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

Size: px
Start display at page:

Download "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"

Transcription

1 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

2 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 mean survival) を理解する - について, 日本製薬工業協会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が本シンポジウムの趣旨を踏まえ, 再構成したものである 2

3 発表構成 1. RMSTの定義と性質 2. RMSTの統計的推測 Kaplan-Meier 法によるRMSTの推定 治療群間の比較 3. SAS プログラミング時の留意点 SASプログラム 2つの分散の性質 4. まとめ 3

4 1. RMST の定義と性質 4

5 RMST の定義 境界時間 τ 内でのイベント発現までの時間に対する平均値 イベント発現までの時間を T, 境界時間 τ 内での生存時間を X τ = min T, τ とした場合,X τ の平均値 が RMST μ τ = E X τ = E min T, τ 5

6 RMST の解釈 生存時間 T の生存関数を S t とすると,RMST は, と表現できる RMST は, 境界時間 τ 内における生存関数の曲線下面積 としても解釈できる 生存割合 τ μ τ = න S t dt 0 μ(τ) 0 τ 生存時間 6

7 生存時間 X τ の分散 境界時間 τ 内での生存時間 X τ の分散は, と表せる σ 2 τ = Var X τ = E X 2 τ E X τ 2 τ = 2 න ts t dt න 0 0 この分散は必要症例数計算時に使用される τ S t dt 2 X τ の期待値 (RMST) 及び分散は, 生存関数から求められる. 実際の解析では, 観測データから生存関数を推定し,RMST を推定することになる. 7

8 2. RMST の統計的推測 8

9 RMST の推定量 Royston and Parmar (2013) により,Kaplan-Meier 法による生存曲線を積分する方法が示されている D μ τ = j=0 t j+1 t j S t j S t は Kaplan-Meier 法による生存曲線の推定量 t 1 < t 2 < < t D は境界時間 τ 内での D 個のイベント発現時点 t 0 = 0,t D+1 = τ 9

10 RMST の推定量 μ τ の分散 Greenwood の公式により, Var μ τ D = j=1 D i=j t i+1 t i S t i 2 d j Y j Y j d j Y j はイベントが発現した時点 t j でのリスク集合の大きさ d j は時点 t j でのイベント数 リスク集合 0 t 0 t 1 t 2 t D Y 1 Y 2 Y D τ t D+1 = τ イベント数 d 1 d 2 d D 10

11 治療群間の比較 (RMST の差 ) 群 g( 対照薬群を 0, 実薬群を 1) の RMST の推定量を μ g τ, その分散を Var μ g τ 2 群のRMSTの差の推定量 μ 1 τ μ 0 τ 分散 Var μ 1 τ μ 0 τ = Var μ 1 τ + Var μ 0 τ 11

12 差の信頼区間 検定統計量 2 群の差の α % 信頼区間 μ 1 τ μ 0 τ ± z Τ α 2 Var μ 1 τ + Var μ 0 τ z α は標準正規分布の上側 100α% 帰無仮説 H 0 : μ 1 τ μ 0 τ = 0 対立仮説 H 1 : μ 1 τ μ 0 τ 0 検定統計量 μ 1 τ μ 0 τ s D = Var μ 1 τ + Var μ 0 τ s D は漸近的に標準正規分布に従う 12

13 3. SAS プログラミング時の留意点 13

14 RMST を求めるための SAS プログラム lifetest プロシジャ timelim オプションを利用 構文 timelim=l には境界時間 τ を表す数値を指定 time は時間変数 censor は打ち切り変数 (0 は打ち切りを表す ) 14

15 例 データセット SAMPLE TIME CENSOR SAS プログラム 15

16 出力結果 16

17 SAS プログラミング時の留意点 SAS/STAT(R) 14.1 User's Guide 抜粋 TIMELIM=time-limit specifies the time limit used in the estimation of the mean survival time and its standard error. The mean survival time can be shown to be the area under the Kaplan Meier survival curve. However, if the largest observed time in the data is censored, the area under the survival curve is not a closed area. In such a situation, you can choose a time limit L and estimate the mean survival curve limited to a time L (Lee 1992, pp ). This option is ignored if the largest observed time is an event time. timelim に指定した時間より後にイベントが発現している場合, 強制的に最終イベント発現時点までの RMST が算出される 17

18 例 ( 境界時間 τ = 3 の場合 ) TIME = τ CENSOR 最終イベント SAS プログラム 出力結果 最終イベント発現時点 ( 時点 4) までのRMSTが出力されてしまう 18

19 事前に, データセットの加工が必要 DATA ステップで, 境界時間 τ より後に発生したイベントを打ち切りに変換したデータセットを作成する 境界時間 τ = 3 の場合 TIME CENSOR TIME CENSOR

20 lifetest プロシジャによる標準誤差 Var μ τ = m D m 1 j=1 D i=j t i+1 t i S t i 2 d j Y j Y j d j Y j はイベントが発現した時点 t j でのリスク集合の大きさ d j は時点 t j でのイベント数.m = σ D j=1 d j 一方,Klein (2003),Collett (2015) 等では mτ m 1 を掛けない分散が記載されている 20

