PowerPoint プレゼンテーション

Size: px
Start display at page:

Download "PowerPoint プレゼンテーション"

Transcription

1 SAS による多重比較 美女と野獣 の統計学 浜田知久馬東京理科大学 Multiple comparison using SAS Statistics for Beauty and Beast Chikuma Hamada Tokyo University of Science

2 内容 多重性とその対処 Bonferroniの方法の修正 (Holm,Sidak,Hochberg,Hommel,FDR) 回の場合の棄却域 3 回の場合の棄却域ゲートキーピングと有意水準の配分

3 要旨 検定を繰り返すと多重性によって α エラーが増大する. この多重性について対処する方法についてチュートリアルを行う.Bonferroni の方法とその修正法である Holm, Sidak,Hochberg,Hommel,FDR について解説し, MULTTEST プロシジャでの実行例を示す. また検定が 回と 3 回の場合の棄却域を視覚的に示し, 性能の違いを 示す. 更にゲートキーピング法について解説する. キーワード MULTTEST Bonferroni resampling gatekeeping 3

4 美女と野獣 野獣が絶世の美女と結婚する方法 検定の結果とつの誤り検定ではαエラーを有意水準未満に制御 野獣 真実 王子 差がない 差がある 検定結果 結婚しない 有意差なし 結婚する 有意差あり 正しく判定できた α エラー ( あわて者の誤り ) β エラー ( ぼんやり者の誤り ) 正しく判定できた 4

5 0 回目のプロポーズ大作戦 星野達郎 ( 武田鉄矢 ) 戦法 回のお見合いで美女が誤って 野獣と結婚する (αエラー) 確率は低い ( 有意水準 5%). 0 回のお見合いを美女達とする. 美女達のαエラーの確率は多重性でほぼ00% ( ただし, それだけのコネがあれば ) 5

6 多重性 = まぐれ当たり 下手な鉄砲も 数撃ちゃ当たる 00 回の失敗 回の成功 Poor gun also hit if shoot number 6

7 多群比較の多重性 3 回の t 検定の繰り返し t ij s y j n y i n j i ラット ( 雄 ) のRBC( 赤血球数 ) 単位 ( 0 4 /mm 3 ) 対照群低用量群中用量群高用量群 y y y3 y 4 平均値 標準偏差 N t.0 t3. 47 t4.36 自由度 36のt 分布の5% 点 :.03 7

8 検定の多重性と多重比較 回の比較あたりの有意水準 :5% 3 回の比較全体で偶然で有意差が出る確率 :>>5%( 約.5%) t 検定の多重性 (multiplicity): 複数の検定を同時に行うことで, 偶然によって有意になる確率が大きくなる現象. 多重比較 (multiple comparison): 野獣から美女を守る方法. 全体での 第 Ⅰ 種の過誤の確率を有意水準以下に制御しようとする統計手法. Dunnett: 対照群との対比較 Tukey : 全ての群間の対比較, t のいずれかが有意 3 t4, Bonferroni: 有意水準 / 検定の回数 8

9 臨床試験における多重性の問題 ) 多群 ( 剤 ) 比較 ) 多種検定 ( ログランク, ウイルコクソン,Cox) 3) 多時点の経時的比較 4) 多項目比較 5) サブグループ解析 6) 中間解析 9

10 多重性の対処 ) 検定の回数の減少 絞込み主要評価項目の設定複数の経時時点の要約 : 血中濃度のAUC,Cmax ) 検定の優先順位付け : 閉手順仮説 Aを検定有意 仮説 Bを検定主要評価項目 (PFS) で有意 副次評価項目 (OS) 3)and 論理 ( 全ての検定で有意なときのみ有意 ) 4) 多重比較 ( 有意水準を複数の検定に配分 ) 0

11 多重性による α エラーの上昇 独立な仮説 A と B を有意水準 5% で検定 本当は差がないときに両方とも有意に ならない確率 : ( 0.05) 36/ 400 少なくとも つは有意になる α エラーの確率 ( 0.05) A のみ誤る確率 9/400 39/ A 0.05 B B のみ誤る確率 9/400 A と B を両方誤る確率 /400

12 有意水準の配分 Bonferroni の方法 A + B > A B / 0.05 / /600 Bonferroni :R 回比較を行うときは, 回あたりの比較を有意水準 0.05/R で行う. 全体での誤りは 0.05 以下になる

13 Bonferroni の方法の α エラー A B A B A B 相関 = 0.05<0.05 相関 = <0.05 ( 0.05) 79 /600 相関 = =0.05 有意水準を α/ で検定 = p 値を 倍してから α で検定 3

14 多重性への対処 (A,B の 項目 ) ) 検定の回数の減少 絞込み (A) Aのみ検定 (0.05),Bは参考 ) 検定の優先順位付け : 閉手順 (A B) Aを検定 (0.05) 有意 Bを検定 (0.05) Aを検定 (0.05) 非有意 Bは検定せず 3)and 論理 (A and B) Aを検定 (0.05) and Bを検定 (0.05) 両方有意なとき有意 4) 多重比較 ( 有意水準を複数の検定に配分 )(A or B) Aを検定 (0.05/), Bを検定 (0.05/) AB 4 A A B

15 0) 調整なし 各手法の α エラー A B ) 検定の回数の減少 絞込み (A) A 0.05 ) 検定の優先順位付け : 閉手順 (A B) A 0.05 B 単独で有意になることはなし 3)and 論理 (A and B) A and B = )Bonferroni(A or B) AB A B

16 A B の p 値 各手法の適用結果 *5% 有意 調整なし )A )A B 3)A and B 4)A or B * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 閉手順 (A B) は適切な順序で行えば性能がよい 6

17 MULTTEST のプログラム 回の場合 :Hochberg,Hommel,FDR は同一 data test; do type= to 5; do item= to ; input cards; proc multtest inpvalues=a bonferroni holm hoc;by type;run; 7

18 a: 項目, 全て有意 項目 α α/ 〇 α/ α 項目 p-values Test Raw Bonferroni Stepdown Bonferroni (Holm) Stepup Hochberg Hommel FDR Stepup Bonferroni 0.000* 0.000* 0.000* 0.000* 0.000* 0.000* 0.000* 0.000* 8

19 b: 項目 : 全て有意項目 :B 法 :ns 逐次法 :* 項目 α α/ 〇 α/ 項目 p-values Test Raw Bonferroni Stepdown Bonferroni Stepup Bonferroni 0.000* 0.000* 0.000* 0.000* * * * α 9

20 c: 項目 のみ全て有意 項目 α α/ 〇 α/ α 項目 p-values Test Raw Bonferroni Stepdown Bonferroni Stepup Bonferroni 0.000* 0.000* 0.000* 0.000*

21 d: 項目, Holm:ns Hochberg:* 項目 α α/ 〇 Stepup で有意 α/ α 項目 p-values Test Raw Bonferroni Stepdown Bonferroni Stepup Bonferroni * * * *

22 e: 項目, 全て ns 項目 α α/ 〇 α/ α 項目 p-values Test Raw Bonferroni Stepdown Bonferroni Stepup Bonferroni *

23 赤字 5% 水準で有意 項目 α p α/ c: R B SD SU b: R R B SD SD SU SU a: R R B B SD SD SU SU 結果のまとめ d: R R SU SU e: R R:Raw-p B:Bonferroni SD:Stepdown SU:Stepup α/ p α 項目 3

24 Z y n Z 統計量の同時分布と片側棄却域 ( ( / )) y n Z Hochberg (Stepup) で Z とZ が有意 Z α/ Z α ( / ) Z Z α Z α/ Holm(Stepdown) で Z と Z が有意 Bonferroniで Z orz が有意 / 4 4 / 4

25 Bonferroni Holm Stepup Sidak - (-α) (0,) p で検定 Stepupで p and p が有意 (α/) =α /4 p 値の同時分布と棄却域 ( 独立 ) α α/ (α/, α/) / 4 α/ / 4 (α, α) 面積は等しい α (0,0) (,0) p Holm で p と p が有意 ( ( / )) Stepup の座布団 / 4 Bonferroniで p or p が有意 ( / ) 5

26 p 値の同時分布と棄却域 ( 相関がある場合 ) (0,) p α α/ (α/, α/) (α, α) 面積は等しい 相関係数 r= Bonferron:α/ Stepup:α 相関係数 r=- Bonferron:α Stepup:α α/ α (0,0) (,0) p 6

27 相関と各手法の α エラー r 相関 αエラー Bonferroni αエラー Stepup αエラー Sidak Sidak - (-α) 0.5 /で検定 Bonferroni は 相関に関わらず αを保つ Sidak, Stepupは 負の相関では α を保てない

28 Bonferroni, Holm, Hochberg( 項目 ) )Bonferroni は相関にかかわらず, α エラーを保つ )Holm の全体の α エラー (FWER) は Bonferroni と同じ ( 項目を合わせた棄却域が同じため ) 3)Stepup(Hochberg,Hommel,FDR) は同一の棄却域 Hochberg は,α エラーを正の相関で, 名義水準以下に保つ. 負では保たれない場合がある. ただし, かなり名義水準に近い. 相関が,0,- のときは )Sidak は,α エラーを正の相関で, 名義水準以下に保つ. 負では保たれない場合がある. ただし, かなり名義水準に近い. 相関が 0 のときは

29 data antihyp; ; input test $ datalines; 修正 Bonferroni 3 項目.05 M L proc multtest plots = (adjusted) pdata=antihyp bonferroni sidak holm hochberg hommel fdr;run; 9

30 Hommel で棄却される領域 p 3 p3 Hommel 城 pp p p 30

31 修正 Bonferroni p-values Test Raw Bonferroni RAW 3 Stepdown Bonferroni Holm Sidak Stepup Bonferroni Hochberg Hommel FDR False Discovery Rate.050* * * * * * 0.05* M 0.067* * * * * 0.05* 3 L * * * * * 検出力 (p 値の大きさは逆順 ) Bonferroni<Holm<Hochberg<Hommel<FDR <Sidak 3

