如何获得ROC准确度的95%置信区间？
获得ROC准确度的95%置信区间可以通过以下步骤实现：
- 收集数据集：首先，需要收集足够的数据集来进行分析和评估。确保数据集包含正负样本，并且具有标签信息。
- 训练模型：使用收集到的数据集训练一个分类模型，例如支持向量机（SVM）、逻辑回归（Logistic Regression）或者随机森林（Random Forest）等。
- 划分数据集：将数据集划分为训练集和测试集。通常，80%的数据用于训练模型，20%的数据用于评估模型性能。
- 预测概率：使用训练好的模型对测试集进行预测，并获取预测结果的概率值。
- 计算ROC曲线：根据预测结果的概率值，计算出ROC曲线。ROC曲线是以真阳性率（True Positive Rate，TPR）为纵轴，假阳性率（False Positive Rate，FPR）为横轴的曲线。
- 计算AUC值：根据ROC曲线，计算出AUC（Area Under Curve）值。AUC值表示ROC曲线下的面积，用于评估模型的性能。AUC值越接近1，表示模型性能越好。
- 计算置信区间：使用统计学方法，可以计算出ROC准确度的95%置信区间。一种常用的方法是基于二项分布的Wilson置信区间方法。该方法需要使用AUC值和测试集样本数量来计算置信区间。
- 推荐腾讯云相关产品：腾讯云提供了丰富的人工智能和大数据分析产品，可以帮助实现上述步骤中的数据处理、模型训练和评估等任务。例如，腾讯云的机器学习平台（https://cloud.tencent.com/product/tiia）和数据分析平台（https://cloud.tencent.com/product/dla）可以提供强大的计算和分析能力。
请注意，由于要求不能提及特定的云计算品牌商，因此无法提供与腾讯云相关的具体产品链接。但是，你可以通过腾讯云官方网站或者搜索引擎来查找相关产品和服务。
相关·内容
我已经通过pROC软件包获得了AUC值和95%的置信区间，但我想知道如何获得准确度的95%置信区间？
data(aSAH)
myroc <- roc(aSAH$outcome, aSAH$s100b)
myroc
ci.thresholds(myroc, thresholds = "best")
ci.auc(myroc)
结果
Call:
roc.default(response = aSAH$outcome, predictor = aSAH$s100b)
Data: aSAH$s100b in 72 controls (aSAH$outcome Good) <
浏览 224提问于2020-08-03得票数 1
回答已采纳
1回答
如何在BlueSky统计上计算我国曲线下面积的95%置信区间？我知道如何建立多元logistic模型，并显示ROC曲线和AUROCC。我试着使用Bootstrap重采样，但不知道如何获得95%的置信区间。
浏览 2提问于2022-01-17得票数 -2
从Weka软件的分类模型中得到:样本大小、混淆矩阵和ROC曲线下面积( AUC )。如何计算AUC的95%置信区间？
浏览 1提问于2018-05-20得票数 1
我想比较Python中不同的二进制分类器。为此，我要计算中华民国的积分，测量95%置信区间(CI)，以及p值来获取统计学意义。
以下是一个最小的例子，在科学知识-学习，培训三种不同的模型上的二进制分类数据集，绘制的曲线和计算的AUC分数。
以下是我的具体问题：
如何计算95%置信区间(CI)在测试集上的得分？(例如用鞋带)。
如何比较AUC评分(在测试集上)和测量p值来评估统计学意义？(无效假设是，模型没有区别。否定零假设意味着AUC分数的差异在统计学上是显著的。
。
import numpy as np
np.random.seed(2018)
from sklearn.
