玄関会議室

会議室

この会議室はパソコン通信と同様のオンライン掲示板です。 どんな話題でもかまわないので気軽にじゃんじゃん書き込んでください。

名前
表題
e-mail
URL
パスワード(削除用、英数字で20文字以内)
内容


No.1758 - 1840 / 83 件表示


1840. Re[1839]:回帰直線の信頼区間と予測区間 投稿者:杉本典夫 [URL] 投稿日:2020/05/23 (Sat) 08:56:41 [返信] [削除]
>マーシーさん
> 仕込量が0のときに、推定母集団の生成物量がとり得る区間(95%CI:0.082-0.178 99%CI:0.067-0.197)
> 仕込量が0のときに、サンプル集団の生成物量がとり得る区間(95%CI:0.041-0.220 99%CI:0.012-0.197)
 信頼区間は、標本集団の値から母集団のパラメータを推定する手法です。そのため、標本集団に信頼区間はありませんよ。(^_^;)
 上記の推定区間は、おそらく信頼区間と予測区間ではないかと思います。信頼区間は、標本集団の回帰直線から母集団の回帰直線を推定するものであり、信頼区間の間に母集団の回帰直線が95%の確率で入ります。
 それに対して予測区間は、標本集団の回帰直線から母集団の個々のデータを推定するものであり、予測区間の間に母集団の個々のデータの95%が入ります。

> 「H0を棄却できないので、H1を採択するのを保留する」
> くらいの表現しか言えません。。。
> 有効性を言いたいはずなので、片側検定?ですよね
 もう少し厳密に言うと、「H0を棄却できないので、結論を保留する」です。そして薬剤が疾患を悪化させることも考えられるので、通常は両側検定を用います。
 このように、曖昧なデータから強引に結論を導くことは決して「科学的な態度」でありません。データから結論できる限界を明確にすることが、本当の「科学的な態度」です。そして科学的な結論には必ず限界があるので、常に最悪の状況を想定して行動することを「予防原則」といい、科学研究の成果を実践する時の重要な原則です。
 検定について、詳しいことは次のページを見てください。(^_-)
http://www.snap-tck.com/room04/c01/stat/stat01/stat0105.html

1839. 無題 投稿者:マーシー 投稿日:2020/05/22 (Fri) 14:37:31 [返信] [削除]
http://www.snap-tck.com/room04/c01/stat/stat05/stat0501.html

5章。。。きっとわかりやすく書いてくださっているのに猛烈に難しい。すみません。

仕込量が0のときに、推定母集団の生成物量がとり得る区間(95%CI:0.082-0.178 99%CI:0.067-0.197)
仕込量が0のときに、サンプル集団の生成物量がとり得る区間(95%CI:0.041-0.220 99%CI:0.012-0.197)
と計算しました。
これらを以て、仕込みが0でも生成物は0になる確率は低いと言えそうです。N=89

統計屋さんってすごすぎます。

H0:アビガンと既存薬に差がない
H1:アビガンと既存薬に差がある

「H0を棄却できないので、H1を採択するのを保留する」
くらいの表現しか言えません。。。
有効性を言いたいはずなので、片側検定?ですよね

1838. Re[1837]:実務 投稿者:杉本典夫 [URL] 投稿日:2020/05/22 (Fri) 08:30:36 [返信] [削除]
>マーシーさん
> この回帰直線は仕込量と生成物量の予測に使えるでしょうか?
> y = 0.002x + 0.1307 R² = 0.5636
 寄与率が約56%あるので、この回帰直線はある程度信頼できると思います。ただしこの回帰直線が仕込量と生成物量の予測に使えるかどうかは、回帰係数「0.002」が実質的に有意義かどうかを検討する必要があります。
 この回帰係数から「仕込み量が1増えると、生成物量が0.002増える」と解釈できます。「仕込み量が1増える」ということが現実的に有り得て、「生成物量が0.002増える」ということに実質的な意義があれば、この回帰直線が仕込量と生成物量の予測に使えると考えられます。
 しかし「仕込み量が1増える」ということが現実には有り得なかったり、「生成物量が0.002増える」ということが実質的に「生成物量が増える」とは言えない時は、この回帰直線は仕込量と生成物量の予測には使えないと考えられます。
 例えばxが年齢で、yが身長(cm)だとすると、回帰係数が0.002ということは、年齢が100歳増えても身長は0.2cm増えるだけです。これでは、この回帰直線から身長を予測できるとは言えません。むしろ「年齢は身長に対して実質的に影響していない」と考えた方が適切です。
 それと同様に、回帰係数が0.002ということが生成物量にほとんど影響しないのなら、「仕込みの有無にかかわらず、生成される」と考えた方が適切です。
 以上、参考になれば幸いです。