32 修正 Bonferroni Bonferroni Sidak Test FDR Hochberg Hommel Holm 調整なし 3 3

33 有意性の判定 p 値または有意水準の調整 名義有意水準 (5%)> 調整したp 値調整した有意水準 > 生のp 値 Bonferroni(R 回の検定 ) 調整した p 値 : 調整しない p 値 R 調整した有意水準 : 調整しない有意水準 /R 33

34 stepdown( 有意性 ) と stepup( 有意性 ) stepdown:(holm) 調整 p 値 p 値が小さいものから固定して, 有意性が単調に低下するようにする. stepup:(hochberg FDR) p 値が大きいものから固定して, 有意性が単調に増加するようにする. p i p 値 (R-i+) p p p 3 p 4 p 値 : stepdown> stepup 34

35 Holm による調整 p 値 (stepdown) s s R p <p <p < 0.067< R=3 p max( s,( R ) max(0.045, p ) p が有意でないと以降は有意差なし 有意水準 (/3)α 有意水準 (/)α 0.067) s 3 max( p,( R ) p 3 ) 有意水準 α max(0.045,0.0470)

36 s s 3 Hochberg による調整 p 値 (stepup) p 3 p <p <p < 0.067< min( s 3, p ( R) ) p3 が有意でなくても以降で有意の可能性 有意水準 α 有意水準 (/)α s min(0.0470, 0.067) min( s,3 p ) 有意水準 (/3)α min(0.0334, )

37 Bonferroni と Simes のグローバル検定 Bonferroniのグローバル検定 : i pi i,,, Rの特定のiを用いる R Simesのグローバル検定 ( 独立性を前提にαエラーを制御 ) i pi R Simesの調整 p 値 : p i,,, Rのいずれかのiについて R min p /R Bonferroniのαエラー : ( / R) Bonferroniのグローバル検定の拡張 sim R p, p,, p R R 37

38 Simes のグローバル検定 R=3 の場合 i pi i,,, R R p: 有意水準 (/3)α で検定 つは (/3)α 以下 p: 有意水準 (/3)αで検定 つは (/3)α 以下 p3: 有意水準 (3/3)αで検定 3つとも (3/3)α 以下 つのみ有望 : 有意水準 (/3)α で検定完全帰無仮説 つ有望 : 有意水準 (/3)α で検定の FWER を制御 3 つ有望 : 有意水準 (3/3)α で検定 {,,3} 下 Simesを順じ適用 :FDR( 棄却したもので真の帰無仮説の割合を制御 38)

39 s s s FDR(Simes の多重比較 :stepup) 3 p <p <p < 0.067< p min( s min(0.0470,3/ min( s,3/,3 ) min(0.05,3 3 p p ( R) ) 0.050) 0.067) α エラーは部分帰無仮説の下では制御できない Benjamini and Hochberg 有意水準 α 有意水準 (/3)α 有意水準 (/3)α 39

40 α α/3 α/ α/3 Hommel(Simes の閉手順多重比較 ) {,} {,,3} {,3} {,3} p <p <p 3 H(/α) と H3(α) で検定 {} {} {3} 3 40

41 Hommel の決定行列 番号番号積仮説 p 値 H H H3 77 H3 3 min(p,p/, p3/3) Hを yes yes yes 66 H min(p,p/) implyする仮説の yes yes no p 値の最大値が 55 H3 min(p,p3/) 調整 p 値 yes no yes 44 H p yes no no 33 H3 min(p,p3/) no yes yes H p no yes no H3 p3 no no yes 全ての仮説で有意になる必要があるため, 調整 p 値は最大値 4

42 Hommel の決定行列 p=0.050 <p=0.067 <p3= 番号番号積仮説 p 値 H H H3 77 H3 3 min(p,p/,p/3)=0.05 yes yes yes 66 H min(p,p/)=0.067 yes yes no 55 H3 min(p,p3/)= yes no yes 44 H p=0.050 yes no no 33 H3 min(p,p3/)= no yes yes H p=0.067 no yes no H3 p3= no no yes yesで列の最大値 参考 FDR(Simes)

43 Bonferroni,Sidak,Simes 有意水準 α/3で検定したときの Bonferroni 法のαエラーの確率 3 p3 p ( ( / 3)) 3 / 3 3 / 7 α 差の / 3-3 / 7を配分 Sidak: 境界線 ( 壁 ) を厚くする Simes : 影の外に出城を築く 43

44 多重性を調整しない棄却域有意水準 0.5 体積は =7/8=0.875 有意水準 α で有意 α=

45 Bonferroni で棄却される領域 : 体積は 0.4 Bonferroni の壁 壁の厚さは α/3 p3 有意水準 α/3=0.67 で有意 α=0.50 p p3 p p p 45

46 Bonferroni で確率が重なる領域 Sidak の壁,Simes 城の建設資材 46 7 / 3 / 3)) / ( ( ) / ( 3 / 3) / ( } 3) / ( 3) / 3{( p p p3 3

47 Sidak で棄却される領域 壁の体積は 壁の厚さ >α/3 idak の壁 有意水準 0.06 で有意 47

48 Simes(FDR) で棄却される領域 4 つの塔から構成体積は (-α)α /9 Simes 城 有意水準 (/3)α で有意 (-α)α /9 8/7 α 3 (-α)α /9 有意水準 (3/3)α で有意 3{( )( / 3) } 8( / 3) 3 / 3 ( / 3) 3 48

49 Holm で棄却される領域 ( 壁の体積は 0.4) 青 項目が有意 赤 項目が有意 緑 3 項目が有意 49

50 Hochberg 棄却される領域 4 つの塔から構成 廊下が狭い体積は Hochberg 城 p: 有意水準 (/)α で有意 p3: 有意水準 α で有意 50

51 Hommelの棄却域体積は0.476 /α ー /3α, /α ー /3α, α ー では有意にならない 0,0, α/,α/, Hommel 城 p3.00 α/3,α/3, α,α,α p p

52 Bonferroni, Holm, Hochberg(3 項目 ) )Holm の全体の α エラー (FWER) は Bonferroni と同じ (3 項目を合わせた棄却域が同じため ),α を名義水準以下に常に保つ. ) 棄却域 Bonferroni< Hochberg<Hommel<FDR 3)Sidak,Hochberg,Hommel 0 以上の正の相関で, 名義水準以下に保つ. 負では保たれない場合がある. ただし, かなり名義水準に近い. 4) FDR は FWER が部分帰無仮説の下では保たれないが, FDR を制御 5

53 6つの方法の棄却域の比較1 bonferroni sidak 体積 0.4 体積 p p p p total alpha=0.50 blue: red: green:3 N of sig p p total alpha=0.50 blue: red: green:3 N of sig. 53

54 6つの方法の棄却域の比較 stepdownbonferroni Holm hochberg 体積 0.4 体積 p p p p total alpha=0.50 blue: red: green:3 N of sig p p total alpha=0.50 blue: red: green:3 N of sig. 54

55 6つの方法の棄却域の比較3 体積 hommel 体積 FDR p p p total alpha=0.50 blue: red: green:3 N of sig. 55

56 多重比較法 Bonferroni Holm Sidak Hochberg 棄却域の形状 (3 項目 ) α/3 の厚さの壁 α/3 の厚さの壁 α/3 より厚い壁 4 層の城塔が狭い 体積 原理 まとめ 妥当性 (α の制御 ) <α Bonferroniの不等式 正, 独立, 負 の相関 <α =α Stepdown Bonferroni 独立性を仮定して α エラーを制御 正, 独立, 負の相関 正, 独立 検出力 調整 p 値 B 法より大 <α Stepup Bonferroni 正, 独立 Hommel 5 層の城 <α Simes の閉手順正, 独立 FDR 4 層の城塔が広い =α Simes の 段階手順 FDR を制御

57 Closed Testing Procedure( 閉手順 ) 閉じた帰無仮設の族について, 仮説 H P を imply するすべての上位の仮説 H Q F および H P 自身が, それぞれ比較当たり有意水準 α で棄却されるとき, H P を棄却する. H H q p H o H r H P を imply する上位の帰無仮説が保留される場合は H P も保留する 57

58 ゲートキーピング (gatekeeping): family 単位の閉手順重要度によりまとめた帰無仮説の集合 ( 族 :family) のうち, 重要度の高い族から順に検定を行う方法. 族内では検定の優先順位を事前に決めない. family family family3 58

59 直列 (serial) と並列 (parallel) ゲートキーピング 直列 (serial) ゲートキーピング (and) 族に含まれる全ての帰無仮説を棄却したときに, 次の族を検定する方法. 族 と族 の積仮説に対して, 族 のみの積仮説と同様の検定を行う. 族 の検定結果は族 に影響しない. 並列 (parallel) ゲートキーピング (or) 族に含まれるいずれかの帰無仮説を棄却したときに, 次の族を検定する方法. 族 の全ての仮説と族 の積仮説に対して, 族 の全ての仮説の積仮説と同様の検定を行う. 59

60 直列 (serial) ゲートキーピング 仮説 仮説 仮説 3 and and 族に含まれる全ての帰無仮説を棄却したときにゲートが開く 60

61 並列 (parallel) ゲートキーピング or or 仮説 仮説 仮説 3 族に含まれるいずれかの帰無仮説を棄却したときに, ゲートが開く 6

62 種類の並列 (parallel) ゲートキーピング条件 Aと条件 B 条件 A( 修正 Bonferroni) family i family i+ 族 i+ 以降の検定結果が, 族 i の結果に影響を与える. 条件 B(Bonferroni) family i family i+ 族 i+ 以降の検定結果が, 族 i の結果に影響を与えない. 検出力は A: 修正 Bonferroni>B: Bonferroni 6

63 想定する状況 後期 Ⅱ 相用量反応試験 P L H 3 群試験 P: プラセボ L: 低用量 H: 高用量 ( 用量相関性あり ) 閉手順 P-H P-L 主要評価 : 項目 (A,B) 優先順位なし H :A,P-H H :B,P-H H :A,P-L H :B,P-L BP BH AP AL BP BL AP AH 63