21 2 つの分散の性質 D D 2 Var_Klein = t i+1 t i S t i d j j=1 i=j Y j Y j d j Var_SAS = m D D t i+1 t i S t i 2 d j m 1 j=1 i=j Y j Y j d j シミュレーションにより, 被験者 i i = 1,, n の生存時間 T i が指数分布に従う 境界時間 τ 内での打ち切りが存在しない これらの場合について,2 つの分散の性質を確認 イベント数による影響を評価 21

22 RMST の推定量 μ τ の分散 境界時間 τ 内で打ち切りが存在しないとき, RMST の推定量 μ τ は各被験者の生存時間 X i τ の単純平均 n μ τ = 1 n i=1 X i τ 境界時間 τ 内での生存時間を X i τ = min T i, τ となるため, その分散は Var μ τ = Var X i τ Τn 22

23 T i がハザード λ の指数分布に従う場合 境界時間 τ 内での生存時間 X i τ の分散は Royston and Parmar (2013) により, Var X i τ = 1 2λτexp λτ exp 2λτ λ 2 シミュレーションにより, Var X i τ Τnとの変化率 Var_Klein Var X i τ Var X i τ Τn Τn Var_SAS Var X i τ, Var X i τ Τn Τn の平均値を求め,2 つの分散のズレの大きさを評価 23

24 シミュレーション条件 シミュレーション回数 100,000 境界時間 τ = 2 年 2 年生存率 0.9,0.7,0.5,0.3,0.1 の指数分布 被験者数 30,50,100 例 24

25 シミュレーション結果 ( 被験者数 30 例の場合 ) 2 年生存率 τ までの期待イベント数 Var X i τ /n Var_Klein の変化率 Var_SAS の変化率 ( ) [4319] ( ) [18628] ( ) [ 3] ( ) [ 34] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] Mean (SE) [ 計算不可回数 ](Var_Klein はイベント 0, Var_SAS は 0 及び 1 の回数 ) 25

26 シミュレーション結果 ( 被験者数 50 例の場合 ) 2 年生存率 τ までの期待イベント数 Var X i τ /n Var_Klein の変化率 Var_SAS の変化率 ( ) [501] ( ) [3456] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] ( ) [ 0] Mean (SE) [ 計算不可回数 ](Var_Klein はイベント 0, Var_SAS は 0 及び 1 の回数 ) 26

27 シミュレーション結果 ( 被験者数 100 例の場合 ) 2 年生存率 τ までの期待イベント数 Var X i τ /n Var_Klein の変化率 Var_SAS の変化率 ( ) [3] ( ) [26] ( ) [0] ( ) [0] ( ) [0] ( ) [0] ( ) [0] ( ) [0] ( ) [0] ( ) [0] Mean (SE) [ 計算不可回数 ](Var_Klein はイベント 0, Var_SAS は 0 及び 1 の回数 ) 27

28 考察 Var_Klein は,Var X i τ /n より小さくなる傾向 Var_SASは, イベント数が少ない場合,Var X i τ /nより大きくなり, イベント数が多い場合,Var X i τ /nに近くなる傾向 28

29 分散まとめ Klein (2003),Collett (2015),R の survfit 関数では, Var_Klein が示されている SAS は,Kaplan (1958) 及び Lee (1992) を参考に Var_SAS の式を用いている どちらの分散式を用いるべきかのコンセンサスは得られていない 本報告書では,RMST の推定量に対する分散式として Var_Klein を用いている 29

30 4. まとめ 30

31 まとめ RMST 定義 : 境界時間 τ 内でのイベント発現までの時間に対する平均値 境界時間 τ 内における生存関数の曲線下面積 Kaplan-Meier 法による生存関数を積分し, 推定 lifetest プロシジャ timelim オプションを用いて計算可能 プログラミング時の留意点 以下の SAS プログラムを報告書に記載 境界時間 τ より後のイベントを打ち切りに変換 2 群の RMST の差および比の信頼区間,P 値 31

32 参考文献 Royston P, Parmar MKB. Restricted mean survival time: an alternative to the hazard ratio for the design and analysis of randomized trials with a time-to-event outcome. BMC Med ical Research Methodology 2013; 13:152. Klein JP, Moeschberger ML. Surival Analysis: Techniques for Censored and Truncated Data second edition. Springer- Verlag: New York: Collett D. Modelling survival data in medical reseach, third edition. CRC Press: Kaplan EL, Meier P. Nonparametric Estimation From Incomplete Observations. Journal of the American Statistical Association. 1958: 53(282): Lee ET, Wang JW. Statistical Methods for Survival Data Analysis. Second edition. John Wiley & Sons: New York:

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

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

日本製薬工業協会シンポジウム 我々は Time to event data をどのように要約し, 評価するのか 生存時間データの要約指標と適用事例の紹介 2018 年 12 月 6 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 塩野義製薬 ( 株 ) 長谷川貴大大鵬薬