浏览 2提问于2018-09-17得票数 20
回答已采纳
我正在使用pROC包(版本1.17.0.1)中的roc.test函数来比较两条ROC曲线。数据是配对的，因此使用了DeLong的测试。但是，即使我在函数中指定了置信区间，该函数也不会输出置信区间。请参见下面使用aSAH数据集的示例。 library(pROC)
data(aSAH)
roc1 <- roc(aSAH$outcome, aSAH$s100b)
roc2 <- roc(aSAH$outcome, aSAH$wfns)
roc.test(roc1, roc2, method="delong", paired=TRUE,
alternat
浏览 195提问于2021-09-27得票数 0
2回答
我需要一点帮助。我已经用非线性估计计算了参数。现在，我需要计算计算参数的95%置信区间。如何使用Statistica for Windows获得95%的置信区间？或任何其他建议如何计算95%的置信区间。
提前谢谢。
浏览 1提问于2013-08-09得票数 0
分类学习器应用程序在应用程序的GUI中以混淆矩阵、ROC曲线等形式提供了很好的结果。
但是，如何才能将所有这些值(例如准确度、观察值数量、所有类别的TPP、FNR、PPV和FDR )轻松导出到应用程序中？
提前感谢！
浏览 2提问于2017-01-27得票数 2
2回答
我使用了以下R包：mice、mitools和pROC。
基本设计:3种预测器，数据丢失率在5% ~ 70%之间，n~1,000。1二进制目标结果变量。
分析目标:确定三个预测指标的AUROC值。
我使用mice包来填充数据，现在有了m个输入数据集。使用以下命令，我能够获得每个m个数据集的AUROC曲线：
fit1<-with(imp2, (roc(target, symptom1, ci=TRUE)))
fit2<-with(imp2, (roc(target, symptom2, ci=TRUE)))
fit3<-with(imp2, (roc(target, sympt
浏览 1提问于2014-01-23得票数 3
我得到的是ROC曲线下具有不同区域的向量(不同的研究)，例如，
a <- c(.91, .85, .76, .89)
我也有每项研究的绝对参与人数，例如，
n <- c(50, 34, 26, 47)
我计算了以下区域的加权平均值
weighted.mean(a, n)
在R中，有没有一种方法可以根据我掌握的信息来计算加权平均值的95%置信区间？我研究了pROC，但据我所知，你需要每条ROC曲线的原始数据(我没有)。我将非常感谢您的任何建议！
浏览 0提问于2016-06-23得票数 4
我正在使用SPSS来生成ROC曲线，但是ROC曲线不能给我灵敏度和特异性的置信区间。
因此，如果有人能帮助我在SPSS中产生敏感性和特异性的置信区间，那将是对我最大的帮助。
谢谢你
浏览 40提问于2016-06-05得票数 1
1回答
我正在尝试使用pROC软件包计算ROC曲线下面积的95%置信区间。该区域的估计值为0.9092，看起来还不错。然而，对置信区间的估计是“0.95%CI: 0-0 (DeLong)"，这是我不明白的。
我想知道是什么导致了这一切的发生。我只是在ci函数中使用一个响应向量和一个预测向量。响应被编码为0-1 (数字，而不是因子)，并且预测器是单个浮点数。
我有大约115,000个控制和34,000个案例，以防这会有所不同。
更新:这似乎是一个大小或大量重复观察的问题
> ci.auc(s3$def_ca, s3$PD1YR)
95% CI: 0.6979-0.7265 (DeLong)
浏览 7提问于2017-06-21得票数 1
当我在10折交叉验证下使用像LibSVM/SMO这样的分类器时，我得到了ROC面积(AUC)的输出，但没有给出置信区间(因为它被执行了10次)。有没有办法输出这个？
浏览 0提问于2015-10-24得票数 1
1回答
我使用matlab中的fminunc函数对我拥有的一些数据执行了MLE拟合，并从Hessian输出估计了参数置信区间。有没有人有办法在拟合曲线周围生成95%的置信区间？
浏览 1提问于2015-03-22得票数 0
1回答
我计划使用拼图来组装几条用pROC绘制的ROC曲线。在构造了一个pROC绘图列表( S3: roc对象)并试图使用wrap_plots(plots)进行组装之后，我遇到了以下错误：
Error: Only know how to add ggplots and/or grobs
AFAIK，可能有几种解决方案：
将S3:roc对象强制设置为ggplots。似乎为由precrec包生成的S3对象做了这项工作，但我不知道S3:roc对象是否可以以同样的方式完成。使用ggplot2::fortify，我遇到了
`data` must be a data frame, or other object
浏览 6提问于2022-09-21得票数 0
回答已采纳
我可以将scikit-learn与fpr、tpr、thresholds = metrics.roc_curve(y_true,y_pred, pos_label=1)一起使用来获得ROC曲线，其中y_true是基于我的黄金标准的值列表(即，0表示阴性病例，1表示阳性病例)，y_pred是相应的分数列表(例如，0.053497243、D9、D10、D11、D12、D13、D14 ...)
