フィッシャーの正確確率検定

Rで学ぶA/Bテスト

Lauryn Burleigh

Data Scientist

前提条件

カテゴリーデータのノンパラメトリック
- チーズかペパロニを再度食べるか
標本 < 1000
度数 < 5 が少なくとも20%
厳密なp値にはフィッシャーの正確検定
2x2度数表

超幾何分布

度数表の尤度

table(Pizza$Topping, Pizza$EatAgain)

              No Yes
  Cheese     140 360
  Pepperoni   80 420

仮説

帰無仮説：再度食べるかとトッピング群に関係はない

複数の人の手がピザのスライスを取っている写真。

サンプル

library(pwr)
pwr.chisq.test(w = 0.1, df = 2, 
               power = 0.80, 
               sig.level = 0.05)

     Chi squared power calculation 
              w = 0.1
              N = 963.4689
             df = 2
      sig.level = 0.05
          power = 0.8
NOTE: N is the number of observations

table(Pizza$Topping, Pizza$EatAgain)

              No Yes
  Cheese     140 360
  Pepperoni   80 420

検定

freqtbl <- table(Pizza$Topping, 
                 Pizza$Time)
fisher.test(freqtbl)

    Fisher's Exact Test for Count Data
data:  freqtbl
p-value = 0.001809
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.4569013 0.8417208
sample estimates:
odds ratio 
 0.6209987

効果量

freqtbl <- table(Pizza$Topping, 
                 Pizza$Time)
fisher.test(freqtbl)

Small: 1.5
Medium: 2.5
Large: 4
ペパロニはチーズの0.62倍

Fisher's Exact Test for Count Data
data:  freqtbl
p-value = 0.001809
alternative hypothesis: true odds 
ratio is not equal to 1
95 percent confidence interval:
 0.4569013 0.8417208
sample estimates:
odds ratio 
 0.6209987

検出力

library(pwr)
pwr.2p.test(h = 0.62, n = 500, 
            sig.level = 0.002)

    Difference of proportion power 
 calculation for binomial distribution

              h = 0.62
              n = 500
      sig.level = 0.002
          power = 1
    alternative = two.sided

NOTE: same sample sizes

Passons à la pratique !

Rで学ぶA/Bテスト