64 直列 (serial) ゲートキーピング手順 :Holm 主要評価 (Holm) Gatekeeper 副次評価 (Holm) H :P-H 項目 A H :P-H 項目 B H :P-L 項目 A H :P-L 項目 B 主要評価が 項目で有意 副次を有意水準 αでholm 主要評価が有意差なし 副次を評価せず 64

65 並列 (parallel) ゲートキーピング手順 主要評価 Gatekeeper 副次評価 H :P-H 項目 A H :P-H 項目 B H :P-L 項目 A H :P-L 項目 B 主要評価のいずれかが有意主要評価が有意差なし 副次を検定 副次を評価せず 65

66 閉じた帰無仮説の族 :H A,P-H :H B,P-H 3:H A,P-L 4:H B,P-L 閉じた帰無仮説族が全ての積仮説を {,,3,4} :H H H H 含んでいる. {,,3} :H H H {,,4} :H H H {,3,4} :H H H {,3,4} :H H H {,} :H H {,3} :H H 3 {,4} :H H {,3} :H H {,4} :H H {3,4} :H H {} :H {} :H {3} :H {4} :H 66

67 α α/ α/3 α/4 Holm 閉手順で検定, ある が棄却されなければ, それが imply するすべての を保留する. {,,3,4} 3 4 {,,3} {,,4} {,3,4} {,3,4} { }: α/4 で検定 { }: α/3 で検定 H を imply {,} {,3} {,4} {,3} {,4} {3,4} { }: α/ で検定 {} {} {3} {4} 3 4 { }: α で検定 67

68 Holm の判定行列 番号番号積仮説 p 値 H H 3H 4H 55 H34 4 min(p,p,p,p) yes yes yes yes 44 H3 3 min(p,p,p) yes yes yes no 33 H4 3 min(p,p,p) yes yes no yes H min(p,p) yes yes no no H34 3 min(p,p,p) yes no yes yes 00 H3 min(p,p) yes no yes no 9 H4 min(p,p) yes no no yes 8 H p yes no no no 7 H34 3 min(p,p,p) no yes yes yes 6 H3 min(p,p) no yes yes no 5 H4 min(p,p) no yes no yes 4 H p no yes no no 3 H34 min(p,p) no no yes yes H3 p no no yes no H4 p no no no yes 最小 p 値を 4 倍 最小 p 値を 3 倍 最小 p 値を 倍 H を imply する仮説の p 値の最大値が調整 p 値 68

69 α H を imply 閉手順 H H H 3 H 4 H {,,3,4} 0 {,,3} {,,4} {,3,4} {,3,4} {,} {,3} {,4} {,3} {,4} {3,4} 3 { } min { } の仮説で検定 {} {} {3} {4}

70 閉手順の判定行列 番号番号積仮説 p 値 H H 3H 4H 55 H34 p yes yes yes yes 44 H3 p yes yes yes no 33 H4 p yes yes no yes H p yes yes no no H34 p yes no yes yes 00 H3 p yes no yes no 9 H4 p yes no no yes 8 H p yes no no no 7 H34 p no yes yes yes 6 H3 p no yes yes no 5 H4 p no yes no yes 4 H p no yes no no 3 H34 p no no yes yes H3 p no no yes no P で検定 P で検定 P H4 p no no no yes P で検定 70

71 直列ゲートキーピング α α/ α/4 :H A,P-H :H B,P-H 3:H A,P-L 4:H B,P-L {,,3,4} {,,3} {,,4} {,3,4} {,3,4} {,} {,3} {,4} {,3} {,4} {3,4} 3 4 {} {} {3} {4} 3 4 7

72 直列ゲートキーピング 番号番号積仮説 p 値 H H 3H 4H 55 H34 min( p, p) 主 yes yes yes yes 44 H3 min( p, p) 要 yes yes yes no 評 33 H4 min( p, p) 価 yes yes no yes H min( p, p) は yes yes no no 副 H34 p 次 yes no yes yes 00 H3 p 評 yes no yes no 9 H4 p 価の yes no no yes 8 H p 影 yes no no no 7 H34 p 響を no yes yes yes 6 H3 p 受 no yes yes no 5 H4 p けな no yes no yes 4 H p い no yes no no 3 H34 min( p, p) no no yes yes H3 p no no yes no H4 p no no no yes 7

73 並列ゲートキーピング (A) α α/ α/4 :H A,P-H :H B,P-H 3:H A,P-L 4:H B,P-L {,,3,4} {,,3} {,,4} {,3,4} {,3,4} {,} {,3} {,4} {,3} {,4} {3,4} H {} 0 H {} 0 H {3} 0 H {4} 0 α α

74 並列ゲートキーピング (A) 番号番号積仮説 p 値 H H 3H 4H 55 H34 min( p, p) yes yes yes yes 44 H3 min( p, p) yes yes yes no 33 H4 min( p, p) yes yes no yes H min( p, p) yes yes no no H34 min( p,4 p,4 p) yes no yes yes 00 H3 min( p, p) yes no yes no 9 H4 min( p, p) yes no no yes 8 H p yes no no no 7 H34 min( p,4 p,4 p) no yes yes yes 6 H3 min( p, p) no yes yes no 5 H4 min( p, p) no yes no yes 4 H p no yes no no 3 H34 min( p, p) no no yes yes H3 p no no yes no H4 p no no no yes 74

75 並列ゲートキーピング H34 の検定 min( p,4 p,4 p) H :P-H 項目 H or H : が α/4 未満であれば棄却 H :P-H 項目 A H :P-H 項目 B α/ H :P-L 項目 A H :P-L 項目 B α/4 α/4 帰無仮設 H :P-H 項目 Bは成立してないので門番はいない H : α H : α/ H : α/ で検定するとαを越えてしまう. H の検定はH H : に依存 75

76 α α/ α/4 並列ゲートキーピング (B) :H A,P-H :H B,P-H 3:H A,P-L 4:H B,P-L {,,3,4} {,,3} {,,4} {,3,4} {,3,4} {,} {,3} {,4} {,3} {,4} {3,4} H {} 0 H {} 0 H {3} 0 H {4} 0 α/ α/

77 常に α/ で検定 並列ゲートキーピング (B) 番号番号積仮説 p 値 H H 3H 4H 55 H34 min( p, p) yes yes yes yes 44 H3 min( p, p) yes yes yes no 33 H4 min( p, p) yes yes no yes H min( p, p) yes yes no no H34 min( p,4 p,4 p) yes no yes yes 00 H3 min( p, p) yes no yes no 9 H4 min( p, p) yes no no yes 8 H p yes no no no 7 H34 min( p,4 p,4 p) no yes yes yes 6 H3 min( p, p) no yes yes no 5 H4 min( p, p) no yes no yes 4 H p no yes no no 3 H34 min( p, p) no no yes yes H3 p no no yes no H4 p no no no yes 77

78 マクロ %GateKeeper(dataset,test,outdata) dataset: 順序付けされた仮説族に対する情報と未調整 p 値を含んだデータセット test: B Bonferroni(B) MB 修正 Bonferroni(A) S Simes outdata: 調整 p 値を出力するデータセット 78

79 マクロ %GateKeeper の対象データ 変数 FAMILY 仮説の族 変数 SERIAL 0: 並列 : 直列 変数 WEIGHT 族内の有意水準の配分族内の和は 変数 RELIMP 変数 RAW_P 後の族に対する相対的重要度 未調整 p 値 Alex Dmitrienko, Geert Molenberghs, Christy Chuang-Stein, Walter W. Offen(005) Analysis of Clinical Trials Using SAS: A Practical Guide SAS Institute よりプログラムは入手可能 79

80 直列と並列データセット data examplea; * 直列 ; input hyp $ family serial weight relimp datalines; H H H H data examplea; * 並列 ; input hyp $ family serial weight relimp datalines; H H H H

81 並列 Bon, 並列 Bon 修正が一致する場合 仮説 hyp family raw_p 直列 Bon 並列 A 並列 B A P-H H * 0.004* 0.004* B P-H H * A P-L H B P-L H HH(0.00) H(0.06) HH(0.300) H(0.400) 8

82 p が修正の有無で異なる場合 仮説 hyp family raw_p 直列 Bon Holm** 並列 A 並列 B A P-H H * 0.004* 0.004* B P-H H * 0.030* (0.05 ) 0.05 (0.06 ) A P-L H * 0.004* 0.004* B P-L H * 0.030* 0.030* HH(0.00) H(0.06) HH(0.00) H(0.05) 8

83 直列で gate が開かない場合仮説 hyp family raw_p 直列 Bon 並列 A 並列 B A P-H H * 0.004* 0.004* B P-H H H {,3} H {,3} A P-L * 0.004* {,4} (0.05 ) (0.00 4) B P-L H * 0.030* (0.05 ) HH(0.00) H(0.05) HH(0.00) H(0.05) 83

84 直列ゲートキーピング : 重みを非等配分 番号番号積仮説 p 値 H H 3H 4H 55 H34 min(p/w,p/w) yes yes yes yes 44 H3 min(p/w,p/w) yes yes yes no 33 H4 min(p/w,p/w) yes yes no yes H min(p/w,p/w) yes yes no no H34 p yes no yes yes 00 H3 p yes no yes no 9 H4 p w w yes no no yes 8 H p w w yes no no no 7 H34 p no yes yes yes 6 H3 p w 0.5 : Bonferroni no yes yes no 5 H4 p no yes no yes 4 H p no yes no no 3 H34 min(p/w,p/w) no no yes yes H3 p no no yes no H4 p no no no yes 84

85 項目の ES (Effect Size) ES=ES=0.3 r= 重みによる検出力の違い w 85

86 重みによる検出力の違い w 項目の ES (Effect Size) ES=0.30 ES=0.45 r=.5 項目 の重み 86

87 AND 検出力を最大にする重み w r ES ES 項目 の効果大 項目 の効果大 87

88 森川馨田崎武信 (009) 参考文献 治験の統計解析理論と SAS による実践. 講談社 Alex Dmitrienko, Geert Molenberghs, Christy Chuang-Stein Walter Offen(005) Analysis of clinical trials using SAS : a practical guide. SAS Institute Peter H. Westfall, Randall D. Tobias, Russell D. Wolfinger (0) Multiple Comparisons and Multiple Tests Using SAS. SAS Institute 88