1837. 実務 投稿者:マーシー 投稿日:2020/05/21 (Thu) 15:14:31 [返信] [削除]
杉本さま

いつもお世話になっております。

今回、ある反応における物質の仕込量Xと生成物量Yのデータあります。
それらから回帰直線をエクセルで求めました
この回帰直線は仕込量と生成物量の予測に使えるでしょうか?
y = 0.002x + 0.1307 R² = 0.5636

仕込の有無にかかわらず、生成されることが言いたいのです。統計的に。

1836. Re[1835]:二項分布について 投稿者:杉本典夫 [URL] 投稿日:2020/05/13 (Wed) 08:33:36 [返信] [削除]
>マーシーさん
> http://www.wwq.jp/stacalcul/variance4.htm
> このサイトには
> 2項分布の分散は σ2=P(1-P)、標準偏差は σ=√{P(1-P)}となります。
 このサイトの説明は割合(構成比)Pだけに着目していて、例数nのことを無視しています。
 実際のデータでは例数nが関係するため、分散はP(1-P)/nになります。計算例の男45人、女35人の時の割合の分散は、実際にはP(1-P)/n=0.5625×(1-0.5625)/80=0.0030762になります。
 nを無視すると、Pが同じなら分散が全て同じになってしまいます。しかし例数nが多いほど分散が小さくなり、Pの確実性が大きくなるのは当然です。そのためnを無視した分散の式は間違っていることが、感覚的にわかると思います。
 インターネット上の情報は玉石混合ですから、こういう間違った説明をしているものがけっこうありますよ。実際、困ったもんです。(^_^;)

1835. 無題 投稿者:マーシー 投稿日:2020/05/12 (Tue) 09:23:10 [返信] [削除]
http://www.wwq.jp/stacalcul/variance4.htm
このサイトには
2項分布の分散は σ2=P(1-P)、標準偏差は σ=√{P(1-P)}となります。

二項分布は、分母の例数nが大きくなると、中心極限定理によって平均nπ、分散nπ(1-π) と矛盾する気がするのですが。。。

ダメだ、わからない。
統計学、再試験組だった私、大人になっても苦手なままです。。。

1834. Re[1832]:質問2 投稿者:杉本典夫 [URL] 投稿日:2020/05/08 (Fri) 08:42:40 [返信] [削除]
>マーシーさん
> 第1章6.4のサンプルサイズの計算式とで
> 同じ有意水準5% 検出力80% 検出差5 母標準偏差10 で計算してみると
 第1章6.4のサンプルサイズの計算式は、1標本(1群)の場合の計算式です。2標本(2群)の場合の計算式は、次のページに記載してあります。
http://www.snap-tck.com/room04/c01/stat/stat01/stat0108.html#note01

 上のページの「2.計量尺度・2標本の場合 (1)2標本の平均値の差の検定」の計算式を近似式にすると、紹介していただいたサイトの計算式になることがわかると思います。
 2標本の場合の1群の必要例数は、1標本の場合の必要例数の約2倍になります。(^_-)

1833. Re[1831]:質問 投稿者:杉本典夫 [URL] 投稿日:2020/05/08 (Fri) 08:35:06 [返信] [削除]
>マーシーさん
お久しぶりですね!(^o^)/

> この正規分布Nの標本平均は(nπ,nπ(1-π)/n)という分布となる理解で正しいでしょうか?
> 標本平均の分散は母分散の1/nという理解をしています。
いえ、次のように二項分布の標本平均値(x/n)の期待値はπになり、標本平均値の分散は{π(1-π)/n}になります。
 E(x/n)=E(x)/n=nπ/n=π  V(x/n)=V(x)/(n2乗)=nπ(1-π)/(n2乗)=π(1-π)/n
その結果、二項分布の標本平均値はN(π,π(1-π)/n)という正規分布に近似します。

詳しいことは次のページをご覧ください。(^_-)
http://www.snap-tck.com/room04/c01/stat/stat03/stat0302_2.html#note02

1832. 質問2 投稿者:マーシー 投稿日:2020/05/07 (Thu) 17:23:25 [返信] [削除]
杉本さま

重ねて質問ばかりすみません。
https://bellcurve.jp/statistics/blog/14304.html
上記サイトのサンプルサイズの計算式と

