本稿には、2018年に実施された統計検定1級『医薬生物学』 問2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〕有効率を比較するバラメータの推定量の分散
多項分布の分散・共分散の公式より、$n_{ij} \left(i=1,2,j=1.2\right)$ について、 \begin{gather} V \left(n_{ij}\right)=n\pi_{ij} \left(1-\pi_{ij}\right)\\ \mathrm{Cov} \left(n_{ij},n_{st}\right)=-n\pi_{ij}\pi_{st} \left(i \neq s,j \neq t\right) \end{gather} したがって、分散の性質より、 \begin{align} V \left(\hat{\delta}\right)&=V \left(\frac{n_{12}-n_{21}}{n}\right)\\ &=\frac{1}{n^2} \left\{V \left(n_{12}\right)+V \left(n_{21}\right)-2\mathrm{Cov} \left(n_{12},n_{21}\right)\right\}\\ &=\frac{1}{n^2} \left\{n\pi_{12} \left(1-\pi_{12}\right)+n\pi_{21} \left(1-\pi_{21}\right)+2n\pi_{12}\pi_{21}\right\}\\ &=\frac{1}{n} \left(\pi_{12}-\pi_{12}^2+\pi_{21}-\pi_{21}^2+2\pi_{12}\pi_{21}\right) \end{align} $\blacksquare$
〔2〕信頼区間の導出
母集団確率の推定値は、標本確率で推定するので、 \begin{align} {\hat{\pi}}_{12}=\frac{n_{12}}{n} \quad {\hat{\pi}}_{21}=\frac{n_{21}}{n} \end{align} これを〔1〕の結果の式に代入すると、 \begin{align} \hat{V} \left(\hat{\delta}\right)&=\frac{1}{n} \left({\hat{\pi}}_{12}+{\hat{\pi}}_{21}-{\hat{\pi}}_{12}^2-{\hat{\pi}}_{21}^2+2{\hat{\pi}}_{12}{\hat{\pi}}_{21}\right)\\ &=\frac{1}{n} \left(\frac{n_{12}}{n}+\frac{n_{21}}{n}-\frac{n_{12}^2}{n^2}-\frac{n_{21}^2}{n^2}+2\frac{n_{12}}{n} \cdot \frac{n_{21}}{n}\right)\\ &=\frac{1}{n} \left(\frac{n_{12}+n_{21}}{n}-\frac{n_{12}^2-2n_{12}n_{21}+n_{21}^2}{n^2}\right)\\ &=\frac{n_{12}+n_{21}}{n^2}-\frac{ \left(n_{12}-n_{21}\right)^2}{n^3} \end{align} ここで、 \begin{align} Z=\frac{\hat{\delta}-\delta}{\sqrt{\hat{V} \left(\hat{\delta}\right)}} \end{align} として、 多項分布の正規近似を用いて、$\delta=\pi_{12}-\pi_{21}$ の $100 \left(1-\alpha\right)\%$ 両側信頼区間は、 \begin{gather} \hat{\delta}-Z_\frac{\alpha}{2} \cdot \sqrt{\hat{V} \left(\hat{\delta}\right)} \le \delta \le \hat{\delta}+Z_\frac{\alpha}{2} \cdot \sqrt{\hat{V} \left(\hat{\delta}\right)} \end{gather} $\blacksquare$
〔3〕母集団確率の最尤推定量
(i)帰無仮説の下での最尤推定最
多項係数部分を除いて、尤度関数 $L \left(\theta\right)$ を求めると、
\begin{align}
L \left(\boldsymbol{\pi}\right)=\prod_{i=1}^{2}\prod_{j=1}^{2}\pi_{ij}^{n_{ij}}
\end{align}
対数尤度関数 $l \left(\theta\right)=\log{L \left(\theta\right)}$ を求めると、
\begin{align}
l \left(\boldsymbol{\pi}\right)=\sum_{i=1}^{2}\sum_{j=1}^{2}{n_{ij}\log{\pi_{ij}}}
\end{align}
帰無仮説のもとでは、次の制約がある。
\begin{gather}
\sum_{i=1}^{2}\sum_{j=1}^{2}\pi_{ij}=1\\
\delta=0\Leftrightarrow\pi_{12}=\pi_{21}
\end{gather}
ラグランジュの未定乗数法により、次式を最大にする $\pi_{ij}$ を求める。
\begin{align}
l_0 \left(\boldsymbol{\pi}\right)=\sum_{i=1}^{2}\sum_{j=1}^{2}{n_{ij}\log{\pi_{ij}}}-\lambda \left(\sum_{i=1}^{2}\sum_{j=1}^{2}\pi_{ij}-1\right)-\phi \left(\pi_{12}-\pi_{21}\right)
\end{align}
$l_0 \left(\boldsymbol{\pi}\right)$ を未知パラメータ $\pi_{ij} \left(i=1,2,j=1,2\right),\lambda,\phi$ で偏徴分して0 と置いた方程式を解く。
\begin{gather}
\frac{\partial}{\partial\pi_{11}}l_0 \left(\boldsymbol{\pi}\right)=\frac{n_{11}}{\pi_{11}}-\lambda\tag{1}\\
\frac{\partial}{\partial\pi_{12}}l_0 \left(\boldsymbol{\pi}\right)=\frac{n_{12}}{\pi_{12}}-\lambda-\phi\tag{2}\\
\frac{\partial}{\partial\pi_{21}}l_0 \left(\boldsymbol{\pi}\right)=\frac{n_{21}}{\pi_{21}}-\lambda+\phi\tag{3}\\
\frac{\partial}{\partial\pi_{22}}l_0 \left(\boldsymbol{\pi}\right)=\frac{n_{22}}{\pi_{22}}-\lambda\tag{4}\\
\frac{\partial}{\partial\lambda}l_0 \left(\boldsymbol{\pi}\right)=- \left(\sum_{i=1}^{2}\sum_{j=1}^{2}\pi_{ij}-1\right)\tag{5}\\
\frac{\partial}{\partial\phi}l_0 \left(\boldsymbol{\pi}\right)=- \left(\pi_{12}-\pi_{21}\right)\tag{6}
\end{gather}
式 $(1)$ から式 $(4)$ より、
\begin{gather}
n_{11}-\lambda\pi_{11}=0\tag{7}\\
n_{12}-\lambda\pi_{12}-\phi\pi_{12}=0\tag{8}\\
n_{21}-\lambda\pi_{21}+\phi\pi_{21}=0\tag{9}\\
n_{22}-\lambda\pi_{22}=0\tag{10}
\end{gather}
式 $(7)$ から式 $(10)$ の和を取ると
\begin{gather}
\left(n_{11}+n_{12}+n_{21}+n_{22}\right)-\lambda \left(\pi_{11}+\pi_{12}+\pi_{21}+\pi_{22}\right)-\phi \left(\pi_{12}-\pi_{21}\right)=0\\
n-\lambda \cdot 1-\phi \cdot 0=0\\
\lambda=n
\end{gather}
$\lambda=n$ を式 $(7)$ から式 $(10)$ に代入すると
\begin{gather}
\pi_{11}=\frac{n_{11}}{n}\\
\pi_{12}=\frac{n_{12}}{n+\phi}\\
\pi_{21}=\frac{n_{21}}{n-\phi}\\
\pi_{22}=\frac{n_{22}}{n}
\end{gather}
$\pi_{12}=\pi_{21}$ より、
\begin{gather}
\frac{n_{12}}{n+\phi}=\frac{n_{21}}{n-\phi}\\
n_{12} \left(n-\phi\right)=n_{21} \left(n+\phi\right)\\
n \left(n_{12}-n_{21}\right)= \left(n_{12}+n_{21}\right)\phi
\phi=\frac{n \left(n_{12}-n_{21}\right)}{n_{12}+n_{21}}
\end{gather}
したがって、帰無仮説のもとでの $\pi_{ij}$ の最尤推定量 ${\hat{\pi}}_{ij}$ は、
\begin{gather}
{\hat{\pi}}_{11}=\frac{n_{11}}{n}\\
{\hat{\pi}}_{12}=\frac{n_{12}+n_{21}}{2n}\\
{\hat{\pi}}_{21}=\frac{n_{12}+n_{21}}{2n}\\
{\hat{\pi}}_{22}=\frac{n_{22}}{n}
\end{gather}
(ii)対立仮説の下での最尤推定最
同様に、対立仮説 $\delta \neq 0$ の下での対数尤度関数は、
\begin{align}
l_1 \left(\boldsymbol{\pi}\right)=\sum_{i=1}^{2}\sum_{j=1}^{2}{n_{ij}\log{\pi_{ij}}}-\lambda \left(\sum_{i=1}^{2}\sum_{j=1}^{2}\pi_{ij}-1\right)
\end{align}
この式が満たすべき制約は、
\begin{align}
\sum_{i=1}^{2}\sum_{j=1}^{2}\pi_{ij}=1
\end{align}
それぞれの未知パラメータで偏徴分して0 とおくと、
\begin{gather}
\frac{\partial}{\partial\pi_{11}}l_1 \left(\boldsymbol{\pi}\right)=\frac{n_{11}}{\pi_{11}}-\lambda\tag{11}\\
\frac{\partial}{\partial\pi_{12}}l_1 \left(\boldsymbol{\pi}\right)=\frac{n_{12}}{\pi_{12}}-\lambda\tag{12}\\
