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()”