日本製薬工業協会シンポジウム 我々は Time to event data をどのように要約し, 評価するのか 生存時間データの要約指標と適用事例の紹介 2018 年 12 月 6 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 塩野義製薬 ( 株 ) 長谷川貴大大鵬薬 日本製薬工業協会シンポジウム 我々は Time to event data をどのように要約し, 評価するのか 生存時間データの要約指標と適用事例の紹介 2018 年 12 月 6 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 塩野義製薬 ( 株 ) 長谷川貴大大鵬薬品工業 ( 株 ) 棚瀬貴紀 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

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

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

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

untitled

untitled 18 1 2,000,000 2,000,000 2007 2 2 2008 3 31 (1) 6 JCOSSAR 2007pp.57-642007.6. LCC (1) (2) 2 10mm 1020 14 12 10 8 6 4 40,50,60 2 0 1998 27.5 1995 1960 40 1) 2) 3) LCC LCC LCC 1 1) Vol.42No.5pp.29-322004.5.

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

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

<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

様々なミクロ計量モデル†

様々なミクロ計量モデル† 担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル

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

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

Probit , Mixed logit

Probit , Mixed logit Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,

More information

こんにちは由美子です

こんにちは由美子です Sample size power calculation Sample Size Estimation AZTPIAIDS AIDSAZT AIDSPI AIDSRNA AZTPr (S A ) = π A, PIPr (S B ) = π B AIDS (sampling)(inference) π A, π B π A - π B = 0.20 PI 20 20AZT, PI 10 6 8 HIV-RNA

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

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

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

<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

Microsoft Word doc

Microsoft Word doc . 正規線形モデルのベイズ推定翠川 大竹距離減衰式 (PGA(Midorikawa, S., and Ohtake, Y. (, Attenuation relationships of peak ground acceleration and velocity considering attenuation characteristics for shallow and deeper earthquakes,

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

「スウェーデン企業におけるワーク・ライフ・バランス調査 」報告書

「スウェーデン企業におけるワーク・ライフ・バランス調査 」報告書 1 2004 12 2005 4 5 100 25 3 1 76 2 Demoskop 2 2004 11 24 30 7 2 10 1 2005 1 31 2 4 5 2 3-1-1 3-1-1 Micromediabanken 2005 1 507 1000 55.0 2 77 50 50 /CEO 36.3 37.4 18.1 3-2-1 43.0 34.4 / 17.6 3-2-2 78 79.4

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

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

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

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

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

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

5 Armitage x 1,, x n y i = 10x i + 3 y i = log x i {x i } {y i } 1.2 n i i x ij i j y ij, z ij i j 2 1 y = a x + b ( cm) x ij (i j )

5 Armitage x 1,, x n y i = 10x i + 3 y i = log x i {x i } {y i } 1.2 n i i x ij i j y ij, z ij i j 2 1 y = a x + b ( cm) x ij (i j ) 5 Armitage. x,, x n y i = 0x i + 3 y i = log x i x i y i.2 n i i x ij i j y ij, z ij i j 2 y = a x + b 2 2. ( cm) x ij (i j ) (i) x, x 2 σ 2 x,, σ 2 x,2 σ x,, σ x,2 t t x * (ii) (i) m y ij = x ij /00 y

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

PHREG プロシジャにおける 共変量調整解析に関連したオプション機能 魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associa

PHREG プロシジャにおける 共変量調整解析に関連したオプション機能 魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associa PHREG プロシジャにおける 共変量調整解析に関連したオプション機能 魚住龍史 1 * 矢田真城 2 浜田知久馬 3 1 京都大学大学院医学研究科医学統計生物情報学 2 エイツーヘルスケア株式会社 3 東京理科大学 Investigating fascinating aspects associated with covariate-adjusted analysis using PHREG procedure

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

kubostat2018d p.2 :? bod size x and fertilization f change seed number? : a statistical model for this example? i response variable seed number : { i

kubostat2018d p.2 :? bod size x and fertilization f change seed number? : a statistical model for this example? i response variable seed number : { i kubostat2018d p.1 I 2018 (d) model selection and kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2018 06 25 : 2018 06 21 17:45 1 2 3 4 :? AIC : deviance model selection misunderstanding kubostat2018d (http://goo.gl/76c4i)

More information

連載 第 5 回 医学データの統計解析の基本 生存時間データの解析 Fundamentals of statistical analysis in biomedical research:analysis of survival data 朝倉こう子 * * 濱﨑俊光 1 生物学や医学分野において

連載 第 5 回 医学データの統計解析の基本 生存時間データの解析 Fundamentals of statistical analysis in biomedical research:analysis of survival data 朝倉こう子 * * 濱﨑俊光 1 生物学や医学分野において 連載 第 5 回 医学データの統計解析の基本 生存時間データの解析 Fundamentals of statistical analysis in biomedical research:analysis of survival data 朝倉こう子 * * 濱﨑俊光 1 生物学や医学分野において 個体 ( 例えば 培養細胞 動物あるいは被験者 患者 ) に対して化合物や医薬品といった処理を与えることにより惹き起こされる反応は