\frac{\partial}{\partial\pi_{21}}l_1 \left(\boldsymbol{\pi}\right)=\frac{n_{21}}{\pi_{21}}-\lambda\tag{13}\\
\frac{\partial}{\partial\pi_{22}}l_1 \left(\boldsymbol{\pi}\right)=\frac{n_{22}}{\pi_{22}}-\lambda\tag{14}\\
\frac{\partial}{\partial\lambda}l_1 \left(\boldsymbol{\pi}\right)=- \left(\sum_{i=1}^{2}\sum_{j=1}^{2}\pi_{ij}-1\right)\tag{15}
\end{gather}
式 $(11)$ から式 $(14)$ より、
\begin{gather}
n_{11}-\lambda\pi_{11}=0\tag{16}\\
n_{12}-\lambda\pi_{12}=0\tag{17}\\
n_{21}-\lambda\pi_{21}=0\tag{18}\\
n_{22}-\lambda\pi_{22}=0\tag{19}
\end{gather}
式 $(16)$ から式 $(19)$ の和を取ると
\begin{gather}
\left(n_{11}+n_{12}+n_{21}+n_{22}\right)-\lambda \left(\pi_{11}+\pi_{12}+\pi_{21}+\pi_{22}\right)=0\\
\lambda=n
\end{gather}
したがって、対立仮説の下での $\pi_{ij}$ の最尤推定量 ${\hat{\pi}}_{ij}$ は、
\begin{gather}
{\hat{\pi}}_{11}=\frac{n_{11}}{n}\\
{\hat{\pi}}_{12}=\frac{n_{12}}{n}\\
{\hat{\pi}}_{21}=\frac{n_{12}}{n}\\
{\hat{\pi}}_{22}=\frac{n_{22}}{n}
\end{gather}
$\blacksquare$
〔4〕尤度比検定統計量
〔3〕の結果より、帰無仮説の下での多項係数部分を除く最大尤度は、
\begin{align}
L_0= \left(\frac{n_{11}}{n}\right)^{n_{11}} \left(\frac{n_{12}+n_{21}}{2n}\right)^{n_{12}} \left(\frac{n_{12}+n_{21}}{2n}\right)^{n_{21}} \left(\frac{n_{22}}{n}\right)^{n_{22}}
\end{align}
帰無仮説の下では、
\begin{align}
L_1= \left(\frac{n_{11}}{n}\right)^{n_{11}} \left(\frac{n_{12}}{n}\right)^{n_{12}} \left(\frac{n_{21}}{n}\right)^{n_{21}} \left(\frac{n_{22}}{n}\right)^{n_{22}}
\end{align}
したがって、尤度比 $\lambda=\frac{L_1}{L_0}$ は
\begin{align}
\lambda&=\frac{ \left(\frac{n_{11}}{n}\right)^{n_{11}} \left(\frac{n_{12}}{n}\right)^{n_{12}} \left(\frac{n_{21}}{n}\right)^{n_{21}} \left(\frac{n_{22}}{n}\right)^{n_{22}}}{ \left(\frac{n_{11}}{n}\right)^{n_{11}} \left(\frac{n_{12}+n_{21}}{2n}\right)^{n_{12}} \left(\frac{n_{12}+n_{21}}{2n}\right)^{n_{21}} \left(\frac{n_{22}}{n}\right)^{n_{22}}}\\
&=\frac{ \left(\frac{n_{12}}{n}\right)^{n_{12}} \left(\frac{n_{21}}{n}\right)^{n_{21}}}{ \left(\frac{n_{12}+n_{21}}{2n}\right)^{n_{12}} \left(\frac{n_{12}+n_{21}}{2n}\right)^{n_{21}}}\\
&= \left(\frac{2n_{12}}{n_{12}+n_{21}}\right)^{n_{12}} \left(\frac{2n_{21}}{n_{12}+n_{21}}\right)^{n_{21}}
\end{align}
以下の尤度比検定統計量 $\Lambda=-2\log{\lambda}$ は、漸近的に $\chi^2$分布に従う。
\begin{align}
\Lambda&=-2 \left[n_{12}\log{ \left(\frac{2n_{12}}{n_{12}+n_{21}}\right)}+n_{21}\log{ \left(\frac{2n_{21}}{n_{12}+n_{21}}\right)}\right]\\
&=2 \left[n_{12}\log{ \left(\frac{n_{12}+n_{21}}{2n_{12}}\right)}+n_{21}\log{ \left(\frac{n_{12}+n_{21}}{2n_{21}}\right)}\right]
\end{align}
帰無仮説の下で自由に値を取れるパラメータは $q=2$ 個
対立仮説の下で自由に値を取れるパラメータは $r=3$ 個
よって、検定統計量の自由度は、
\begin{align}
r-q=3-2=1
\end{align}
$\blacksquare$
0 件のコメント:
コメントを投稿