<4D F736F F F696E74202D2091BD8F6494E48A7282CC8AEE916282C B C815B F96405F947A957A97702E >

<4D F736F F F696E74202D2091BD8F6494E48A7282CC8AEE916282C B C815B F96405F947A957A97702E > 第 27 回創薬情報研究会 多重比較の基礎とゲートキーピング法 日本開発センタークリニカルデータサイエンス部舟尾暢男 おわび 後で読み返していただいた際に理解しやすい様 細かなところまで説明するよう努めました そのため 内容が盛りだくさんとなってしまい 早口で説明させていただくこととなります ご容赦下さい また 全てをお話してしまうと時間が大幅に超過してしまいますので本講演では タイトルに があるスライド

More information

データ科学2.pptx

データ科学2.pptx データ科学 多重検定 2 mul%ple test False Discovery Rate 藤博幸 前回の復習 1 多くの検定を繰り返す時には 単純に個々の検定を繰り返すだけでは不十分 5% 有意水準ということは, 1000 回検定を繰り返すと, 50 回くらいは帰無仮説が正しいのに 間違って棄却されてすまうじちがあるということ ex) 1 万個の遺伝子について 正常細胞とガン細胞で それぞれの遺伝子の発現に差があるかどうかを検定

More information

<4D F736F F D204B208C5182CC94E497A682CC8DB782CC8C9F92E BD8F6494E48A722E646F6378>

<4D F736F F D204B208C5182CC94E497A682CC8DB782CC8C9F92E BD8F6494E48A722E646F6378> 3 群以上の比率の差の多重検定法 013 年 1 月 15 日 017 年 3 月 14 日修正 3 群以上の比率の差の多重検定法 ( 対比較 ) 分割表で表記される計数データについて群間で比率の差の検定を行う場合 全体としての統計的有意性の有無は χ 検定により判断することができるが 個々の群間の差の有意性を判定するためには多重検定法が必要となる 3 群以上の比率の差を対比較で検定する方法としては

More information

<4D F736F F F696E74202D204D C982E682E892B290AE82B582BD838A E8DB782CC904D978A8BE68AD482C98AD682B782E988EA8D6C8E402E >

<4D F736F F F696E74202D204D C982E682E892B290AE82B582BD838A E8DB782CC904D978A8BE68AD482C98AD682B782E988EA8D6C8E402E > SAS ユーザー総会 2017 Mantel-Haenszel 法により調整したリスク差の信頼区間に関する一考察 武田薬品工業株式会社日本開発センター生物統計室佐々木英麿 舟尾暢男 要旨 Mantel-Haenszel 法により調整したリスク差に関する以下の信頼区間の算出方法を紹介し 各信頼区間の被覆確率をシミュレーションにより確認することで性能評価を行う Greenland 信頼区間 Sato 信頼区間

More information

Medical3

Medical3 Chapter 1 1.4.1 1 元配置分散分析と多重比較の実行 3つの治療法による測定値に有意な差が認められるかどうかを分散分析で調べます この例では 因子が1つだけ含まれるため1 元配置分散分析 one-way ANOVA の適用になります また 多重比較法 multiple comparison procedure を用いて 具体的のどの治療法の間に有意差が認められるかを検定します 1. 分析メニュー

More information

Microsoft PowerPoint - 【配布・WEB公開用】SAS発表資料.pptx

Microsoft PowerPoint - 【配布・WEB公開用】SAS発表資料.pptx 生存関数における信頼区間算出法の比較 佐藤聖士, 浜田知久馬東京理科大学工学研究科 Comparison of confidence intervals for survival rate Masashi Sato, Chikuma Hamada Graduate school of Engineering, Tokyo University of Science 要旨 : 生存割合の信頼区間算出の際に用いられる各変換関数の性能について被覆確率を評価指標として比較した.

More information

paper2005b14.dvi

paper2005b14.dvi R BH 1 (2004) 1 (Familywise error rate) Tukey step-down Tukey-Welsch R (False Discovery Rate) () Benjamini and Hochberg(1995) BH adaptivebh BY R 2 (False Discovery Rate) m m 0 m 1 m = m 0 + m 1 R Benjamini

More information

Vol. 29, No. 2, (2008) FDR Introduction of FDR and Comparisons of Multiple Testing Procedures that Control It Shin-ichi Matsuda Department of

Vol. 29, No. 2, (2008) FDR Introduction of FDR and Comparisons of Multiple Testing Procedures that Control It Shin-ichi Matsuda Department of Vol. 29, No. 2, 125 139 (2008) FDR Introduction of FDR and Comparisons of Multiple Testing Procedures that Control It Shin-ichi Matsuda Department of Information Systems and Mathematical Sciences, Faculty

More information

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説 第 3 章 t 検定 (pp. 33-42) 3-1 統計的検定 統計的検定とは 設定した仮説を検証する場合に 仮説に基づいて集めた標本を 確率論の観点から分析 検証すること 使用する標本は 母集団から無作為抽出されたものでなければならない パラメトリック検定とノンパラメトリック検定 パラメトリック検定は母集団が正規分布に従う間隔尺度あるいは比率尺度の連続データを対象とする ノンパラメトリック検定は母集団に特定の分布を仮定しない

More information

Microsoft PowerPoint - SAS2012_ZHANG_0629.ppt [互換モード]

Microsoft PowerPoint - SAS2012_ZHANG_0629.ppt [互換モード] SAS による生存時間解析の実務 張方紅グラクソ スミスクライン ( 株 バイオメディカルデータサイエンス部 Practice of Survival Analysis sing SAS Fanghong Zhang Biomedical Data Science Department, GlaxoSmithKline K.K. 要旨 : SASによる生存時間解析の実務経験を共有する. データの要約

More information

基礎統計

基礎統計 基礎統計 第 11 回講義資料 6.4.2 標本平均の差の標本分布 母平均の差 標本平均の差をみれば良い ただし, 母分散に依存するため場合分けをする 1 2 3 分散が既知分散が未知であるが等しい分散が未知であり等しいとは限らない 1 母分散が既知のとき が既知 標準化変量 2 母分散が未知であり, 等しいとき 分散が未知であるが, 等しいということは分かっているとき 標準化変量 自由度 の t

More information

EBNと疫学

EBNと疫学 推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定

More information

統計的データ解析

統計的データ解析 統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c

More information

Medical3

Medical3 1.4.1 クロス集計表の作成 -l m 分割表 - 3つ以上のカテゴリを含む変数を用いて l mのクロス集計表による分析を行います この例では race( 人種 ) によってlow( 低体重出生 ) に差が認められるかどうかを分析します 人種には3つのカテゴリ 低体重出生には2つのカテゴリが含まれています 2つの変数はともにカテゴリ変数であるため クロス集計表によって分析します 1. 分析メニュー

More information

Microsoft Word - å“Ÿåłžå¸°173.docx

Microsoft Word - å“Ÿåłžå¸°173.docx 回帰分析 ( その 3) 経済情報処理 価格弾力性の推定ある商品について その購入量を w 単価を p とし それぞれの変化量を w p で表 w w すことにする この時 この商品の価格弾力性 は により定義される これ p p は p が 1 パーセント変化した場合に w が何パーセント変化するかを示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw

More information

スライド 1

スライド 1 生存時間解析における Lakatos の症例数設計法の有用性の評価 魚住龍史, * 水澤純基 浜田知久馬 日本化薬株式会社医薬データセンター 東京理科大学工学部経営工学科 Evaluation of availability about sample size formula by Lakatos on survival analysis Ryuji Uozumi,, * Junki Mizusawa,

More information

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好 . 内容 3. 質的データの解析方法 ( 名義尺度 ).χ 検定 タイプ. 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 点比較法 点識別法 点嗜好法 3 点比較法 3 点識別法 3 点嗜好法 : 点比較法 : 点識別法 配偶法 配偶法 ( 官能評価の基礎と応用 ) 3 A か B かの判定において 回の判定でAが選ばれる回数 kは p の二項分布に従う H :

More information

日本経営システム学会

日本経営システム学会 統計的検定における多重比較に関する一考察 名古屋大学古橋武 A Study on Multiple Comparisons in Statistical Test Nagoya University Takeshi Furuhashi 1 はじめに多重比較は研究者にとって間違いやすく, いささかならずややこしい問題である. 本稿は統計的検定における多重性の問題について, 全て Excel のシミュレーションによる具体例を紹介しながら,

More information

Excelによる統計分析検定_知識編_小塚明_5_9章.indd

Excelによる統計分析検定_知識編_小塚明_5_9章.indd 第7章57766 検定と推定 サンプリングによって得られた標本から, 母集団の統計的性質に対して推測を行うことを統計的推測といいます 本章では, 推測統計の根幹をなす仮説検定と推定の基本的な考え方について説明します 前章までの知識を用いて, 具体的な分析を行います 本章以降の知識は操作編での操作に直接関連していますので, 少し聞きなれない言葉ですが, 帰無仮説 有意水準 棄却域 などの意味を理解して,

More information

情報工学概論

情報工学概論 確率と統計 中山クラス 第 11 週 0 本日の内容 第 3 回レポート解説 第 5 章 5.6 独立性の検定 ( カイ二乗検定 ) 5.7 サンプルサイズの検定結果への影響練習問題 (4),(5) 第 4 回レポート課題の説明 1 演習問題 ( 前回 ) の解説 勉強時間と定期試験の得点の関係を無相関検定により調べる. データ入力 > aa

More information

青焼 1章[15-52].indd

青焼 1章[15-52].indd 1 第 1 章統計の基礎知識 1 1 なぜ統計解析が必要なのか? 人間は自分自身の経験にもとづいて 感覚的にものごとを判断しがちである 例えばある疾患に対する標準治療薬の有効率が 50% であったとする そこに新薬が登場し ある医師がその新薬を 5 人の患者に使ったところ 4 人が有効と判定されたとしたら 多くの医師はこれまでの標準治療薬よりも新薬のほうが有効性が高そうだと感じることだろう しかし