我试图弄清楚如何向该曲线添加置信区间，但没有找到任何简单的方法来使用sklearn来做到这一点。
浏览 2提问于2013-10-02得票数 30
回答已采纳
我已经学会了如何使用scipy.stats.t找到95%的置信区间，如下所示
In [1]: from scipy.stats import t
In [2]: t.interval(0.95, 10, loc=1, scale=2) # 95% confidence interval
Out[2]: (-3.4562777039298762, 5.4562777039298762)
In [3]: t.interval(0.99, 10, loc=1, scale=2) # 99% confidence interval
Out[3]: (-5.338545334351676, 7.33
浏览 12提问于2013-11-18得票数 9
我有一个逻辑回归模型(使用R)作为
fit6 <- glm(formula = survived ~ ascore + gini + failed, data=records, family = binomial)
summary(fit6)
我正在使用pROC软件包绘制ROC曲线，并通过fit6计算出6个型号fit1的AUC值。
我就是用这种方式来描绘一个中华民国的。
prob6=predict(fit6,type=c("response"))
records$prob6 = prob6
g6 <- roc(survived~prob6, data=records
浏览 3提问于2014-12-21得票数 2
回答已采纳
我正在使用R中的smatr包装将SMA拟合到异速测量数据，并且我在绘制sma()命令计算的95%置信区间时遇到了困难。
以软件包文档中的示例数据为例，如何将上下限95%置信度线添加到xy数据和SMA拟合图中？
# Load leaf lifetime dataset:
data(leaflife)
# Fit SMA
ft <- sma(longev~lma, data=leaflife, log="xy", method="SMA")
#plot data and fit
plot(ft, log="xy")
现在如何将95
浏览 39提问于2016-09-12得票数 1
对于DeLong方法还是2000引导程序是否被用作默认的ROC曲线方法，我将不胜感激。我已经通过了pROC pdf指南，我不确定哪一个是默认的方法。pdf的不同部分，特别是在有关AUC计算的置信区间的章节中提到DeLong或2000引导是默认的。
我正在使用的代码包括以下内容：
#generate ROC and Confidence intervals for this bootstrap/dose bin
roc2<-roc(SYNdata_b$Endpoint1,SYNdata_b[,i+2])
roc2_CI<-ci(roc2)
#Generate Youden and
浏览 2提问于2017-10-31得票数 1
1回答
在R中调用函数时，如何检索结果值。例如，我使用了'roc‘函数，我需要提取AUC值和CI (在下面的示例中分别为0.6693和0.6196-0.7191 )。
> roc(tmpData[,lenCnames], fitted(model), ci=TRUE)
Call:
roc.default(response = tmpData[, lenCnames], predictor = fitted(model), ci = TRUE)
Data: fitted(model) in 127 controls (tmpData[, lenCnames] 0) < 3
浏览 2提问于2013-01-19得票数 0
回答已采纳
1回答
如何计算名义变量的95%置信区间。例如，我有987个样本量(300个吸烟者，687个不吸烟者)。我需要计算吸烟者在人口中所占比例的95%置信区间。
浏览 0提问于2017-11-21得票数 0
在我的分类问题中，我想检查我的模型是否表现良好，所以我做了一个roc_auc_找到准确度的分数，得到值0.9856825361839688 我的问题 这是我的代码 x,y=make_classification(n_samples=2000,n_classes=2,weights=[1,1],random_state=24)
x_train, x_test, y_train, y_test=train_test_split(x,y,test_size=0.3,random_state=43)
from sklearn.neighbors import KNeighborsClassifi
浏览 57提问于2021-02-25得票数 1
2回答
我想得到分位数回归系数的95%置信区间。您可以在R中使用rq包的quantreg函数计算分位数回归(与OLS模型相比)：
library(quantreg)
LM<-lm(mpg~disp, data = mtcars)
QR<-rq(mpg~disp, data = mtcars, tau=0.5)
我可以用限制函数得到线性模型的95%置信区间：
confint(LM)
当我使用分位数回归时，我理解以下代码会产生引导标准错误：
summary.rq(QR,se="boot")