More information

Vol. 36, Special Issue, S 3 S 18 (2015) PK Phase I Introduction to Pharmacokinetic Analysis Focus on Phase I Study 1 2 Kazuro Ikawa 1 and Jun Tanaka 2

Vol. 36, Special Issue, S 3 S 18 (2015) PK Phase I Introduction to Pharmacokinetic Analysis Focus on Phase I Study 1 2 Kazuro Ikawa 1 and Jun Tanaka 2 Vol. 36, Special Issue, S 3 S 18 (2015) PK Phase I Introduction to Pharmacokinetic Analysis Focus on Phase I Study 1 2 Kazuro Ikawa 1 and Jun Tanaka 2 1 2 1 Department of Clinical Pharmacotherapy, Hiroshima

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

生存時間データに対するベイズ流例数設計 矢田真城 1 魚住龍史 2 浜田知久馬 1 エイツーヘルスケア株式会社開発戦略本部生物統計部 2 京都大学大学院医学研究科医学統計生物情報学 3 東京理科大学工学部情報工学科 3 Bayesian sample size calculation for sur

生存時間データに対するベイズ流例数設計 矢田真城 1 魚住龍史 2 浜田知久馬 1 エイツーヘルスケア株式会社開発戦略本部生物統計部 2 京都大学大学院医学研究科医学統計生物情報学 3 東京理科大学工学部情報工学科 3 Bayesian sample size calculation for sur 生存時間データに対するベイズ流例数設計 矢田真城 魚住龍史 浜田知久馬 エイツーヘルスケア株式会社開発戦略本部生物統計部 京都大学大学院医学研究科医学統計生物情報学 3 東京理科大学工学部情報工学科 3 Bayesian sample size calculation for survival analysis Shinjo Yada, Ryuji Uozumi, and Chikuma Hamada

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

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

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

JMP V4 による生存時間分析

JMP V4 による生存時間分析 V4 1 SAS 2000.11.18 4 ( ) (Survival Time) 1 (Event) Start of Study Start of Observation Died Died Died Lost End Time Censor Died Died Censor Died Time Start of Study End Start of Observation Censor

More information

Microsoft PowerPoint - 測量学.ppt [互換モード]

Microsoft PowerPoint - 測量学.ppt [互換モード] 8/5/ 誤差理論 測定の分類 性格による分類 独立 ( な ) 測定 : 測定値がある条件を満たさなければならないなどの拘束や制約を持たないで独立して行う測定 条件 ( 付き ) 測定 : 三角形の 3 つの内角の和のように, 個々の測定値間に満たすべき条件式が存在する場合の測定 方法による分類 直接測定 : 距離や角度などを機器を用いて直接行う測定 間接測定 : 求めるべき量を直接測定するのではなく,

More information

抗悪性腫瘍薬の開発における臨床試験エンドポイント 一般的には, 全生存期間 (OS) が真のエンドポイントとして考えられている. OS の定義 : ランダム化からあらゆる原因による死亡までの期間 OS を主要評価項目とした臨床試験を実施する場合, がん腫によっては, 非常に試験期間が長くなってしまう

抗悪性腫瘍薬の開発における臨床試験エンドポイント 一般的には, 全生存期間 (OS) が真のエンドポイントとして考えられている. OS の定義 : ランダム化からあらゆる原因による死亡までの期間 OS を主要評価項目とした臨床試験を実施する場合, がん腫によっては, 非常に試験期間が長くなってしまう 抗悪性腫瘍薬の開発における臨床試験エンドポイント 一般的には, 全生存期間 (OS) が真のエンドポイントとして考えられている. OS の定義 : ランダム化からあらゆる原因による死亡までの期間 OS を主要評価項目とした臨床試験を実施する場合, がん腫によっては, 非常に試験期間が長くなってしまう. 無増悪生存期間 (PFS) や無病生存期間 (DFS), 客観的奏効率など,OS よりも短期間で評価可能なエンドポイントを主要評価項目とした臨床試験の実施が検討されることが多い.

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

Kaplan-Meierプロットに付加情報を追加するマクロの作成

Kaplan-Meierプロットに付加情報を追加するマクロの作成 Kaplan-Meier 1, 2,3 1 2 3 A SAS macro for extended Kaplan-Meier plots Kengo Nagashima 1, Yasunori Sato 2,3 1 Department of Parmaceutical Technochemistry, Josai University 2 School of Medicine, Chiba University

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 - (5)Estimand 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 東レ株式会社土居正明 1 本シンポジウムの概要 (PM: セッション 2) 臨床試験の計画から解析までの流れの整理

More information

Microsoft PowerPoint - R-stat-intro_13.ppt [互換モード]

