統計検定 1級 2017年 医薬生物学 問1 生存時間分析

公開日: 更新日:

【2023年1月3週】 【A000】生物統計学 【D000】統計検定 過去問

この記事をシェアする
  • B!
サムネイル画像

本稿には、2017年に実施された統計検定1級『医薬生物学』 問1の自作解答案を掲載しています。なお、閲覧にあたっては、以下の点にご注意ください。

  • 著作権の関係上、問題文は、掲載することができません。申し訳ありませんが、閲覧者のみなさまでご用意いただければ幸いです。
  • この答案は、あくまでも筆者が自作したものであり、公式なものではありません。正式な答案については、公式問題集をご参照ください。
  • 計算ミスや誤字・脱字などがありましたら、コメントなどでご指摘いただければ大変助かります。
  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。

〔1〕イベント確率密度関数と生存関数・ハザード関数の関係

条件付き確率の定義より、 \begin{align} \lambda \left(t\right)&=\lim_{\Delta t\rightarrow0}{\frac{1}{\Delta t}}P \left(t \le T \le t+\Delta t\middle| t \le T\right)\\ &=\lim_{\Delta t\rightarrow0}{\frac{1}{\Delta t}\frac{P \left(t \le T \le t+\Delta t,t \le T\right)}{P \left(t \le T\right)}}\\ &=\lim_{\Delta t\rightarrow0}{\frac{P \left(t \le T \le t+\Delta t\right)}{\Delta t}\frac{1}{P \left(t \le T\right)}} \end{align} 生存関数の定義 $S \left(t\right)=P \left(t \le T\right)$ より、 \begin{align} \lambda \left(t\right)=\lim_{\Delta t\rightarrow0}{\frac{P \left(t \le T \le t+\Delta t\right)}{\Delta t}\frac{1}{S \left(t\right)}} \end{align} イベント確率の分布関数の定義より、 \begin{align} \lambda \left(t\right)=\lim_{\Delta t\rightarrow0}{\frac{F \left(t+\Delta t\right)-F \left(t\right)}{\Delta t}\frac{1}{S \left(t\right)}} \end{align} 微分の定義と分布関数と確率密度関数の関係より、 \begin{gather} \lambda \left(t\right)=\frac{1}{S \left(t\right)} \cdot \frac{d}{dt}F \left(t\right)=\frac{f \left(t\right)}{S \left(t\right)}\\ f \left(t\right)=\lambda \left(t\right) \cdot S \left(t\right) \end{gather} $\blacksquare$

〔2〕累積ハザード関数と生存関数の関係

〔1〕の計算過程において、生存関数を用いると、 \begin{align} P \left(t \le T \le t+\Delta t\right)&=S \left(t\right)-S \left(t+\Delta\right)\\ &=-S \left(t+\Delta\right)-S \left(t\right) \end{align} したがって、 \begin{align} \lambda \left(t\right)&=-\lim_{\Delta\rightarrow0}{\frac{S \left(t+\Delta\right)-S \left(t\right)}{\Delta} \cdot \frac{1}{S \left(t\right)}}\\ &=-\frac{d}{dt}S \left(t\right) \cdot \frac{1}{S \left(t\right)} \end{align} 与えられた定義式を計算すると、 \begin{align} \Lambda \left(t\right)=\int_{0}^{t}{-\frac{S^\prime \left(u\right)}{S \left(u\right)}du} \end{align} 積分の公式 $\log{f \left(x\right)}=\int{\frac{f^\prime \left(x\right)}{f \left(x\right)}dx}$ より、 \begin{align} \Lambda \left(t\right)&=\int_{0}^{t}{-\frac{d}{du}\log{S \left(u\right)}du}\\ &= \left[-\log{S \left(u\right)}\right]_0^t\\ &=- \left\{\log{S \left(t\right)}-\log{S \left(0\right)}\right\}\\ &=-\log{S \left(t\right)}+0\\ &=-\log{S \left(t\right)} \end{align} $\blacksquare$

〔3〕確率積分変換

確率変数 $T$ をその分布関数で変換(確率積分変換)した確率変数 $F \left(T\right)$ の分布関数は、 \begin{align} G \left[F \left(T\right)\right]&=P \left\{F \left(T\right) \le t\right\}\\ &=P \left\{T \le F^{-1} \left(t\right)\right\}\\ &=F \left\{F^{-1} \left(t\right)\right\}\\ &=t \end{align} したがって、 \begin{gather} F \left(T\right) \sim \mathrm{U} \left(0,1\right)\\ P \left\{F \left(T\right) \gt g \left(t\right)\right\}=1-g \left(t\right) \end{gather} 〔2〕の結果より、 \begin{align} P \left\{\Lambda \left(T\right) \gt t\right\}&=P \left\{-\log{S \left(T\right)} \gt t\right\}\\ &=P \left\{S \left(T\right) \lt e^{-t}\right\}\\ &=P \left\{1-F \left(T\right) \lt e^{-t}\right\}\\ &=P \left\{F \left(T\right) \gt 1-e^{-t}\right\}\\ &=1- \left(1-e^{-t}\right)\\ &=e^{-t} \end{align} $\blacksquare$