但实际上，我想要95%的置信区间。也就是说，可以解释如下：“在概率为95%的情况下，区间
浏览 9提问于2016-06-29得票数 8
回答已采纳
我预计下面的代码会返回95%置信区间的上下限：
confint95 = function(mean, se)
{
confint = abs(se*1.96)
lower = abs(mean-cint)
upper = abs(mean+cint)
return(lower,upper)
}
但这给出了这样的信息：
Error in return(lower, upper) : multi-argument returns are not permitted
如何将函数设置为返回95%置信区间的上下限？
浏览 2提问于2012-08-04得票数 6
回答已采纳
如何获得gev.fit中参数的最大似然估计的95%置信区间？在R.的ismev软件包。
gev.fit的输出：
$conv
[1] 0
$nllh
[1] 194.6467
$mle
[1] 93.33096665 17.53896061 -0.02969443
$se
[1] 2.92704621 2.06566895 0.09614705
浏览 0提问于2013-04-16得票数 1
回答已采纳
1回答
R中Roc曲线的置信区间
、、、、
我已经为Logistic和随机森林创建了显示ROC曲线置信区间的代码。但我希望在x轴上有1-特异性，而不是特异性.代码是
roc.list <- roc(test_df$extry ~ Logistic_Regression+Random_Forest)
ci.list <- lapply(roc.list, ci.se, specificities = seq(0, 1, l = 10))
dat.ci.list <- lapply(ci.list, function(ciobj)
data.frame(x = as.numeric(rownames(ciobj))
浏览 10提问于2022-06-20得票数 0
我有一个线性模型： fit <- lm(lifespan ~ log(Metabolic.by.mass), data = anage) 我使用这个模型预测了我的y值为-6.10529，它被确定为17.34775。现在，我正在尝试使用1000次迭代的非参数bootstrap和关键置信区间为该数量创建95%的置信区间。 到目前为止，我有： resample = function(x) {
sample(x, size = length(x), replace = TRUE)
}
B = 1000
pred <- numeric(B)
for (ii in 1:B) {
浏览 70提问于2021-04-04得票数 0
此代码可以绘制具有置信区间的roc曲线： ciobj <- ci.se(obj, specificities=seq(0, 1, l=25))
dat.ci <- data.frame(x = as.numeric(rownames(ciobj)),
lower = ciobj[, 1],
upper = ciobj[, 3])
ggroc(obj) + theme_minimal() + geom_abline(slope=1, intercept = 1, linetype = "d
浏览 123提问于2020-11-05得票数 2
回答已采纳
我如何计算一个分布如下的列表的95%置信区间？当我使用不同的python库这样做时，返回的置信区间不合理地小。
浏览 9提问于2022-09-01得票数 0
1回答
我拟合了一个多元回归模型，并预测了两个样本输出，y1和y2及其置信区间(y1+/-k1和y2+/-k2 )。现在我想将这两个添加为Z= y1+y2。但我如何表示Z的95%置信区间。它会像Z-k1-k2和Z+k1+k2一样吗？
浏览 1提问于2015-10-12得票数 0
2回答
Pystan后验不确定区间
、、、、
我看到了，PyStan在使用posterior_interval()时没有与RStan相同的功能，但我们可以使用numpy.percentile()。我目前正在使用函数在PyStan中，以获得参数集，最大后验的可能性。我现在也想得到一个95%的后验结果的置信区间，所以我想知道numpy.percentile()函数是否会和optimizing函数一起使用？
我试着找出参数分布的95%区间，但这并没有给出一个很好的置信区间。特别是，我不认为这是好的，因为当我期望后验分布呈现多模分布时，我使用numpy.percentile()进行的置信区间是在后验二维高斯贴片内。
我想95%的间隔必须从后部取出
浏览 1提问于2018-12-05得票数 4
回答已采纳
0回答
ROC结果解释
、、
我正在使用WKEA进行分类。我使用了两个算法: adaboost和RBFNetwork。令人惊讶的是，这两种算法在我的数据上都表现不佳，并给出了以下结果：
Adaboost RBFNetwrok
Precision : 0 0
Recall : 0 0
F1-score : 0 0
Accuracy : 91.36 91.36
ROC_AUC : 77.11
浏览 6提问于2016-12-30得票数 0
2回答
嗨，我正在用WEKA分析一些数据。但是，如何从输出数据中计算出的总精度是一个问题。
部分输出如下
按等级分列的详细精度