Microsoft PowerPoint - R-stat-intro_13.ppt [互換モード] R で統計解析入門 (13) 生存時間解析 後篇 本日のメニュー 1. 競合リスクに関する解析 2. 再発事象の解析 2 復習 カプランマイヤー推定量 5 人のがん患者さんに薬物療法を行い, ガンの再発 をイベントと してカプランマイヤー推定量によりイベント発生割合を計算する 何らかの理由でイベントを発生せずに観察を終了した場合は打ち切り 時間リスクイベントイベントイベント打ち切り ( 日 ) 集合無発生割合累積発生割合

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

統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ :

統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ : 統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ : https://goo.gl/qw1djw 正規分布 ( 復習 ) 正規分布 (Normal Distribution)N (μ, σ 2 ) 別名 : ガウス分布 (Gaussian Distribution) 密度関数 Excel:= NORM.DIST

More information

布に従う しかし サイコロが均質でなく偏っていて の出る確率がひとつひとつ異なっているならば 二項分布でなくなる そこで このような場合に の出る確率が同じであるサイコロをもっている対象者をひとつのグループにまとめてしまえば このグループの中では回数分布は二項分布になる 全グループの合計の分布を求め

布に従う しかし サイコロが均質でなく偏っていて の出る確率がひとつひとつ異なっているならば 二項分布でなくなる そこで このような場合に の出る確率が同じであるサイコロをもっている対象者をひとつのグループにまとめてしまえば このグループの中では回数分布は二項分布になる 全グループの合計の分布を求め < 解説 > 広告媒体の到達率推定モデル 株式会社ビデオリサーチ常務取締役木戸茂 広告媒体計画の評価指標として広告業界では 有効リーチ あるいは 有効フリークエンシー の概念が一般に用いられている 広告の到達回数分布 Frequency Distribution の推定が重視される背景としては Krugan97977 の3ヒット セオリー Threeexosuretheory を根拠とした 3リーチ

More information

Mantel-Haenszelの方法

Mantel-Haenszelの方法 Mantel-Haenszel 2008 6 12 ) 2008 6 12 1 / 39 Mantel & Haenzel 1959) Mantel N, Haenszel W. Statistical aspects of the analysis of data from retrospective studies of disease. J. Nat. Cancer Inst. 1959; 224):

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

Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI

Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI Kobe University Repository : Kernel タイトル Title 著者 Author(s) 掲載誌 巻号 ページ Citation 刊行日 Issue date 資源タイプ Resource Type 版区分 Resource Version 権利 Rights DOI 平均に対する平滑化ブートストラップ法におけるバンド幅の選択に関する一考察 (A Study about

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

(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

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 Word - Stattext07.doc

Microsoft Word - Stattext07.doc 7 章正規分布 正規分布 (ormal dstrbuto) は 偶発的なデータのゆらぎによって生じる統計学で最も基本的な確率分布です この章では正規分布についてその性質を詳しく見て行きましょう 7. 一般の正規分布正規分布は 平均と分散の つの量によって完全に特徴付けられています 平均 μ 分散 の正規分布は N ( μ, ) 分布とも書かれます ここに N は ormal の頭文字を 表わしています

More information

Microsoft PowerPoint - R-survival.ppt

Microsoft PowerPoint - R-survival.ppt 統計解析フリーソフト R 入門 R による生存時間解析 本日のメニュー R のインストール R による生存時間解析 イントロ 生存関数の推定と群間比較 競合リスクについて その他 2 R のインストール 実行ファイル R-2.6.0pat-win32.exe をダブルクリック http://cran.md.tsukuba.ac.jp/bin/windows/base/r-2.6.0pat-win32.exe

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

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード]

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード] S11_1 計量経済学 一般化古典的回帰モデル -3 1 図 7-3 不均一分散の検定と想定の誤り 想定の誤りと不均一分散均一分散を棄却 3つの可能性 1. 不均一分散がある. 不均一分散はないがモデルの想定に誤り 3. 両者が同時に起きている 想定に誤り不均一分散を 検出 したら散布図に戻り関数形の想定や説明変数の選択を再検討 残差 残差 Y 真の関係 e e 線形回帰 X X 1 実行可能な一般化最小二乗法

More information

y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (

y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G ( 7 2 2008 7 10 1 2 2 1.1 2............................................. 2 1.2 2.......................................... 2 1.3 2........................................ 3 1.4................................................

More information

総合薬学講座 生物統計の基礎

総合薬学講座 生物統計の基礎 2013 10 22 ( ) 2013 10 22 1 / 40 p.682 1. 2. 3 2 t Mann Whitney U ). 4 χ 2. 5. 6 Dunnett Tukey. 7. 8 Kaplan Meier.. U. ( ) 2013 10 22 2 / 40 1 93 ( 20 ) 230. a t b c χ 2 d 1.0 +1.0 e, b ( ) e ( ) ( ) 2013

More information

2 H23 BioS (i) data d1; input group patno t sex censor; cards;

2 H23 BioS (i) data d1; input group patno t sex censor; cards; H BioS (i) data d1; input group patno t sex censor; cards; 0 1 0 0 0 0 1 0 1 1 0 4 4 0 1 0 5 5 1 1 0 6 5 1 1 0 7 10 1 0 0 8 15 0 1 0 9 15 0 1 0 10 4 1 0 0 11 4 1 0 1 1 5 1 0 1 1 7 0 1 1 14 8 1 0 1 15 8

