Analisi ROC (Receiver Operating Characteristic)
L'analisi ROC valuta quanto bene una variabile di test continua o ordinale discrimina tra due classi di esito binarie. Rappresentando graficamente il tasso di veri positivi (sensibilità) contro il tasso di falsi positivi (1 − specificità) attraverso tutte le soglie decisionali, produce una curva la cui area sottesa (AUC) quantifica la potenza discriminatoria complessiva, variando da 0,5 (caso) a 1,0 (discriminazione perfetta).
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Hanley, J. A., & McNeil, B. J. (1982). The meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology, 143(1), 29–36. DOI: 10.1148/radiology.143.1.7063747 ↗
- Zweig, M. H., & Campbell, G. (1993). Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clinical Chemistry, 39(4), 561–577. DOI: 10.1093/clinchem/39.4.561 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Receiver Operating Characteristic Analysis. ScholarGate. https://scholargate.app/it/statistics/roc-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analisi DiscriminanteStatistica↔ compare
- Analisi della dimensione dell'effettoStatistica↔ compare
- Correlazione di rango Tau di KendallStatistica↔ compare
- Sensibilità e SpecificitàStatistica per la ricerca↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →