高校数学の質問スレ（医者・東大卒専用） Part438

高校数学の質問スレ（医者・東大卒専用） Part438 (991ﾚｽ)
上下前次1-新
抽出解除ﾚｽ栞

ﾘﾛｰﾄﾞ規制です｡10分ほどで解除するので､他のﾌﾞﾗｳｻﾞへ避難してください｡

94: 2024/08/19(月)22:04:47.75 ID:nSXgUTL8(1) AAS
ヨーモニ〜💏
あいがみも酔ってる方だと思うわ
投資スタイルなんてだいぶ昔に統一関係議員全員美少女化したのここ？
外部ﾘﾝｸ:0kvs.if.d42c

149: 2024/08/25(日)10:53:44.75 ID:0Dxrgsfy(1/4) AAS
数学板でも高校生にボコされた上にスクリプト爆撃を受けてもう元気がなくなった様子w

>>146
ずっとダンマリ決め込んでたくせに今更後出しジャンケンだっさw

189：卵の名無しさん：2024/08/24(土) 08:17:30.15 ID:q7UaKMDX
尿瓶ジジイは言い訳ばっかで結局答えわからんかったって事でとりあえず答え書いとくわ

P値とは統計的仮説検定を行う際，「比較する2群の結果に差がない」という仮説（帰無仮説）どおりになる確率のことである．すなわちP = 0.001とは，標本抽出して検定を1,000回行うと１回だけ帰無仮説どおりになることである．
　この際，2群の差が大きいほどP値は小さくなる．一方，P値が小さいことは2群の差が大きいことを意味するとは限らない．例えば，サンプルサイズが大きければP値は低くなる傾向がある．ゆえにP値の絶対値が介入の効果の大きさを直接示しているわけではない．
　ランダム化比較研究の結果を広く臨床に応用する際，介入の効果（有効性）の大きさを考慮することは大事である．今回の研究においては介入の効果を，変化量の2群間の差や改善割合の2群間の比として95％信頼区間で示すというのが可能である．また，効果量を算出する方法もある．2群の平均値の差であれば，t 値と自由度とを使って計算するr 値や，平均や標準偏差から計算する d 値で示すことができる．効果量も絶対的な指標ではないものの，介入効果を示す1つとして覚えておくと良い．
　以上から，選択肢の中では（e）を正解，（a）を不正解．

219(1): 2024/09/10(火)11:12:07.75 ID:whLItct/(1) AAS
累積密度関数の逆関数を与えてHighest Density Intervalを算出する

HDI=\(InvCDF=qbeta,cred=0.95,...){
opt=optimize(\(p) InvCDF(p+cred,...) - InvCDF(p,...),c(0,1-cred))
lwr=InvCDF(opt$min,...)
upr=lwr+opt$obj
c(lwr,upr)
}

ガンマ分布で検証
lu=HDI(qgamma,shape=20,rate=24)
lu
curve(dgamma(x,shape=20,rate=24),0,2)
pgamma(lu[2],shape=20,rate=24)-pgamma(lu[1],shape=20,rate=24)
diff(lu) < qgamma(0.975,20,24)-qgamma(0.025,20,24)

ベータ分布で検証
lu=HDI(qbeta,shape1=20,shape2=24)
lu
curve(dbeta(x,20,24),0,1)
pbeta(lu[2],20,24)-pbeta(lu[1],20,24)
diff(lu) < qbeta(0.975,20,24)-qbeta(0.025,20,24)

293(1): 2024/11/01(金)09:01:11.75 ID:xXgu6Jsk(1) AAS
>>290
その理屈で言うと、あなたの時は二次試験に英語がなかったってことにならない？

423: 2024/12/12(木)17:32:08.75 ID:rMBX4gAn(2/2) AAS
> mat
[,1] [,2] [,3] [,4]
[1,] 6 1 8 NA
[2,] NA 5 8 3
[3,] 5 2 NA 1
[4,] NA 6 7 5
[5,] 3 NA 4 6
[6,] 3 1 7 NA

491(1): 2024/12/30(月)21:13:17.75 ID:DAgtZ3Zg(5/5) AAS
>>490
類似問題のコードを弄るだけなのに
クレクレ　レス乞食かよ。

536: 01/10(金)07:02:22.75 ID:nzxEBzqG(1) AAS
>>535
医科歯科卒wwww
日本語すらまともに使えない中卒以下の低脳が何言ってんの？
Fラン受験出来るのが羨ましいのかよwww

760: 03/24(月)18:45:32.75 ID:4gzHInjV(1/2) AAS
>>758
それ入試でもそう書くのかよアホ

823: 05/02(金)11:02:18.75 ID:+8QO9mMm(2/2) AAS
set.seed(123)
library(fmsb)

alpha <- 0.05
N <- 1000

# Simulation function
sim <- function() {
# Random group sizes
n1 <- sample(250:350, 1) # Low-dose
n2 <- sample(250:350, 1) # High-dose
n3 <- N - n1 - n2 # Placebo
if (n3 < 100) return(NULL) # Skip too-small placebo

# Success rates from uniform distribution
p1 <- runif(1)
p2 <- runif(1)
p3 <- runif(1)

# Binomial draws
x1 <- rbinom(1, n1, p1)
x2 <- rbinom(1, n2, p2)
x3 <- rbinom(1, n3, p3)

# 3-group matrix
m3 <- rbind(success = c(x1, x2, x3),
failure = c(n1 - x1, n2 - x2, n3 - x3))
colnames(m3) <- c("Low", "High", "Placebo")

# Add 4th group = combined (low + high)
x4 <- x1 + x2
n4 <- n1 + n2
m4 <- cbind(m3, Combined = c(x4, n4 - x4))

# Perform pairwise Fisher's exact tests across 4 groups
pw <- suppressWarnings(pairwise.fisher.test(m4[1,], colSums(m4), p.adj="bonf")$p.value)
pw_vals <- as.vector(pw)
pw_vals <- pw_vals[!is.na(pw_vals)]
names_all <- names(pw_vals)

# Identify significant pairs
sig_idx <- which(pw_vals < alpha)
sig_names <- names(pw_vals)[sig_idx]

# Check if only Combined vs Placebo is significant
is_valid <- length(sig_idx) == 1 &&
any(grepl("Placebo-Combined|Combined-Placebo", sig_names))

if (is_valid) {
return(list(m = m4, probs = c(p1, p2, p3), sizes = c(n1, n2, n3), pvals = pw))
} else {
return(NULL)
}
}

# Run until condition met
res <- NULL
while (is.null(res)) {
res <- sim()
}

# Output results
print(res$m)
cat("Success probabilities (Low, High, Placebo):", round(res$probs, 3), "\n")
cat("Sample sizes (Low, High, Placebo):", res$sizes, "\n")
cat("Pairwise Bonferroni-adjusted p-values:\n")
print(res$pvals)

845: 05/24(土)08:37:05.75 ID:VetM3rz7(4/5) AAS
library(rjags)

# Fit a Bayesian logistic regression model using JAGS and return predictions and posterior summaries
fit_bayesian_logistic_jags <- function(data, formula, newdata,
n.chains = 3, n.iter = 5000, n.burnin = 1000) {
# Extract response variable name from the formula
response_var <- all.vars(formula)[1]
y <- data[[response_var]]

# Convert factor response to binary numeric (0/1)
if (is.factor(y)) y <- as.numeric(y) - 1
y <- as.numeric(y)

# Construct design matrices for training and new data
X <- model.matrix(formula, data)
new_X <- model.matrix(delete.response(terms(formula)), newdata)

# Prepare data list for JAGS
jags_data <- list(
y = y,
X = X,
n = nrow(X),
p = ncol(X),
new_X = new_X,
scale_beta = rep(2.5, ncol(X)) # Prior scale for each coefficient
)

# Define the JAGS model
model_string <- "
model {
for (j in 1:p) {
beta[j] ~ dt(0, 1 / pow(scale_beta[j], 2), 1)
}

for (i in 1:n) {
logit_p[i] <- inprod(X[i,], beta[])
y[i] ~ dbern(1 / (1 + exp(-logit_p[i])))
}

new_logit <- inprod(new_X[1,], beta[])
new_p <- 1 / (1 + exp(-new_logit))
}
"

# Initialize and run the JAGS model
model <- jags.model(textConnection(model_string), data = jags_data,
n.chains = n.chains, quiet = TRUE)
update(model, n.burnin)

# Draw posterior samples
samples <- coda.samples(model, c("beta", "new_p"), n.iter - n.burnin)
mat <- as.matrix(samples)

# Return results
list(
model = samples,
predicted_prob = mean(mat[, "new_p"]),
summary = summary(samples)
)
}

898(1): 06/20(金)10:33:06.75 ID:MF6ybfWx(1) AAS
>>896
質問スレなのに解答要求www
解き方分かってるのになんで解答必要なのか合理的な理由述べてみろよ。

上下前次1-新書関写板覧索設栞歴

ｽﾚ情報赤ﾚｽ抽出画像ﾚｽ抽出歴の未読ｽﾚ

ぬこの手ぬこTOP 0.050s