More information

untitled

untitled 2009 57 2 393 411 c 2009 1 1 1 2009 1 15 7 21 7 22 1 1 1 1 1 1 1 1. 1 1 1 2 3 4 12 2000 147 31 1 3,941 596 1 528 1 372 1 1 1.42 350 1197 1 13 1 394 57 2 2009 1 1 19 2002 2005 4.8 1968 5 93SNA 6 12 1 7,

More information

2 値データの Intraclass Correlation Coefficient の推定マクロプログラム 稲葉洋介 1 田中紀子 1 1 国立国際医療研究センターデータサイエンス部生物統計研究室 Macro program for calculating Intraclass Correlati

2 値データの Intraclass Correlation Coefficient の推定マクロプログラム 稲葉洋介 1 田中紀子 1 1 国立国際医療研究センターデータサイエンス部生物統計研究室 Macro program for calculating Intraclass Correlati 2 値データの Intraclass Correlation Coefficient の推定マクロプログラム 稲葉洋介 1 田中紀子 1 1 国立国際医療研究センターデータサイエンス部生物統計研究室 Macro program for calculating Intraclass Correlation Coefficient for binary data Yosuke Inaba, Noriko

More information

03.Œk’ì

03.Œk’ì HRS KG NG-HRS NG-KG AIC Fama 1965 Mandelbrot Blattberg Gonedes t t Kariya, et. al. Nagahara ARCH EngleGARCH Bollerslev EGARCH Nelson GARCH Heynen, et. al. r n r n =σ n w n logσ n =α +βlogσ n 1 + v n w

More information

yasi10.dvi

yasi10.dvi 2002 50 2 259 278 c 2002 1 2 2002 2 14 2002 6 17 73 PML 1. 1997 1998 Swiss Re 2001 Canabarro et al. 1998 2001 1 : 651 0073 1 5 1 IHD 3 2 110 0015 3 3 3 260 50 2 2002, 2. 1 1 2 10 1 1. 261 1. 3. 3.1 2 1

More information

Microsoft PowerPoint - データ解析基礎4.ppt [互換モード]

Microsoft PowerPoint - データ解析基礎4.ppt [互換モード] データ解析基礎. 正規分布と相関係数 keyword 正規分布 正規分布の性質 偏差値 変数間の関係を表す統計量 共分散 相関係数 散布図 正規分布 世の中の多くの現象は, 標本数を大きくしていくと, 正規分布に近づいていくことが知られている. 正規分布 データ解析の基礎となる重要な分布 平均と分散によって特徴づけることができる. 平均値 : 分布の中心を表す値 分散 : 分布のばらつきを表す値 正規分布

More information

JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後

JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後 JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後の 2 章では JMP でのオッズ比 オッズ比の信頼区間の算出方法について サンプルデータを用いて解説しております

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

ii 3.,. 4. F. (), ,,. 8.,. 1. (75% ) (25% ) =9 7, =9 8 (. ). 1.,, (). 3.,. 1. ( ).,.,.,.,.,. ( ) (1 2 )., ( ), 0. 2., 1., 0,.

ii 3.,. 4. F. (), ,,. 8.,. 1. (75% ) (25% ) =9 7, =9 8 (. ). 1.,, (). 3.,. 1. ( ).,.,.,.,.,. ( ) (1 2 )., ( ), 0. 2., 1., 0,. 23(2011) (1 C104) 5 11 (2 C206) 5 12 http://www.math.is.tohoku.ac.jp/~obata,.,,,.. 1. 2. 3. 4. 5. 6. 7.,,. 1., 2007 ( ). 2. P. G. Hoel, 1995. 3... 1... 2.,,. ii 3.,. 4. F. (),.. 5.. 6.. 7.,,. 8.,. 1. (75%

More information

不偏推定量

不偏推定量 不偏推定量 情報科学の補足資料 018 年 6 月 7 日藤本祥二 統計的推定 (statistical estimatio) 確率分布が理論的に分かっている標本統計量を利用する 確率分布の期待値の値をそのまま推定値とするのが点推定 ( 信頼度 0%) 点推定に ± で幅を持たせて信頼度を上げたものが区間推定 持たせた幅のことを誤差 (error) と呼ぶ 信頼度 (cofidece level)

More information

201711grade2.pdf

201711grade2.pdf 2017 11 26 1 2 28 3 90 4 5 A 1 2 3 4 Web Web 6 B 10 3 10 3 7 34 8 23 9 10 1 2 3 1 (A) 3 32.14 0.65 2.82 0.93 7.48 (B) 4 6 61.30 54.68 34.86 5.25 19.07 (C) 7 13 5.89 42.18 56.51 35.80 50.28 (D) 14 20 0.35

More information

Rによる計量分析:データ解析と可視化 - 第3回 Rの基礎とデータ操作・管理

Rによる計量分析:データ解析と可視化 - 第3回  Rの基礎とデータ操作・管理 R 3 R 2017 Email: gito@eco.u-toyama.ac.jp October 23, 2017 (Toyama/NIHU) R ( 3 ) October 23, 2017 1 / 34 Agenda 1 2 3 4 R 5 RStudio (Toyama/NIHU) R ( 3 ) October 23, 2017 2 / 34 10/30 (Mon.) 12/11 (Mon.)