〔4〕補対数対数変換

Cox比例ハザードモデルの定義式(1)より、 \begin{align} \Lambda \left(t\middle|\boldsymbol{Z}\right)&=\int_{0}^{t}{\lambda \left(u\middle|\boldsymbol{Z}\right)du}\\ &=\int_{0}^{t}{\lambda_0 \left(u\right) \cdot \mathrm{exp} \left(\beta^T\boldsymbol{Z}\right)du}\\ &=\mathrm{exp} \left(\beta^T\boldsymbol{Z}\right)\int_{0}^{t}{\lambda_0 \left(u\right)du}\\ &=\Lambda_0 \left(t\right) \cdot \mathrm{exp} \left(\beta^T\boldsymbol{Z}\right) \end{align} 〔2〕の結果より、$\Lambda \left(t\middle|\boldsymbol{Z}\right)=-\log{S \left(t\middle|\boldsymbol{Z}\right)}$ なので、 \begin{align} -\log{S \left(t\middle|\boldsymbol{Z}\right)}=\Lambda_0 \left(t\right) \cdot \mathrm{exp} \left(\beta^T\boldsymbol{Z}\right) \end{align} 両辺の対数を取ると、 \begin{align} \log{ \left\{-\log{S \left(t\middle|\boldsymbol{Z}\right)}\right\}}=\log{\Lambda_0 \left(t\right)}+\beta^T\boldsymbol{Z} \end{align} したがって、 \begin{align} h \left(t\right)=\log{\Lambda_0 \left(t\right)} \end{align} $\blacksquare$

〔5〕累積分布関数の導出

〔4〕の結果より、 \begin{align} \epsilon \left(t\right)=\log{ \left\{-\log{S \left(t\middle|\boldsymbol{Z}\right)}\right\}} \end{align} 両辺の $t$ を $T$ に置き換えると、 \begin{align} \epsilon \left(T\right)=\log{ \left\{-\log{S \left(T\middle|\boldsymbol{Z}\right)}\right\}} \end{align} 〔3〕と同様に、 \begin{align} P \left\{\epsilon \left(T\right) \le x\right\}&=P \left[\log{ \left\{-\log{S \left(T\middle|\boldsymbol{Z}\right)}\right\}} \le x\right]\\ &=P \left\{-\log{S \left(T\middle|\boldsymbol{Z}\right)} \le \mathrm{exp} \left(x\right)\right\}\\ &=P \left[S \left(T\middle|\boldsymbol{Z}\right) \geq \mathrm{exp} \left\{\mathrm{exp} \left(x\right)\right\}\right]\\ &=P \left[1-F \left(T\middle|\boldsymbol{Z}\right) \geq \mathrm{exp} \left\{\mathrm{exp} \left(x\right)\right\}\right]\\ &=P \left[F \left(T\middle|\boldsymbol{Z}\right) \le 1-\mathrm{exp} \left\{\mathrm{exp} \left(x\right)\right\}\right]\\ &=1-\mathrm{exp} \left\{\mathrm{exp} \left(x\right)\right\} \end{align} $\blacksquare$

〔6〕乱数の生成法

〔5〕の結果より、 \begin{gather} \epsilon \left(T\right)=\log{ \left\{-\log{S \left(T\middle|\boldsymbol{Z}\right)}\right\}}\\ S \left(T\middle|\boldsymbol{Z}\right) \sim \mathrm{U} \left(0,1\right) \end{gather} よって、$V=S \left(T\middle|\boldsymbol{Z}\right)$ とすると、$\epsilon \left(T\right)$ に対する乱数は、 \begin{align} \epsilon \left(T\right)=\log{ \left(-\log{V}\right)} \end{align} $\lambda_0 \left(t\right)=\frac{3}{2}\sqrt t$ なので、 \begin{align} \Lambda_0 \left(t\right)=\int_{0}^{t}{\frac{3}{2}\sqrt u d u}=\frac{3}{2} \left[\frac{2}{3}u^\frac{3}{2}\right]_0^t=t^\frac{3}{2} \end{align} よって、〔4〕の結果より、 \begin{align} h \left(t\right)=\log{\Lambda_0 \left(t\right)}=\frac{3}{2}\log{t} \end{align} また、〔5〕の結果より、$\beta=\frac{1}{2},\boldsymbol{Z}=Z$ を代入すると、 \begin{gather} h \left(T\right)=-\beta^T\boldsymbol{Z}+\epsilon \left(T\right)\\ \frac{3}{2}\log{T}=-\frac{Z}{2}+\epsilon \left(T\right)\\ \log{T}=-\frac{Z}{3}+\frac{2}{3}\epsilon \left(T\right)\\ T=\mathrm{exp} \left\{-\frac{Z}{3}+\frac{2}{3}\epsilon \left(T\right)\right\} \end{gather} これより、次の手順で $T$ に対する乱数を得ることができる。
Step1:区間 $ \left[0,1\right]$ の一様分布に従う乱数 $U$ を生成し、$Z=40+30U$ とする。
Step2:Step1の $U$ とは独立に区間 $ \left[0,1\right]$ の一様分布に従う乱数 $V$ を生成し、$\epsilon \left(T\right)=\log{ \left(-\log{V}\right)}$ とする。
Step3: \begin{align} T=\mathrm{exp} \left\{-\frac{Z}{3}+\frac{2}{3}\log{ \left(-\log{V}\right)}\right\} \end{align} $\blacksquare$

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