesis_that_all_modalities_are_same 检验所有形式相同的无效假设
the_row_number_of_logical_vector 从逻辑向量中提取行号
to 从*filename_landmarks*转换为*filename_edges_strength*
trace_Plot 迹线图
TRUE.Counter.in.vector 在分量都是逻辑R对象的向量中计算'TRUE'
v 标准差：MRMC模型的参数
validation.dataset_srsc 关于真值的估计误差
validation.draw_srsc 为验证数据集绘制曲线
vector 从*filename_landmarks*转换为*filename_edges_strength*
viewdata 建立FROC数据表
viewdata_MRMC 查看MRMC数据
viewdata_srsc 在单读卡器和单模态的情况下建立数据表（srsc）
v_truth 标准差：MRMC模型的参数
v_truth_creator_for_many_readers_MRMC_data MRMC模型参数的v值
waic WAIC计算器
z 阈值：MRMC模型的参数
z_from_dz 从它的差异中选择阈值
z_truth 阈值：MRMC模型的参数
%>>% 适合模特儿
====== 泛型函数“plot（）”