More information

Microsoft PowerPoint - 【魚住】 発表原稿【Web公開用】.ppt [互換モード]

Microsoft PowerPoint - 【魚住】 発表原稿【Web公開用】.ppt [互換モード] SG (Statistical Graphics) Procedures による Kaplan-Meier プロットの作成 魚住龍史 1, * 浜田知久馬 2 1 日本化薬株式会社医薬データセンター 2 東京理科大学工学部経営工学科 Kaplan-Meier plots using Statistical Graphics Procedures Ryuji Uozumi 1, * and Chikuma

More information

Slide 1

Slide 1 解析対象を特定するフラグデータの SDTM/ADaM データセットへの格納について 2015 年 9 月 28 日 製薬協 CDISC タスクフォース 羽田純子 1 目次 背景 用語定義 フラグ情報を格納した ADaM のイメージ 被験者レベルフラグデータの SDTM/ADaM 格納プロセス ADaMにおけるレコードレベルフラグ変数の紹介まとめ 2 背景 CRF において収集したデータについては SDTM

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

66-1 田中健吾・松浦紗織.pwd

66-1 田中健吾・松浦紗織.pwd Abstract The aim of this study was to investigate the characteristics of a psychological stress reaction scale for home caregivers, using Item Response Theory IRT. Participants consisted of 337 home caregivers

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

II III II 1 III ( ) [2] [3] [1] 1 1:

II III II 1 III ( ) [2] [3] [1] 1 1: 2015 4 16 1. II III II 1 III () [2] [3] 2013 11 18 [1] 1 1: [5] [6] () [7] [1] [1] 1998 4 2008 8 2014 8 6 [1] [1] 2 3 4 5 2. 2.1. t Dt L DF t A t (2.1) A t = Dt L + Dt F (2.1) 3 2 1 2008 9 2008 8 2008

More information

X X X Y R Y R Y R MCAR MAR MNAR Figure 1: MCAR, MAR, MNAR Y R X 1.2 Missing At Random (MAR) MAR MCAR MCAR Y X X Y MCAR 2 1 R X Y Table 1 3 IQ MCAR Y I

X X X Y R Y R Y R MCAR MAR MNAR Figure 1: MCAR, MAR, MNAR Y R X 1.2 Missing At Random (MAR) MAR MCAR MCAR Y X X Y MCAR 2 1 R X Y Table 1 3 IQ MCAR Y I (missing data analysis) - - 1/16/2011 (missing data, missing value) (list-wise deletion) (pair-wise deletion) (full information maximum likelihood method, FIML) (multiple imputation method) 1 missing completely

More information

こんにちは由美子です

こんにちは由美子です 1 2 . sum Variable Obs Mean Std. Dev. Min Max ---------+----------------------------------------------------- var1 13.4923077.3545926.05 1.1 3 3 3 0.71 3 x 3 C 3 = 0.3579 2 1 0.71 2 x 0.29 x 3 C 2 = 0.4386

More information

12 1) 20012002 Allison1995 2 3 35 25 20 6 12 1,156 80 2003 2005 2 4-1 1 12 Person-year Data 3 t

12 1) 20012002 Allison1995 2 3 35 25 20 6 12 1,156 80 2003 2005 2 4-1 1 12 Person-year Data 3 t 12 10 Kaplan-Meier Method Discrete-time Logit Model Survival Analysis 2 p t = p t / (1-p t ) Odds Odds Ratio 12 1) 20012002 Allison1995 2 3 35 25 20 6 12 1,156 80 2003 2005 2 4-1 1 12 Person-year Data

More information

kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation :

kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation : kubostat2017b p.1 agenda I 2017 (b) probabilit distribution and maimum likelihood estimation kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 1 : 2 3? 4 kubostat2017b (http://goo.gl/76c4i)

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

ii 3.,. 4. F. (), ,,. 8.,. 1. (75%) (25%) =7 20, =7 21 (. ). 1.,, (). 3.,. 1. ().,.,.,.,.,. () (12 )., (), 0. 2., 1., 0,.

ii 3.,. 4. F. (), ,,. 8.,. 1. (75%) (25%) =7 20, =7 21 (. ). 1.,, (). 3.,. 1. ().,.,.,.,.,. () (12 )., (), 0. 2., 1., 0,. 24(2012) (1 C106) 4 11 (2 C206) 4 12 http://www.math.is.tohoku.ac.jp/~obata,.,,,.. 1. 2. 3. 4. 5. 6. 7.,,. 1., 2007 (). 2. P. G. Hoel, 1995. 3... 1... 2.,,. ii 3.,. 4. F. (),.. 5... 6.. 7.,,. 8.,. 1. (75%)