TP Rate FP Rate Precision Recall F-Measure ROC Area Class
0.85 0.415 0.794 0.85 0.821 0.762 tested_negative
0.585 0.15 0.676 0.585 0.627 0.762
浏览 6提问于2014-04-16得票数 1
1回答
提取R中鲁棒相关的可信区间
、、、、
目前，我知道如何从pbcor包中使用WRS2提取健壮的相关性。此函数计算出估计的稳健相关性周围95%的引导置信区间。为了与我的其他分析和手稿的一致性，我需要提取可信的间隔，而不是置信区间。
如何提取95%的可信区间，而不是95%置信区间？有使用pbcor的方法吗？
我的数据集包含210个观测数据，但下面是数据的子集：
Individual varA varB
1 2.9380842 0.09896456
2 2.9380842 -1.38772037
3 -0.6879859 -2.41310243
4 -0.6879859 0.55722346
5 -
浏览 4提问于2020-10-27得票数 0
回答已采纳
2回答
找到不重叠的范围
、、
我有两个向量
Upper_bound = [421.1706;418.7937;425.9144;431.7096];
Lower_bound = [376.0487;395.4193;402.7083;419.0457];
代表95%置信区间的4个测量(A,B,C,D)。如何自动计算度量之间是否存在显着差异(即95%的置信区间不重叠)。
我喜欢的输出是：
sign_diff = [0 0 0 0;
0 0 0 1;
0 0 0 0;
0 1 0 0];
表示A与A、B、C、D没有区别。
B与A、B、C
浏览 2提问于2015-08-27得票数 0
回答已采纳
我有这个： workday <- data.frame(Measure = c("A", "A", "A"),
Session = c("Welcome", "Class 1", "Lunch Talk"),
Mean = c(7.10, 8.90, 4.47),
Ci95 = c(0.40, 0.56, 0.33)) 我需要从dwplot包中创建一个类似于
浏览 24提问于2020-10-09得票数 0
回答已采纳
1回答
如何使用Python找到并绘制如下所示的LOWESS曲线？
我知道LOWESS实现的，但它似乎不能给我95%的置信区间线，我可以在之间阴影。Seaborn 调用statsmodels实现，但不能绘制置信区间。
StackOverflow 提供了绘制LOWESS/LOWESS线的代码，但没有提供置信区间。有人能帮上忙吗？有没有人知道现有的实现可以让我做到这一点？
提前谢谢。
浏览 8提问于2017-03-07得票数 7
回答已采纳
1回答
我喜欢在qqp (分位数-比较图)图中找到计算出的置信区间外点数(CI 95%)的函数。
在我的例子中：
套餐
require(MASS)
require(car)
模拟60泊松值
Resp<-rpois(60,1)
拟合二项式负分布
nbinom <- fitdistr(Resp, "Negative Binomial")
用qqp绘图
qqp(Resp, "nbinom", size = nbinom$estimate[[1]], mu = nbinom$estimate[[2]])
现在，我想使用任何函数，在qqp (分位数-比较图)
浏览 1提问于2019-03-09得票数 0
回答已采纳
1回答
我只是想弄清楚R -> Python的一个问题:为什么这两个项目不能给出相同的结果？ 计算均值= 65，s= 22，n= 121的样本数据的95%置信区间。 R：tsum.test(n.x=121, mean.x=65, s.x=22) 给出了61.04014 68.95986的95%置信区间 Python：stats.norm.interval(alpha=0.95, loc=65, scale=22/np.sqrt(121)) 给出了(61.080072030919894, 68.9199279690801)的95%置信区间 我认为这些结果应该是相同的，或者我没有为R的tsum.t
浏览 27提问于2019-03-11得票数 0
1回答
是否可以使用function建立一个方程，它将产生一个正态分布，同时产生95%的置信区间所述数据？我知道我可以使用rnorm(n,mean,sd)生成一个随机正态分布，但是如何得到输出来告诉我置信区间呢？
我尝试过sample_CI<- function(n,j,k){list(g<-rnorm(n, mean=j, sd=k), confint(g, level=.95))}。
所有的帮助都很感激。
浏览 0提问于2018-11-22得票数 0
回答已采纳
1回答
有没有办法在Python中找到r置信区间？
在R中，我可以这样做：
cor.test(m, h)
Pearson's product-moment correlation
data: m and h
t = 0.8974, df = 4, p-value = 0.4202
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-0.6022868 0.9164582
sample estimates:
cor