第1章6.4のサンプルサイズの計算式とで
同じ有意水準5% 検出力80% 検出差5 母標準偏差10 で計算してみると

必要症例数n=64
必要症例数n=33(補正2の場合 補正1なら31)
ちょうど半分になっており、大きく異なる理由が理解できません。


1831. 質問 投稿者:マーシー 投稿日:2020/05/07 (Thu) 11:31:32 [返信] [削除]
杉本さま

お久しぶりです。統計の勉強にかなり間が空いておりました。。。
(異動による引っ越しやらで、QA業務に慣れるのに一苦労。泣)

早速です。
二項分布は、分母の例数nが大きくなると、中心極限定理によって平均nπ、分散nπ(1-π)の正規分布で近似できるのは理解できました。(ランダムデータ作成して実際にそうなることも確認しました)

近似した正規分布N(nπ,nπ(1-π))の標準誤差SEを求めたいのですが、自分の計算ではweb上の答えになりません。。。

この正規分布Nの標本平均は(nπ,nπ(1-π)/n)という分布となる理解で正しいでしょうか? 標本平均の分散は母分散の1/nという理解をしています。

結果、SE(標本平均の標準偏差)は √nπ(1-π)/n つまり √π(1-π) となると考えます。
しかし何かが間違っているようで、√π(1-π)/n が正しいとの事。

ご解説願えますでしょうか?よろしくお願いいたします。

1830. 感染症数理モデル-18 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:45:52 [返信] [削除]
 感染予防対策には、各国の自然環境と社会環境と国民性が大きく反映されます。各国の医療従事者の人達は、自国のそれらの要因を考慮して、試行錯誤しながら、最適と思われる感染予防対策を立て、まさしく命がけで実践しています。そのため他国の感染予防対策の中で、自国に応用できそうな部分を学ぶことは大切ですが――実際、各国の感染専門家達は定期的に連絡を取り、意見を交換し合っています――、色々な要因を考慮せずに、表面的な結果だけを見て対策の効果を比較するのは、あまり意味のあることではありません。
 集団の背景因子(性別や年齢等)が異なれば、同じ疾患でも感染率と死亡率が異なるのは当然です。そのため医学分野では、色々な集団における疾患の発症率や死亡率を比較する時は、背景因子による補正をし、調整発症率や調整死亡率にしてから比較するのが常識です。その意味でCOVID-19の場合は、国と国の比較よりも、国ごとに、同じような性質のインフルエンザとか、スペイン風邪と比較する方が実際的です。
 現在のところ、どの国も、COVID-19の感染率・死亡率ともに、インフルエンザ・肺炎の100分の1程度、スペイン風邪の1000分の1程度に抑えていて、奇跡的な成功を収めつつあると言って良いと思います。これに比べれば国と国の感染率のたかだか数倍の違いは、ほとんど誤差範囲です。

※「Preliminary In-Season 2019-2020 Burden Estimates」は、アメリカCDC(Centers for Disease Control and Prevention)のサイトから引用した、アメリカにおける今シーズンのインフルエンザの各種推定値です。インフルエンザの推定感染者数が3,900万人〜5,600万人であるのに対して、現在のCOVID-19累積感染者は約50万人ですから、約100分の1に抑えています。

1829. 感染症数理モデル-17 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:45:24 [返信] [削除]
 日本の次に、中国と韓国のCOVID-19のデータを解析してみました。これら2国は流行がほぼ終息しているので、簡易モデルを当てはめるのに都合が良いからです。中国については、すでに色々な研究者が解析結果を公表しているので省略して、韓国の解析結果について説明しましょう。
 現在までのところ、韓国には主に2つの流行があるようです。1つ目は2020年1月20日に始まり、約60日後の3月下旬に収束しかかっていた流行です。3月下旬までのデータを用いて、この流行に簡易モデルを当てはめたところ、始まってから約80日後の4月上旬に、累積感染者数約1.64人/1万人(実数にして8,400人)に収束すると予想されました。
 ところが3月下旬に新しい小規模な流行が始まり、それが現在は収束しつつあります。3月末までのデータを用いて、この2番目の流行に簡易モデルを当てはめたところ、始まってから約20日後の4月中旬に、累積感染者数約0.4人/1万人で収束すると予想されました。そして2つの流行を合わせて、4月中旬に累積感染者数約2.1人/1万人(実数にして約10,700人)にほぼ収束すると予想されました。
 2つ目の流行は、1つ目の流行がほぼ終息し、緊張状態が緩んだことと、外国からの帰国者が多数いて、その中に感染者がいたことが原因ではないか、と考えられているようです。薬剤で言えばリバウンドに相当する、ほぼ終息後のこの小規模な流行は、今後、どこの国でも発生する可能性が高いと思います。
 韓国はSARSや新型インフルエンザの感染予防の経験に基づいて、以前から遺伝子検査体制を整備していました。そのためCOVID-19の場合も、欧米と同じようなローラー作戦を取りました。そして幸か不幸か中国との間に北朝鮮という緩衝地帯があるので、半島でありながら島国のような環境です。そのため空港と港での検疫を徹底すれば、国境封鎖と同じような感染予防効果があります。
 それと同時に、少しでも感染の疑いのある人がいれば迅速に検査して、偽陽性の人が多少含まれていようと、仔細かまわず隔離措置を行ったようです。その作戦が成功し、人口密度が高いにもかかわらず、流行が広がるスピードを緩めて、ほぼ終息後の累積感染者数を約2人/1万人(実数にして約10,000人)に抑えています。