More information

ε ε x x + ε ε cos(ε) = 1, sin(ε) = ε [6] [5] nonstandard analysis 1974 [4] We shoud add that, to logical positivist, a discussion o

ε ε x x + ε ε cos(ε) = 1, sin(ε) = ε [6] [5] nonstandard analysis 1974 [4] We shoud add that, to logical positivist, a discussion o dif engine 2017/12/08 Math Advent Calendar 2017(https://adventar.org/calendars/2380) 12/8 IST(Internal Set Theory; ) 1 1.1 (nonstandard analysis, NSA) ε ε (a) ε 0. (b) r > 0 ε < r. (a)(b) ε sin(x) d sin(x)

More information

7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推

7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推 7. フィリップス曲線 経済統計分析 ( 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推定結果に基づく予測シミュレーション 物価と失業の関係......... -. -. -........ 失業率

More information

LLG-R8.Nisus.pdf

LLG-R8.Nisus.pdf d M d t = γ M H + α M d M d t M γ [ 1/ ( Oe sec) ] α γ γ = gµ B h g g µ B h / π γ g = γ = 1.76 10 [ 7 1/ ( Oe sec) ] α α = λ γ λ λ λ α γ α α H α = γ H ω ω H α α H K K H K / M 1 1 > 0 α 1 M > 0 γ α γ =

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 16 回 講義 母平均の区間推定 Part-1 016 年 6 10 ( ) 1 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.jp website: http://www3.u-toyama.ac.jp/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

28

28 y i = Z i δ i +ε i ε i δ X y i = X Z i δ i + X ε i [ ] 1 δ ˆ i = Z i X( X X) 1 X Z i [ ] 1 σ ˆ 2 Z i X( X X) 1 X Z i Z i X( X X) 1 X y i σ ˆ 2 ˆ σ 2 = [ ] y i Z ˆ [ i δ i ] 1 y N p i Z i δ ˆ i i RSTAT

More information

統計学の基礎から学ぶ実験計画法ー1

統計学の基礎から学ぶ実験計画法ー1 第 部統計学の基礎と. 統計学とは. 統計学の基本. 母集団とサンプル ( 標本 ). データ (data) 3. 集団の特性を示す統計量 基本的な解析手法 3. 統計量 (statistic) とは 3. 集団を代表する統計量 - 平均値など 3.3 集団のばらつきを表す値 - 平方和 分散 標準偏差 4. ばらつき ( 分布 ) を表す関数 4. 確率密度関数 4. 最も重要な正規分布 4.3

More information

要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49

要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49 要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49 N N Web x x y x x x y x y x y N 三井信宏 : 統計の落とし穴と蜘蛛の糸,https://www.yodosha.co.jp/jikkenigaku/statistics_pitfall/pitfall_.html 50 標本分散 不偏分散 図 1: 不偏分散のほうが母集団の分散に近付くことを示すシミュレーション

More information

Microsoft PowerPoint - 資料04 重回帰分析.ppt

Microsoft PowerPoint - 資料04 重回帰分析.ppt 04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline

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

森林水文 水資源学 2 2. 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 1 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,10 年に 1 回の渇水を対象として計画が立て

森林水文 水資源学 2 2. 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 1 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,10 年に 1 回の渇水を対象として計画が立て . 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,0 年に 回の渇水を対象として計画が立てられる. このように, 水利構造物の設計や, 治水や利水の計画などでは, 年に 回起こるような降雨事象 ( 最大降雨強度, 最大連続干天日数など

More information

Design of highly accurate formulas for numerical integration in weighted Hardy spaces with the aid of potential theory 1 Ken ichiro Tanaka 1 Ω R m F I = F (t) dt (1.1) Ω m m 1 m = 1 1 Newton-Cotes Gauss

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 27//26 第 4 回 医学統計勉強会 東北大学病院循環器内科 東北大学病院臨床研究推進センター 共催 東北大学大学院医学系研究科 EBM 開発学寄附講座 宮田 敏 生存時間解析生存曲線,Cox 比例ハザードモデル 生存時間解析 (survival time analysis) では, 基準となるある時点から, 目的となるイベントの発生までの時間を解析する. 例えば, ある疾患の登録研究において,

More information

スライド 1

スライド 1 全国消費実態調査の匿名データを用いた 人以上世帯の保険需要の分析 宇野慧 アステラス製薬株式会社開発本部データサイエンス部 要旨 : 貯蓄型保険と非貯蓄型保険両方の需要に対して 世帯属性の中でも特に就業状況が与える影響に着目した データは平成 6 年度の総務省全国消費実態調査の匿名データを用いた SUR(Seemingl Unrelated Regression) Tobit モデル推定の結果 就業状況が保険需要に与える影響は貯蓄型と非貯蓄型で大きく異なることが確認できた

More information