More information

Microsoft Word - Stattext12.doc

Microsoft Word - Stattext12.doc 章対応のない 群間の量的データの検定. 検定手順 この章ではデータ間に 対 の対応のないつの標本から推定される母集団間の平均値や中央値の比較を行ないます 検定手法は 図. のようにまず正規に従うかどうかを調べます 但し この場合はつの群が共に正規に従うことを調べる必要があります 次に 群とも正規ならば F 検定を用いて等分散であるかどうかを調べます 等分散の場合は t 検定 等分散でない場合はウェルチ

More information

ビジネス統計 統計基礎とエクセル分析 正誤表

ビジネス統計 統計基礎とエクセル分析 正誤表 ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります

More information

解析センターを知っていただく キャンペーン

解析センターを知っていただく キャンペーン 005..5 SAS 問題設定 目的 PKパラメータ (AUC,Cmax,Tmaxなど) の推定 PKパラメータの群間比較 PKパラメータのバラツキの評価! データの特徴 非反復測定値 個体につき 個の測定値しか得られない plasma concentration 非反復測定値のイメージ図 測定時点間で個体の対応がない 着目する状況 plasma concentration 経時反復測定値のイメージ図

More information

Microsoft PowerPoint - e-stat(OLS).pptx

Microsoft PowerPoint - e-stat(OLS).pptx 経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数

More information

RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな

RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな RSS Higher Certiicate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question (i) 帰無仮説 : 00C と 50C において鉄鋼の破壊応力の母平均には違いはない. 対立仮説 : 破壊応力の母平均には違いがあり, 50C の方ときの方が大きい. n 8, n 7, x 59.6,

More information

仮説検定を伴う方法では 検定の仮定が満たされ 検定に適切な検出力があり データの分析に使用される近似で有効な結果が得られることを確認することを推奨します カイ二乗検定の場合 仮定はデータ収集に固有であるためデータチェックでは対応しません Minitab は近似法の検出力と妥当性に焦点を絞っています

仮説検定を伴う方法では 検定の仮定が満たされ 検定に適切な検出力があり データの分析に使用される近似で有効な結果が得られることを確認することを推奨します カイ二乗検定の場合 仮定はデータ収集に固有であるためデータチェックでは対応しません Minitab は近似法の検出力と妥当性に焦点を絞っています MINITAB アシスタントホワイトペーパー本書は Minitab 統計ソフトウェアのアシスタントで使用される方法およびデータチェックを開発するため Minitab の統計専門家によって行われた調査に関する一連の文書の 1 つです カイ二乗検定 概要 実際には 連続データの収集が不可能な場合や難しい場合 品質の専門家は工程を評価するためのカテゴリデータの収集が必要となることがあります たとえば 製品は不良

More information

Microsoft Word - Stattext13.doc

Microsoft Word - Stattext13.doc 3 章対応のある 群間の量的データの検定 3. 検定手順 この章では対応がある場合の量的データの検定方法について学びます この場合も図 3. のように最初に正規に従うかどうかを調べます 正規性が認められた場合は対応がある場合の t 検定 正規性が認められない場合はウィルコクソン (Wlcoxo) の符号付き順位和検定を行ないます 章で述べた検定方法と似ていますが ここでは対応のあるデータ同士を引き算した値を用いて判断します

More information

Microsoft Word - 第14回定例会_平田様_final .doc

Microsoft Word - 第14回定例会_平田様_final .doc クロスオーバー実験のデザインと解析 - テレメトリー法によ る QT/QTc 試験の実データを用いた検討 - II. クロスオーバー実験の統計解析 4) 有意差検定と信頼区間方式の解析の比較 平田篤由 薬理統計グループ安全性薬理チーム 要約 : ヒトの QT/QTc 評価試験における判断基準は,QTc 間隔の 95% 信頼区間の上限が 10ms を越えるかどうかである. 一方, 非臨床試験のイヌを用いたテレメトリー

More information

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め

More information

SAS_2014_zhang_3

SAS_2014_zhang_3 生物学的同等性試験における例数設計 : 正確 近似と漸近 張方紅 安藤英一グラクソ スミスクライン 株 バイオメディカルデータサイエンス部 Sample size for bioequivalence rials: Exac approximae and asympoic mehods Fanghong Zhang and Hidekazu Ando Biomedical Daa Science Deparmen

More information

: : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : :

: : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 1 1 1 1.1 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 1 1.2 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 1 1.2.1 t :

More information

Chapter カスタムテーブルの概要 カスタムテーブル Custom Tables は 複数の変数に基づいた多重クロス集計テーブルや スケール変数を用いた集計テーブルなど より複雑な集計表を自由に設計することができるIBM SPSS Statisticsのオプション製品です テーブ

Chapter カスタムテーブルの概要 カスタムテーブル Custom Tables は 複数の変数に基づいた多重クロス集計テーブルや スケール変数を用いた集計テーブルなど より複雑な集計表を自由に設計することができるIBM SPSS Statisticsのオプション製品です テーブ カスタムテーブル入門 1 カスタムテーブル入門 カスタムテーブル Custom Tables は IBM SPSS Statisticsのオプション機能の1つです カスタムテーブルを追加することで 基本的な度数集計テーブルやクロス集計テーブルの作成はもちろん 複数の変数を積み重ねた多重クロス集計テーブルや スケール変数を用いた集計テーブルなど より複雑で柔軟な集計表を作成することができます この章では

More information

解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札

解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札 解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札を入れまず1 枚取り出す ( 仮に1 番とする ). 最初に1 番の学生を選ぶ. その1 番の札を箱の中に戻し,

More information

Microsoft PowerPoint - SASユーザ総会2016_MRCT_送付用.pptx

Microsoft PowerPoint - SASユーザ総会2016_MRCT_送付用.pptx Multi Regional Clinical Trial の生存時間解析における地域ごとのイベント発現数の予測 淀康秀 1 浜田知久馬 2 ( 1 大日本住友製薬株式会社 2 東京理科大学 ) The prediction of the number of survival event occurrence by region in Multi-Regional Clinical Trial Yasuhide

More information

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, AstraZeneca KK 要旨 : NLMIXEDプロシジャの最尤推定の機能を用いて 指数分布 Weibull

More information

経済統計分析1 イントロダクション

経済統計分析1 イントロダクション 1 経済統計分析 9 分散分析 今日のおはなし. 検定 statistical test のいろいろ 2 変数の関係を調べる手段のひとつ適合度検定独立性検定分散分析 今日のタネ 吉田耕作.2006. 直感的統計学. 日経 BP. 中村隆英ほか.1984. 統計入門. 東大出版会. 2 仮説検定の手続き 仮説検定のロジック もし帰無仮説が正しければ, 検定統計量が既知の分布に従う 計算された検定統計量の値から,

More information

ANOVA

ANOVA 3 つ z のグループの平均を比べる ( 分散分析 : ANOVA: analysis of variance) 分散分析は 全体として 3 つ以上のグループの平均に差があるか ということしかわからないために, どのグループの間に差があったかを確かめるには 多重比較 という方法を用います これは Excel だと自分で計算しなければならないので, 分散分析には統計ソフトを使った方がよいでしょう 1.

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 回 講義 仮説検定 Part-3 06 年 6 8 ( )3 限 担当教員 唐渡 広志 ( からと こうじ ) 研究室 経済学研究棟 4 階 43 号室 email kkarato@eco.u-toyama.ac.j webite htt://www3.u-toyama.ac.j/kkarato/ 講義の目的 つの 集団の平均 ( 率 ) に差があるかどうかを検定する 法を理解します keyword:

More information

Microsoft PowerPoint - A1.ppt [互換モード]

Microsoft PowerPoint - A1.ppt [互換モード] 011/4/13 付録 A1( 推測統計学の基礎 ) 付録 A1 推測統計学の基礎 1. 統計学. カイ 乗検定 3. 分散分析 4. 相関係数 5. 多変量解析 1. 統計学 3 統計ソフト 4 記述統計学 推測統計学 検定 ノンパラメトリック検定名義 / 分類尺度順序 / 順位尺度パラメトリック検定間隔 / 距離尺度比例 / 比率尺度 SAS SPSS R R-Tps (http://cse.aro.affrc.go.jp/takezawa/r-tps/r.html)

More information

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている

More information

Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード]

Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード] R で統計解析入門 (12) 生存時間解析 中篇 準備 : データ DEP の読み込み 1. データ DEP を以下からダウンロードする http://www.cwk.zaq.ne.jp/fkhud708/files/dep.csv /fkh /d 2. ダウンロードした場所を把握する ここでは c:/temp とする 3. R を起動し,2. 2 の場所に移動し, データを読み込む 4. データ

More information

Microsoft PowerPoint - Econometrics pptx

Microsoft PowerPoint - Econometrics pptx 計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

More information

スライド 1

スライド 1 SAS による二項比率の差の非劣性検定の正確な方法について 武藤彬正宮島育哉榊原伊織株式会社タクミインフォメーションテクノロジー Eact method of non-inferiority test for two binomial proportions using SAS Akimasa Muto Ikuya Miyajima Iori Sakakibara Takumi Information

More information

こんにちは由美子です

こんにちは由美子です Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean

More information

第 7 章順位和検定 第 7 章分布を利用しない順位和検定この検定法は, 定量値に対する平均値の差の吟味ではなく, 定量値を大きさの順番に置き直し, その平均順位の差を吟味する検定法である. したがって, 応用される値は, 平均値に対してかなり広い分布をしている非正規性データ, 区間中の発生率, ス

第 7 章順位和検定 第 7 章分布を利用しない順位和検定この検定法は, 定量値に対する平均値の差の吟味ではなく, 定量値を大きさの順番に置き直し, その平均順位の差を吟味する検定法である. したがって, 応用される値は, 平均値に対してかなり広い分布をしている非正規性データ, 区間中の発生率, ス 第 7 章分布を利用しない順位和検定この検定法は, 定量値に対する平均値の差の吟味ではなく, 定量値を大きさの順番に置き直し, その平均順位の差を吟味する検定法である. したがって, 応用される値は, 平均値に対してかなり広い分布をしている非正規性データ, 区間中の発生率, スコア化データおよび等分散検定で有意差を示した集団について用いられる. 一部の統計学者は, 生物の反応に対して順位和検定の方が分布を利用した検定法と比較して有用と述べている.

