サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
災害への備え
nshi.jp
二項確率の信頼区間に基づくサンプルサイズ設計を行う Web アプリです、JavaScript で作成しています。 なお、Jeffreys interval と Clopper–Pearson interval は計算に多少時間がかかる場合がありますので、実行環境の CPU 性能や、ブラウザのバージョンにご注意ください。 いわゆる precision-based なサンプルサイズ設計を行います。 設定した条件の下で、信頼区間幅 $R$ がある値 $2h$ より小さくなる確率が、一定の値 $1 - \beta$ より大きくなる、つまり $\Pr(R \lt 2h) \gt 1 - \beta$ となるようにサンプルサイズを計算する方法です。 また、この $\Pr(R \lt 2h)$ という確率は、信頼区間幅が設定した精度を達成できる確率と解釈できます。 したがって、差を検出する確率を制御し、
R の base には、クロス集計を行うための table 関数があります。 本ページでは、table 関数を用いた一般的な作表、割合の計算方法、およびパーセント表示についてまとめたいと思います。 table 関数の基本的な使い方は、関数の引数に集計対象の変数を与えるだけです。 層別変数を z とし、変数 x, y に対するクロス集計を行う場合は、 set.seed(20120508) x <- sample(letters[1:3], 300, replace = T) y <- sample(letters[4:5], 300, replace = T) z <- sample(letters[6:7], 300, replace = T) t1 <- table(z, x, y) ftable(t1) を実行します。実行結果は以下の様になります。 > ftable(t1) y d e
eval + parse + text vs. eval + substitute + do.call R で実行したいコードが character 型のオブジェクトとして格納されている場合、eval + parse + text などを使って実行する事があります。 例えば、添え字をインクリメントして x1, x2, ..., という連番オブジェクトを生成する場合などに利用されていると思います。 各所 R コミュニティでは eval + parse + text なんて使うのはダメだ!という話をよく見かけます。 使ってはいけない理由についてはクリアに理解できなかったのですが、計算速度には違いがあるという事が指摘されているようです。 そこで、非推奨の eval + parse + text と推奨されている eval + substitute + do.call のシンプルな例を示した上で、
二群比較のサンプルサイズ設計 MMRM に対するサンプルサイズ設計 二群の生存関数の検定のサンプルサイズ設計 (年次生存割合から計算) 二群の生存関数の検定のサンプルサイズ設計 (MST から計算) 二群の生存関数の検定のサンプルサイズ設計 (MST+HR から計算) 二群の母平均の差の仮説検定に対するサンプルサイズ設計 (群間差から計算) 二群の母平均の差の仮説検定に対するサンプルサイズ設計 (二群の平均から計算) $2 \times 2$ 分割表のカイ二乗検定に対するサンプルサイズ設計 二群比較 (非劣性) のサンプルサイズ設計 非劣性仮説の log-rank 検定に対するサンプルサイズ設計 (年次生存割合から計算) 非劣性仮説の log-rank 検定に対するサンプルサイズ設計 (MST から計算) 非劣性仮説の log-rank 検定に対するサンプルサイズ設計 (MST+HR から
このページを最初にブックマークしてみませんか?
『Kengo Nagashima』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く