lr – -Translation – Keybot Dictionary

Spacer TTN Translation Network TTN TTN Login Deutsch Français Spacer Help
Source Languages Target Languages
Keybot 11 Results  www.encon.be
  Analyse détaillée de se...  
Rapport de vraisemblance positif (LR+) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité si le test est positif. On a LR+ = Sensibilité / (1-Spécificité).
Verhältnis der positiven Wahrscheinlichkeit (LR+): Dieses Verhältnis gibt an, wie wahrscheinlich es ist für ein zusätzliches Individuum mit einem positiven Testergebnis, wirklich positiv zu sein. Es gilt LR+ = Sensibilität / (1- Spezifizität).
- Razón de verosimilitud positiva (LR +): Esta relación indica a qué punto una persona tiene más posibilidades de ser positivo en la realidad cuando la prueba es que está diciendo es positivo. Tenemos LR + = sensibilidad / (1-especificidad). La RP + es un valor positivo o nulo.
  Analyse détaillée de se...  
Rapport de vraisemblance positif (LR+) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité si le test est positif. On a LR+ = Sensibilité / (1-Spécificité).
Verhältnis der positiven Wahrscheinlichkeit (LR+): Dieses Verhältnis gibt an, wie wahrscheinlich es ist für ein zusätzliches Individuum mit einem positiven Testergebnis, wirklich positiv zu sein. Es gilt LR+ = Sensibilität / (1- Spezifizität).
- Razón de verosimilitud positiva (LR +): Esta relación indica a qué punto una persona tiene más posibilidades de ser positivo en la realidad cuando la prueba es que está diciendo es positivo. Tenemos LR + = sensibilidad / (1-especificidad). La RP + es un valor positivo o nulo.
  Analyse de l’effet de d...  
On test ici le modèle ajusté contre un test dont on aurait retiré la variable de la ligne du tableau en question. Si la probabilité Pr > LR est inférieur à un seul de signification que l'on se fixe (typiquement 0.05), alors la contribution de la variable à l'ajustement du modèle est significative.
Type III analysis: This table is only useful if there is more than one explanatory variable. Here, the adjusted model is tested against a test model where the variable in the row of the table in question has been removed. If the probability Pr > LR is less than a significance threshold which has been set (typically 0.05), then the contribution of the variable to the adjustment of the model is significant. Otherwise, it can be removed from the model.
  Courbes ROC | Logiciel ...  
Rapport de vraisemblance positif (LR+) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité, si le test est positif. On a LR+ = Sensibilité / (1-Spécificité).
感度 (Sensitivity,真陽性率に相当): テストによって正しく検出された陽性ケースの比率.言い換えると,感度は陽性の個体で使用する場合に,テストがどれだけ効果的であるかを測定する.感度が 1のとき,陽性の個体ではテストは完全で,感度が0.5のとき,無作為抽出に相当する.. 0.5よりも下の場合,テストは反対に機能しており,感度が0.5より高くなるように,ルールを逆転させることが有用であろう(ただし,これが特異度には影響しないことが条件). 数学的定義は,次式で与えられる:Sensitivity = TP/(TP + FN).
  Analyse détaillée de se...  
Rapport de vraisemblance négatif (LR-) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité, si le test est négatif. Le risque relatif est nécessairement une valeur positive ou nulle.
Verhältnis der negativen Wahrscheinlichkeit (LR-): Dieses Verhältnis gibt an, wie wahrscheinlich es ist für ein zusätzliches Individuum mit einem positiven Testergebnis, negatives Individuum zu sein. Es gilt LR- = (1- Sensibilität) / (Spezifizität).
- Razón de verosimilitud Negativa (LR-): Esta relación indica a qué punto una persona tiene más posibilidades de ser negativo, en realidad, cuando la prueba es que está diciendo es positivo. Tenemos LR-= (1-sensibilidad) / (especificidad). El LR-es un valor positivo o nulo.
  Analyse détaillée de se...  
Rapport de vraisemblance négatif (LR-) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité, si le test est négatif. Le risque relatif est nécessairement une valeur positive ou nulle.
Verhältnis der negativen Wahrscheinlichkeit (LR-): Dieses Verhältnis gibt an, wie wahrscheinlich es ist für ein zusätzliches Individuum mit einem positiven Testergebnis, negatives Individuum zu sein. Es gilt LR- = (1- Sensibilität) / (Spezifizität).
- Razón de verosimilitud Negativa (LR-): Esta relación indica a qué punto una persona tiene más posibilidades de ser negativo, en realidad, cuando la prueba es que está diciendo es positivo. Tenemos LR-= (1-sensibilidad) / (especificidad). El LR-es un valor positivo o nulo.
  Courbes ROC | Logiciel ...  
Rapport de vraisemblance positif (LR+) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité, si le test est positif. On a LR+ = Sensibilité / (1-Spécificité).