More information

Microsoft Word - 計量研修テキスト_第5版).doc

Microsoft Word - 計量研修テキスト_第5版).doc Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included

More information

Microsoft PowerPoint - sc7.ppt [互換モード]

Microsoft PowerPoint - sc7.ppt [互換モード] / 社会調査論 本章の概要 本章では クロス集計表を用いた独立性の検定を中心に方法を学ぶ 1) 立命館大学経済学部 寺脇 拓 2 11 1.1 比率の推定 ベルヌーイ分布 (Bernoulli distribution) 浄水器の所有率を推定したいとする 浄水器の所有の有無を表す変数をxで表し 浄水器をもっている を 1 浄水器をもっていない を 0 で表す 母集団の浄水器を持っている人の割合をpで表すとすると

More information

Microsoft Word - Power_Analysis_Jp_ docx

Microsoft Word - Power_Analysis_Jp_ docx Power Analysis using G*Power Version 1.0 013 年 3 月 03 日 評価学博士 佐々木亮 サンプルサイズの検討方法 1. 最低のサンプルサイズサンプルサイズに関する考え方 統計分析を用いた調査報告書では サンプルサイズとして 30 あるいは 5 を用いている場合が頻繁に見られる 事前 事後比較のための 1 群の t 検定では まさに 30 あるいは 5 が必要ということになり

More information

カイ二乗フィット検定、パラメータの誤差

カイ二乗フィット検定、パラメータの誤差 統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,

More information

スライド 1

スライド 1 データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小

More information

EBM&CQ.ppt

EBM&CQ.ppt 臨床研究企画開発学 -EBM とクリニカルクエスチョン - 北里大学医学部附属臨床研究センター (KCRC) 佐藤敏彦 医学研究の種類 臨床研究 ( ヒト ) 臨床観察研究 基礎研究 ( 動物 細胞 ) 臨床試験 治験 トランスレーショナル研究 疫学研究 ( 非臨床ー ) クリニカルクエスチョン 0. 疑問抽出 疫学研究によるエビデンス 1 エビデンス 2 Question? エビデンス 3 エビデンス

More information

Statistical inference for one-sample proportion

Statistical inference for one-sample proportion RAND 関数による擬似乱数の生成 魚住龍史 * 浜田知久馬東京理科大学大学院工学研究科経営工学専攻 Generating pseudo-random numbers using RAND function Ryuji Uozumi * and Chikuma Hamada Department of Management Science, Graduate School of Engineering,

More information

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63>

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63> 第 7 回 t 分布と t 検定 実験計画学 A.t 分布 ( 小標本に関する平均の推定と検定 ) 前々回と前回の授業では, 標本が十分に大きいあるいは母分散が既知であることを条件に正規分布を用いて推定 検定した. しかし, 母集団が正規分布し, 標本が小さい場合には, 標本分散から母分散を推定するときの不確実さを加味したt 分布を用いて推定 検定しなければならない. t 分布は標本分散の自由度 f(

More information

DEIM Forum 2015 F8-4 Twitter Twitter 1. SNS

DEIM Forum 2015 F8-4 Twitter Twitter 1. SNS DEIM Forum 2015 F8-4 Twitter 432 8011 3-5-1 432 8011 3-5-1 E-mail: cs11032@s.inf.shizuoka.ac.jp, {yokoyama,fyamada}@inf.shizuoka.ac.jp Twitter 1. SNS SNS SNS Twitter 1 Twitter SNS facebook 2 mixi 3 Twitter

More information

異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定

異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定 異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 4-1-1 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定の反復 (e.g., A, B, C の 3 群の比較を A-B 間 B-C 間 A-C 間の t 検定で行う

More information

講義「○○○○」

講義「○○○○」 講義 信頼度の推定と立証 内容. 点推定と区間推定. 指数分布の点推定 区間推定 3. 指数分布 正規分布の信頼度推定 担当 : 倉敷哲生 ( ビジネスエンジニアリング専攻 ) 統計的推測 標本から得られる情報を基に 母集団に関する結論の導出が目的 測定値 x x x 3 : x 母集団 (populaio) 母集団の特性値 統計的推測 標本 (sample) 標本の特性値 分布のパラメータ ( 母数

More information

日本製薬工業協会シンポジウム 生存時間解析の評価指標に関する最近の展開ー RMST (restricted mean survival time) を理解するー 2. RMST の定義と統計的推測 2018 年 6 月 13 日医薬品評価委員会データサイエンス部会タスクフォース 4 生存時間解析チー

日本製薬工業協会シンポジウム 生存時間解析の評価指標に関する最近の展開ー RMST (restricted mean survival time) を理解するー 2. RMST の定義と統計的推測 2018 年 6 月 13 日医薬品評価委員会データサイエンス部会タスクフォース 4 生存時間解析チー 日本製薬工業協会シンポジウム 生存時間解析の評価指標に関する最近の展開ー RMST (restricted mean survival time) を理解するー 2. RMST の定義と統計的推測 2018 年 6 月 13 日医薬品評価委員会データサイエンス部会タスクフォース 4 生存時間解析チーム 日本新薬 ( 株 ) 田中慎一 留意点 本発表は, 先日公開された 生存時間型応答の評価指標 -RMST(restricted

More information

プログラミング入門1

プログラミング入門1 プログラミング入門 1 第 5 回 繰り返し (while ループ ) 授業開始前に ログオン後 不要なファイルを削除し て待機してください Java 1 第 5 回 2 参考書について 参考書は自分にあったものをぜひ手元において自習してください 授業の WEB 教材は勉強の入り口へみなさんを案内するのが目的でつくられている これで十分という訳ではない 第 1 回に紹介した本以外にも良書がたくさんある

More information

040402.ユニットテスト

040402.ユニットテスト 2. ユニットテスト ユニットテスト ( 単体テスト ) ユニットテストとはユニットテストはプログラムの最小単位であるモジュールの品質をテストすることであり その目的は結合テスト前にモジュール内のエラーを発見することである テストは機能テストと構造テストの2つの観点から行う モジュールはプログラムを構成する要素であるから 単体では動作しない ドライバとスタブというテスト支援ツールを使用してテストを行う

More information

untitled

untitled 2006,, 1 2 3 4 199087 20 3,, 3 A vs B, B vs C, C vs A 0.05 0.01 t[] t[] 2 5 6 0.050.01 3 3 LSD 7 8 1 2 9 3 A vs B, B vs C, C vs A 1 1 10.05 = 0.95 3 0.950.950.95 = 0.857375 31 10.857375 = 0.142625 (14.3)

More information

1

1 < 参考資料 1> 想定最大規模降雨に関する地域区分について 我が国は 東西南北に広い上 脊梁山脈など地形特性もあり 例えば日本海側 太平洋側等といった地域ごとに気温や降雨などの気象の状況は異なる このため これまで観測された降雨データを用いて想定最大規模降雨を設定するにあたり 降雨の特性の類似する地域に区分することとする 気象現象に関する地域区分については 例えば地域別比流量図 ( クリーガー曲線

More information

分散分析表を表 に示した. 表. 分散分析表 要因 平方和 自由度 分散 分散比 確率 全体 群間 P<0.001 誤差 F- 分布表,0.1% 水準の数表 6-1 の縦軸 7, 横軸 の交点 と比較して, 算出された値の

分散分析表を表 に示した. 表. 分散分析表 要因 平方和 自由度 分散 分散比 確率 全体 群間 P<0.001 誤差 F- 分布表,0.1% 水準の数表 6-1 の縦軸 7, 横軸 の交点 と比較して, 算出された値の 第 6 章 3 群以上の多群間検定 ( 分布を利用した検定 ) 1. 1 元配置の分散分析 (One-way Analysis of Variance, ANOVA) 三群以上の設定の場合に用いる. 一般的には, この検定で有意差が検出された場合, どこの群間かは不明である. したがって, どこの群間に有意差があるかはいつかの検定法で吟味する. ここの項では, 一元配置の分散分析を説明する. 毒性試験では,

More information

サーバに関するヘドニック回帰式(再推計結果)

サーバに関するヘドニック回帰式(再推計結果) 2012 年 3 月 日本銀行調査統計局 企業物価指数 サーバ に関するヘドニック回帰式 ( 再推計結果 ) 企業物価指数 サーバ の品質調整に適用するヘドニック回帰式について 1 最新のデータを用いて再推計しましたので その結果をお知らせします 1. サーバのヘドニック推計に関する基本方針 留意事項推計頻度 年 1 回 (2 月 ) 適用範囲 国内品 輸出品 輸入品に対し 同一の推計式を適用 2

More information

JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのか または検定を行う際の前提条件の評価 ( 正規性 等分散性 ) はどのメニューで実行できるのかと

JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのか または検定を行う際の前提条件の評価 ( 正規性 等分散性 ) はどのメニューで実行できるのかと JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのか または検定を行う際の前提条件の評価 ( 正規性 等分散性 ) はどのメニューで実行できるのかというお問い合わせがよくあります そこで本文書では これらについて の回答を 例題を用いて説明します 1.