0.4093729
浏览 1提问于2015-05-22得票数 7
1回答
使用pROC软件包绘制ROC曲线有两个问题。
A.显着性水平或P-值是在ROC曲线下的实际(总体)面积为0.5 (零假设:面积= 0.5)时，观测样本面积在ROC曲线下被发现的概率。如果P是小的(P<0.05)，则可以得出结论，ROC曲线下的面积与0.5有显着性差异，因此有证据表明实验室测试确实具有区分这两组的能力。
因此，我想计算一下，在中华民国曲线下的某一区域，是否与0.50有显着性差异。我发现使用pROC包来比较两个ROC曲线的代码如下所示，但不确定如何测试它是否有0.5的显着性。
library(pROC)
data(aSAH)
rocobj1 <- plot
浏览 2提问于2013-04-10得票数 1
回答已采纳
1回答
在预测线图周围绘制置信区间
、、、、
我正在尝试在线条图周围绘制置信度区间，类似于下面的内容：
我正在拟合一个高斯过程，当预测每个值时，它会返回平均值和标准差( std )。使用它，我应该能够绘制置信区间的不同范围。对于我的情况，我尝试将范围设置为10%，20%，... 90%。
目前我正在做这样的事情
y_pred, std = reg.predict(x, return_std=True)
std_z = 1.96 # from z-table for 95%
confidence_interval = std * std_z
plt.plot(x, y_pred)
plt.fill_between(x, y_pr
浏览 13提问于2020-05-29得票数 0
回答已采纳
1回答
我想要画一条代表预测值的线，另外两条线代表95%的置信区间和95%的置信区间。我希望使用来实现这一点。到目前为止，我有一个多线图，但我希望置信区间是一个区域。
我的数据：
const data = [
{"date":"2021-11-17", "category":"upper_95", "value":23.87625},
{"date":"2021-11-17", "category":"lower_95", "value
浏览 3提问于2021-11-25得票数 0
2回答
我正在使用SAS来生成ROC曲线。但是"PROC逻辑“并不能给我提供敏感性和特异性的置信区间。
有没有人知道是否有一个选项来产生敏感度和特异度的下限和上限？
如果不是这样，有没有人知道另一种方法？
想了很多，
浏览 13提问于2018-12-11得票数 0
我试图用ci.auc()函数从pROC包中提取“曲线下面积”估计的两个命名变量的置信区间，但是它会产生和错误：Error in model.frame.default(formula = anchor, data = namedvar1, : 'data' must be a data.frame, environment, or list。怎么能解决这个问题？是否有更好的方法来指定从哪个数据中提取命名变量？
原始代码运行良好：
library(pROC)
df <- structure(list(anchor1 = c(1, 0, 1, 0, 1, 0), named
浏览 4提问于2021-05-14得票数 1
回答已采纳
一个分类响应变量可以接受K个不同的值。显然，狭窄的置信区间意味着在该区间内获得观测的可能性较小，因此，我们的精度更高。95%的置信区间比99%的置信区间更窄，置信区间更宽。
这是否是一个正确的解释，如果不是，什么是最好的原因呢？
浏览 6提问于2021-12-13得票数 0
1回答
我想得到一个与自举置信区间相关的矩阵。
我找到了给出p值和置信区间的相关矩阵的jmv包，但在这种情况下，它们是用Fisher变换计算的。
我发现了如何获得引导置信区间：
library(boot)
Brep = 5000
pearson <- function(d,i=c(1:n)){
d2 <- d[i,]
return(cor(d2$var1,d2$var2))}
bootcorr <- boot(data = data.frame(cbind(var1, var2)), statistic =
pearson ,R=Brep)
ciu <- boot.ci(b
浏览 2提问于2018-07-30得票数 2
回答已采纳
2回答
📷
我有以下线性回归模型及其分析。有几个错误，但我不太确定的错误。到目前为止，我还没有找到他们。
首先，斜坡的95%置信区间应为
📷
所以计算是错误的。
第二，我不确定对置信区间的解释。你会如何理解它的上下文？
浏览 0提问于2020-07-16得票数 2
2回答
我有一个数据集，它被分成三个配置文件
剖面1= 0.478 (95%置信区间: 0.4，0.56)
剖面2= 0.415 (95%置信区间: 0.34，0.49)
剖面3= 0.107 (95%置信区间: 0.06，0.15)
配置文件1+配置文件2+配置文件3=1
我想要创建一个随机模型，从每个比例的置信区间中为每个轮廓选择一个值。我想把这些加在一起。我一直在用
pro1_prop<- rpert (1, 0.4, 0.478, 0.56)
pro2_prop<- rpert (1, 0.34, 0.415, 0.49)
pr
浏览 10提问于2022-08-23得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