感度 (Sensitivity,真陽性率に相当): テストによって正しく検出された陽性ケースの比率.言い換えると,感度は陽性の個体で使用する場合に,テストがどれだけ効果的であるかを測定する.感度が 1のとき,陽性の個体ではテストは完全で,感度が0.5のとき,無作為抽出に相当する.. 0.5よりも下の場合,テストは反対に機能しており,感度が0.5より高くなるように,ルールを逆転させることが有用であろう(ただし,これが特異度には影響しないことが条件). 数学的定義は,次式で与えられる:Sensitivity = TP/(TP + FN).
  Courbes ROC | Logiciel ...  
Rapport de vraisemblance négatif (LR-) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité, si le test est négatif. Le risque relatif est nécessairement une valeur positive ou nulle.
特異度 (Specificity ,真陰性率に相当):テストによって正しく検出された陰性ケースの比率.言い換えると,特異度は陰性の個体で使用する場合に,テストがどれだけ効果的であるかを測定する.特異度が 1のとき,陰性の個体ではテストは完全で,特異度が0.5のとき,無作為抽出に相当する.0.5よりも下の場合,テストは反対に機能しており,特異度が 0.5より高くなるように,ルールを逆転させることが有用であろう( ただし,これが感度に影響しないことが条件).数学的定義は,次式で与えられる:Specificity = TN/(TN + FP).
  Courbes ROC | Logiciel ...  
Rapport de vraisemblance négatif (LR-) : ce rapport indique à quel point un individu a plus de chance d'être positif en réalité, si le test est négatif. Le risque relatif est nécessairement une valeur positive ou nulle.
特異度 (Specificity ,真陰性率に相当):テストによって正しく検出された陰性ケースの比率.言い換えると,特異度は陰性の個体で使用する場合に,テストがどれだけ効果的であるかを測定する.特異度が 1のとき,陰性の個体ではテストは完全で,特異度が0.5のとき,無作為抽出に相当する.0.5よりも下の場合,テストは反対に機能しており,特異度が 0.5より高くなるように,ルールを逆転させることが有用であろう( ただし,これが感度に影響しないことが条件).数学的定義は,次式で与えられる:Specificity = TN/(TN + FP).
  Courbes ROC | Logiciel ...  
Pour les différents indices synthétiques présentes ci-dessus, plusieurs méthodes de calcul de leur variance et donc des intervalles de confiance on été proposées. On distingue deux familles : la première concerne les proportions, comme par exemple la sensibilité ou la spécificité, et la seconde, les ratios tels LR+ et LR-.
The area under the curve (AUC) is a synthetic index calculated for ROC curves. The AUC is the probability that a positive event is classified as positive by the test given all possible values of the test. For an ideal model we have AUC = 1 (above in blue), where for a random pattern we have AUC = 0.5 (above in red). One usually considers that the model is good when the value of the AUC is higher than 0.7. A well discriminating model should have an AUC between 0.87 and 0.9. A model with an AUC above 0.9 is excellent.
曲線の下部領域(AUC :area under the curve)は,ROC曲線で計算された合成指標である. AUC は,テストのすべての陽性値を与えて,テストが陽性のイベントを陽性と分類する確率である.理想モデルでは AUC = 1(上図の青線),ランダムなパターンでは AUC = 0.5 (上図の赤線)となる.通常, AUC が0.7より大きいと,良いモデルであるとみなされる.識別力の際立ったモデルは,0.87 から 0.9のAUCを持つべきである. 0.9 を超えるAUC を持つモデルは優秀である.
  Courbes ROC | Logiciel ...  
Pour les différents indices synthétiques présentes ci-dessus, plusieurs méthodes de calcul de leur variance et donc des intervalles de confiance on été proposées. On distingue deux familles : la première concerne les proportions, comme par exemple la sensibilité ou la spécificité, et la seconde, les ratios tels LR+ et LR-.
The area under the curve (AUC) is a synthetic index calculated for ROC curves. The AUC is the probability that a positive event is classified as positive by the test given all possible values of the test. For an ideal model we have AUC = 1 (above in blue), where for a random pattern we have AUC = 0.5 (above in red). One usually considers that the model is good when the value of the AUC is higher than 0.7. A well discriminating model should have an AUC between 0.87 and 0.9. A model with an AUC above 0.9 is excellent.
曲線の下部領域(AUC :area under the curve)は,ROC曲線で計算された合成指標である. AUC は,テストのすべての陽性値を与えて,テストが陽性のイベントを陽性と分類する確率である.理想モデルでは AUC = 1(上図の青線),ランダムなパターンでは AUC = 0.5 (上図の赤線)となる.通常, AUC が0.7より大きいと,良いモデルであるとみなされる.識別力の際立ったモデルは,0.87 から 0.9のAUCを持つべきである. 0.9 を超えるAUC を持つモデルは優秀である.