More information

MedicalStatisticsForAll.indd

MedicalStatisticsForAll.indd みんなの 医療統計 12 基礎理論と EZR を完全マスター! Ayumi SHINTANI はじめに EZR EZR iii EZR 2016 2 iv CONTENTS はじめに... ⅲ EZR をインストールしよう... 1 EZR 1...1 EZR 2...3...8 R Console...10 1 日目 記述統計量...11 平均値と中央値... 11...12...15...18

More information

Chapter 1 Epidemiological Terminology

Chapter 1 Epidemiological Terminology Appendix Real examples of statistical analysis 検定 偶然を超えた差なら有意差という P

More information

Python-statistics5 Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 (

Python-statistics5   Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 ( http://localhost:8888/notebooks/... Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 (http://shop.ohmsha.co.jp/shop /shopdetail.html?brandcode=000000001781&search=978-4-274-06710-5&sort=) を参考にしています

More information

次元圧縮法を導入したクエリに基づくバイクラスタリング 情報推薦への応用 武内充三浦功輝岡田吉史 ( 室蘭工業大学 ) 概要以前, 我々はクエリに基づくバイクラスタリングを用いた情報推薦手法を提案した. 本研究では, 新たに推薦スコアが非常に良く似たユーザまたはアイテムを融合する次元圧縮法を導入した. 実験として, 縮減前と縮減後のデータセットのサイズとバイクラスタ計算時間の比較を行う. キーワード

More information

Microsoft Word - BMDS_guidance pdf_final

Microsoft Word - BMDS_guidance pdf_final BMDS を用いたベンチマークドース法適用ガイダンス (BMDS は 米国 EPA のホームページ (http://www.epa.gov/ncea/bmds/) より無償でダウンロードで きる ) 最初に データ入力フォームにデータを入力する 病理所見の発現頻度等の非連続データの場合は モデルタイプとしてDichotomousを選択し 体重 血液 / 血液生化学検査値や器官重量等の連続データの場合は

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 学位論文作成のための疫学 統計解析の実際 徳島大学大学院 医歯薬学研究部 社会医学系 予防医学分野 有澤孝吉 (e-mail: karisawa@tokushima-u.ac.jp) 本日の講義の内容 (SPSS を用いて ) 記述統計 ( データのまとめ方 ) 代表値 ばらつき正規確率プロット 正規性の検定標準偏差 不偏標準偏差 標準誤差の区別中心極限定理母平均の区間推定 ( 母集団の標準偏差が既知の場合

More information

一元配置分散分析法 F 検定と Welch 検定 一元配置分散分析で一般的に使用される F 検定は すべてのグループが共通だが未知の標準偏差 (σ) を共有するという仮定に基づきます 実際には この仮定が当てはまることはまれで その結果 タイプ I 過誤率の制御が難しくなります タイプ I の誤りと

一元配置分散分析法 F 検定と Welch 検定 一元配置分散分析で一般的に使用される F 検定は すべてのグループが共通だが未知の標準偏差 (σ) を共有するという仮定に基づきます 実際には この仮定が当てはまることはまれで その結果 タイプ I 過誤率の制御が難しくなります タイプ I の誤りと MINITAB アシスタントホワイトペーパー本書は Minitab 統計ソフトウェアのアシスタントで使用される方法およびデータチェックを開発するため Minitab の統計専門家によって行われた調査に関する一連の文書群を構成する文書の 1 つです 一元配置分散分析 (ANOVA) 概要 一元配置分散分析は 3 つ以上のグループの平均を比較し 互いに有意に異なるかどうかを判断するために使用されます もう

More information

Microsoft PowerPoint - SDF2007_nakanishi_2.ppt[読み取り専用]

Microsoft PowerPoint - SDF2007_nakanishi_2.ppt[読み取り専用] ばらつきの計測と解析技術 7 年 月 日設計基盤開発部先端回路技術グループ中西甚吾 内容. はじめに. DMA(Device Matrix Array)-TEG. チップ間 チップ内ばらつきの比較. ばらつきの成分分離. 各ばらつき成分の解析. まとめ . はじめに 背景 スケーリングにともない さまざまなばらつきの現象が顕著化しており この先ますます設計困難化が予想される EDA ツール 回路方式

More information

TF● :テーマ名

TF● :テーマ名 日本製薬工業協会シンポジウム 臨床試験の欠測データの取り扱いに関する最近の展開と今後の課題について - 統計手法 estimand と架空の事例に対する流れの整理 - (3) PATTERN-MIXTURE MODEL の解説 医薬品評価委員会データサイエンス部会タスクフォース 4 欠測のあるデータに対する解析方法論 SAS プログラム検討チーム 田辺三菱製薬株式会社高橋文博 1 発表構成 1. Multiple

More information

Microsoft PowerPoint - ch04j

Microsoft PowerPoint - ch04j Ch.4 重回帰分析 : 推論 重回帰分析 y = 0 + 1 x 1 + 2 x 2 +... + k x k + u 2. 推論 1. OLS 推定量の標本分布 2. 1 係数の仮説検定 : t 検定 3. 信頼区間 4. 係数の線形結合への仮説検定 5. 複数線形制約の検定 : F 検定 6. 回帰結果の報告 入門計量経済学 1 入門計量経済学 2 OLS 推定量の標本分布について OLS 推定量は確率変数

More information

スライド 1

スライド 1 データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える

More information

スライド 1

スライド 1 SASによる二項比率における正確な信頼区間の比較 原茂恵美子 1) 武藤彬正 1) 宮島育哉 2) 榊原伊織 2) 1) 株式会社タクミインフォメーションテクノロジーシステム開発推進部 2) 株式会社タクミインフォメーションテクノロジービジネスソリューション部 Comparison of Five Exact Confidence Intervals for the Binomial Proportion

More information

第7章

第7章 5. 推定と検定母集団分布の母数を推定する方法と仮説検定の方法を解説する まず 母数を一つの値で推定する点推定について 推定精度としての標準誤差を説明する また 母数が区間に存在することを推定する信頼区間も取り扱う 後半は統計的仮説検定について述べる 検定法の基本的な考え方と正規分布および二項確率についての検定法を解説する 5.1. 点推定先に述べた統計量は対応する母数の推定値である このように母数を一つの値およびベクトルで推定する場合を点推定

More information

パッケージのインストール Rには 複雑な解析を便利に行うためのパッケージが容易されています ( 世界中の研究者達が提供してくれる ) 今回は例として多重比較検定用のmultcomp パッケージをインストールしてみます ( 注意 ) 滋賀県立大学のようにプロキシ経由でインターネットに接続する環境で R

パッケージのインストール Rには 複雑な解析を便利に行うためのパッケージが容易されています ( 世界中の研究者達が提供してくれる ) 今回は例として多重比較検定用のmultcomp パッケージをインストールしてみます ( 注意 ) 滋賀県立大学のようにプロキシ経由でインターネットに接続する環境で R ソフトウェア R を用いた統計解析 清水顕史 R のインストール R の情報 ( 日本語 ) は RjpWikihttp://www.okada.jp.org/RWiki/?RjpWiki にまとめられています 説明に従って最新版の exe ファイルをダウンロード (http://cran.md.tsukuba.ac.jp/bin/windows/base/) し クリックしてインストールします インストール終了後

More information

経験ベイズ検定による 偽陽性制御の方法 大羽成征 (( おおばしげゆき 京大数理デザイン道場 年 0077 月 2244 日 1155:: :: u.ac.jp

経験ベイズ検定による 偽陽性制御の方法 大羽成征 (( おおばしげゆき 京大数理デザイン道場 年 0077 月 2244 日 1155:: :: u.ac.jp 経験ベイズ検定による 偽陽性制御の方法 大羽成征 (( おおばしげゆき )@@ 京大数理デザイン道場 22001144 年 0077 月 2244 日 1155::0055--1155::4400 Email: oba@i.kyoto- u.ac.jp Twi6er: @shigepong 神経細胞間の 解剖学的結合と機能的結合 軸索末端 シナプス小胞 シナプス後細胞 Wikipedia commons

More information

スライド 1

スライド 1 Keal H. Sahn A R. Crc: A dual teperature sulated annealng approach for solvng blevel prograng probles Coputers and Checal Engneerng Vol. 23 pp. 11-251998. 第 12 回論文ゼミ 2013/07/12( 金 ) #4 M1 今泉孝章 2 段階計画問題とは

More information

日心TWS

日心TWS 2017.09.22 (15:40~17:10) 日本心理学会第 81 回大会 TWS ベイジアンデータ解析入門 回帰分析を例に ベイジアンデータ解析 を体験してみる 広島大学大学院教育学研究科平川真 ベイジアン分析のステップ (p.24) 1) データの特定 2) モデルの定義 ( 解釈可能な ) モデルの作成 3) パラメタの事前分布の設定 4) ベイズ推論を用いて パラメタの値に確信度を再配分ベイズ推定

More information

SIGIR2013 勉強会 Session 11: Evaluation I 担当 : 加藤 ( 京都大学 )

SIGIR2013 勉強会 Session 11: Evaluation I 担当 : 加藤 ( 京都大学 ) SIGIR2013 勉強会 Session 11: Evaluation I 担当 : 加藤 ( 京都大学 ) Evaluation I 1. On the Measurement of Test Collection Reliability Julián Urbano (University Carlos III of Madrid), Mónica Marrero (University Carlos

More information

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt 重回帰分析 残差分析 変数選択 1 内容 重回帰分析 残差分析 歯の咬耗度データの分析 R で変数選択 ~ step 関数 ~ 2 重回帰分析と単回帰分析 体重を予測する問題 分析 1 身長 のみから体重を予測 分析 2 身長 と ウエスト の両方を用いて体重を予測 分析 1 と比べて大きな改善 体重 に関する推測では 身長 だけでは不十分 重回帰分析における問題 ~ モデルの構築 ~ 適切なモデルで分析しているか?

More information

際 正規分布に従わない観測値に対して通常の t 検定を適用した場合 どのような不都合が生じるかを考える 一般に通常の t 検定や Wilcoxon 検定などの仮説検定を行う場合 2つの処理の間に差がないことが真実であるにもかかわらず差があると主張する過誤確率 ( 第 1 種の過誤確率 ) 2つの処理

際 正規分布に従わない観測値に対して通常の t 検定を適用した場合 どのような不都合が生じるかを考える 一般に通常の t 検定や Wilcoxon 検定などの仮説検定を行う場合 2つの処理の間に差がないことが真実であるにもかかわらず差があると主張する過誤確率 ( 第 1 種の過誤確率 ) 2つの処理 連載 第 2 回 医学データの統計解析の基本 2 つの平均の比較 * 朝倉こう子 濱﨑俊光 Fundamentals of statistical analysis in biomedical research:two-sample tests for comparing means 1 基礎研究や臨床研究を問わず医学研究において 新しい化合物や治療法を発見し その性能を特徴づける場合 何らかの対照

More information

講義「○○○○」

講義「○○○○」 講義 システムの信頼性 内容. 直列システムの信頼性. 並列システムの信頼性 3. 直列 並列の複合システムの信頼性 4. 信頼性向上のための手法 担当 : 倉敷哲生 ビジネスエンジニアリング専攻 システムの構成 種々の機械や構造物, システムを分割していけば. 個々の要素 サブシステム となる. サブシステムの組み合わせ方式 直列系 並列系 m/ 冗長系 待機冗長系 3 直列システムの信頼性 直列系

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 1/X Chapter 9: Linear correlation Cohen, B. H. (2007). In B. H. Cohen (Ed.), Explaining Psychological Statistics (3rd ed.) (pp. 255-285). NJ: Wiley. 概要 2/X 相関係数とは何か 相関係数の数式 検定 注意点 フィッシャーのZ 変換 信頼区間 相関係数の差の検定

More information

untitled

untitled 13 50 15 6.0 0.25 220 23 92 960 16 16 3.9 3.9 12.8 83.3 7 10 1150 90 1035 1981 1850 4700 4700 15 15 1150 1150 10 12 31 1.5 3.7%(224 ) 1.0 1.5 25.4%(1522 ) 0.7 30.6 1835 ) 0.7 1.0 40.3 (2421 ) 7.3

More information

切片 ( 定数項 ) ダミー 以下の単回帰モデルを考えよう これは賃金と就業年数の関係を分析している : ( 賃金関数 ) ここで Y i = α + β X i + u i, i =1,, n, u i ~ i.i.d. N(0, σ 2 ) Y i : 賃金の対数値, X i : 就業年数. (

切片 ( 定数項 ) ダミー 以下の単回帰モデルを考えよう これは賃金と就業年数の関係を分析している : ( 賃金関数 ) ここで Y i = α + β X i + u i, i =1,, n, u i ~ i.i.d. N(0, σ 2 ) Y i : 賃金の対数値, X i : 就業年数. ( 統計学ダミー変数による分析 担当 : 長倉大輔 ( ながくらだいすけ ) 1 切片 ( 定数項 ) ダミー 以下の単回帰モデルを考えよう これは賃金と就業年数の関係を分析している : ( 賃金関数 ) ここで Y i = α + β X i + u i, i =1,, n, u i ~ i.i.d. N(0, σ 2 ) Y i : 賃金の対数値, X i : 就業年数. ( 実際は賃金を就業年数だけで説明するのは現実的はない

More information

1 911 9001030 9:00 A B C D E F G H I J K L M 1A0900 1B0900 1C0900 1D0900 1E0900 1F0900 1G0900 1H0900 1I0900 1J0900 1K0900 1L0900 1M0900 9:15 1A0915 1B0915 1C0915 1D0915 1E0915 1F0915 1G0915 1H0915 1I0915

More information

IBM Software Business Analytics IBM SPSS Missing Values IBM SPSS Missing Values 空白を埋める際の適切なモデルを構築 ハイライト データをさまざまな角度から容易に検証する 欠損データの問題を素早く診断する 欠損値を推定値に

IBM Software Business Analytics IBM SPSS Missing Values IBM SPSS Missing Values 空白を埋める際の適切なモデルを構築 ハイライト データをさまざまな角度から容易に検証する 欠損データの問題を素早く診断する 欠損値を推定値に 空白を埋める際の適切なモデルを構築 ハイライト データをさまざまな角度から容易に検証する 欠損データの問題を素早く診断する 欠損値を推定値に置き換える 欠損データ タイプおよび極値を表示する 隠れたバイアスを除去する アンケート調査や市場調査 社会科学 データ マイニングなどの多くの専門家が 調査データの検証に を使用しています 欠損データを無視したり 除外したりすると 偏った無意味な結果につながる危険性があります

More information

P.1P.3 P.4P.7 P.8P.12 P.13P.25 P.26P.32 P.33

P.1P.3 P.4P.7 P.8P.12 P.13P.25 P.26P.32 P.33 : : P.1P.3 P.4P.7 P.8P.12 P.13P.25 P.26P.32 P.33 27 26 10 26 10 25 10 0.7% 331 % 26 10 25 10 287,018 280,446 6,572 30,236 32,708 2,472 317,254 313,154 4,100 172,724 168,173 4,551 6,420 6,579 159 179,144

More information

Microsoft Word - 補論3.2

Microsoft Word - 補論3.2 補論 3. 多変量 GARC モデル 07//6 新谷元嗣 藪友良 対数尤度関数 3 章 7 節では 変量の対数尤度を求めた ここでは多変量の場合 とくに 変量について対数尤度を求める 誤差項 は平均 0 で 次元の正規分布に従うとする 単純化のため 分散と共分散は時間を通じて一定としよう ( この仮定は後で変更される ) したがって ij から添え字 を除くことができる このとき と の尤度関数は

More information

分析のステップ Step 1: Y( 目的変数 ) に対する値の順序を確認 Step 2: モデルのあてはめ を実行 適切なモデルの指定 Step 3: オプションを指定し オッズ比とその信頼区間を表示 以下 このステップに沿って JMP の操作をご説明します Step 1: Y( 目的変数 ) の

分析のステップ Step 1: Y( 目的変数 ) に対する値の順序を確認 Step 2: モデルのあてはめ を実行 適切なモデルの指定 Step 3: オプションを指定し オッズ比とその信頼区間を表示 以下 このステップに沿って JMP の操作をご説明します Step 1: Y( 目的変数 ) の JMP によるオッズ比 リスク比 ( ハザード比 ) の算出と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2011 年 10 月改定 1. はじめに 本文書は JMP でロジスティック回帰モデルによるオッズ比 比例ハザードモデルによるリスク比 それぞれに対する信頼区間を求める操作方法と注意点を述べたものです 本文書は JMP 7 以降のバージョンに対応しております

More information

日本統計学会誌, 第44巻, 第2号, 251頁-270頁

日本統計学会誌, 第44巻, 第2号, 251頁-270頁 44, 2, 205 3 25 270 Multiple Comparison Procedures for Checking Differences among Sequence of Normal Means with Ordered Restriction Tsunehisa Imada Lee and Spurrier (995) Lee and Spurrier (995) (204) (2006)

More information

ChIP-seq

ChIP-seq ChIP-seq 1 ChIP-seq 解析原理 ChIP サンプルのフラグメントでは タンパク質結合部位付近にそれぞれ Forward と Reverse のリードがマップされることが予想される ChIP のサンプルでは Forward と Reverse のリードを 3 側へシフトさせ ChIP のピークを算出する コントロールサンプルでは ChIP のサンプルとは異なり 特定の場所に多くマップされないため

More information

目次 1 章 SPSS の基礎 基本 はじめに 基本操作方法 章データの編集 はじめに 値ラベルの利用 計算結果に基づく新変数の作成 値のグループ化 値の昇順

目次 1 章 SPSS の基礎 基本 はじめに 基本操作方法 章データの編集 はじめに 値ラベルの利用 計算結果に基づく新変数の作成 値のグループ化 値の昇順 SPSS 講習会テキスト 明治大学教育の情報化推進本部 IZM20140527 目次 1 章 SPSS の基礎 基本... 3 1.1 はじめに... 3 1.2 基本操作方法... 3 2 章データの編集... 6 2.1 はじめに... 6 2.2 値ラベルの利用... 6 2.3 計算結果に基づく新変数の作成... 7 2.4 値のグループ化... 8 2.5 値の昇順 降順... 10 3

More information

斎藤参郎 データサイエンス A 2018 年度水曜日 2 限目 (10:40-12:10) 0. イントロダクション 講義の進め方 担当昨年度より 講義の方針 1) 自宅でも学習できる 2) 様々なデータ分析手法を自分でインストールし 実験できる 環境の紹

斎藤参郎 データサイエンス A 2018 年度水曜日 2 限目 (10:40-12:10) 0. イントロダクション 講義の進め方 担当昨年度より 講義の方針 1) 自宅でも学習できる 2) 様々なデータ分析手法を自分でインストールし 実験できる 環境の紹 斎藤参郎 saito@fukuoka-u.ac.jp データサイエンス A 2018 年度水曜日 2 限目 (10:40-12:10) 0. イントロダクション 講義の進め方 担当昨年度より 講義の方針 1) 自宅でも学習できる 2) 様々なデータ分析手法を自分でインストールし 実験できる 環境の紹介 3) データ分析技法を自習していくことができる基礎能力 講義内容で考慮すべき点 4) 多くの手法が電卓のように使える時代

More information

と 測定を繰り返した時のばらつき の和が 全体のばらつき () に対して どれくらいの割合となるかがわかり 測定システムを評価することができる MSA 第 4 版スタディガイド ジャパン プレクサス (010)p.104 では % GRR の値が10% 未満であれば 一般に受容れられる測定システムと

と 測定を繰り返した時のばらつき の和が 全体のばらつき () に対して どれくらいの割合となるかがわかり 測定システムを評価することができる MSA 第 4 版スタディガイド ジャパン プレクサス (010)p.104 では % GRR の値が10% 未満であれば 一般に受容れられる測定システムと .5 Gage R&R による解析.5.1 Gage R&Rとは Gage R&R(Gage Repeatability and Reproducibility ) とは 測定システム分析 (MSA: Measurement System Analysis) ともいわれ 測定プロセスを管理または審査するための手法である MSAでは ばらつきの大きさを 変動 という尺度で表し 測定システムのどこに原因があるのか

More information

電磁波レーダ法による比誘電率分布(鉄筋径を用いる方法)およびかぶりの求め方(H19修正)

電磁波レーダ法による比誘電率分布(鉄筋径を用いる方法)およびかぶりの求め方(H19修正) 電磁波レーダ法による比誘電率分布 ( 鉄筋径を用いる方法 ) およびかぶりの求め方 (H19 修正 ) 概要この方法は 測定した結果をエクセルに入力し 土研がホームページ上で公開し提供するソフトによって計算することを前提にしている 1. 適用電磁波レーダによってかぶりを求める際 鉄筋径を用いて比誘電率分布を求める方法を示す 注その比誘電率を用いてかぶりの補正値 ( 1) を求める方法を示す 注 1

More information