1828. 感染症数理モデル-16 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:44:58 [返信] [削除]
 集団感染を起こした集団を迅速に発見し、その集団を隔離措置すると同時に、できるだけ「3密環境」を無くすことによって、γ(単位時間あたりの隔離率)を大きくし、β(単位時間あたりの感染率)を小さくして、R0(基本再生産数)を小さくすることができます。γを大きくし、βを小さくしてR0を小さくすると、流行がゆっくりと広がり、ゆっくりと納まります。
 そのため下図「新型インフルエンザ対策の基本的考え方」のグラフのように、流行している期間は長くなりますが、ピーク時の感染者数を少なくして医療崩壊を防ぎ、流行終息時の累積感染者数を少なくすることができます。つまり欧米のようなローラー作戦ではなく、集団感染が発生するたび、患者集団をモグラ叩きのようにひとつずつ潰し、長期間のゲリラ戦に持ち込む作戦なのです。「感染症数理モデル-9」で示した日本の累積感染者数のグラフを見ると、現在のところその作戦が成功していて、流行の進行をゆっくりにし、ピークを後ろにずらしていることがわかると思います。

※図は、厚労省対策推進本部クラスター対策班の押谷仁先生が作成された、「COVID-19への対策の概念」から引用させていただきました。

1827. 感染症数理モデル-15 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:44:27 [返信] [削除]
 新型コロナウイルス感染対策専門家会議による、現在の基本的な感染予防対策は次のようなものです。

(1) 患者集団(cluster、集団感染を起こした小集団)の早期発見・早期対応
(2) 患者の早期診断・重症者への集中治療の充実と医療提供体制の確保
(3) 市民の行動変容

 日本の場合、人口に対するPCR検査実施可能施設の割合が少ないため、欧米のように、少しでも感染の疑いのある人について、全てPCR検査を行う余裕はありません。そこで過去の新型インフルエンザ対策と同様に、全ての感染者を発見することは目指さず、他人に感染させる可能性の高い感染者と、重症になりそうな感染者を優先的に検査することにしたのです。
 これまでの研究から、数理モデルにおける閉鎖集団の仮定に反して、全ての感染者が同じ頻度で2次感染を起こしているわけではないことがわかっています。下図「1人の感染者が生み出す2次感染者の頻度」に示したように、約80%の感染者は2次感染を起こさず、残りの約20%の人が2次感染を起こしていたのです。そして2次感染を起こした感染者は、大半が「空気のよどんだ閉鎖環境」つまり「3密(密閉・密集・密接)環境」にいました。そこで集団感染を起こした集団を迅速に発見し、その集団を隔離措置すると同時に、できるだけ「3密環境」を無くせば、2次感染を効率的に防げると考えたのです。

※図は、厚労省対策推進本部クラスター対策班の押谷仁先生が作成された、「COVID-19への対策の概念」から引用させていただきました。

1826. 感染症数理モデル-14 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:43:57 [返信] [削除]
 日本の感染者数の精度については、感染症数理モデルの専門家である西浦博先生達が、数理モデルを使って検討されています。その結果では、下図のように、重症者(Severe cases)は実測値と理論値がほぼ一致していて、軽症者(Non-severe cases)は実測値が理論値の半分程度になっています。これは、日本の医療従事者による重症例のトリアージが正確であることと、後述する日本の感染予防対策の特徴を表していると思います。
 またクラスター対策班の徹底した調査によって、第1の流行は、ほとんどの感染源を中国までたどる――中国からの訪問者や帰国者等――ことができるのに対して、現在の第2の流行は、欧米由来の感染源――欧米からの訪問者や帰国者等――が多いことがわかっています。そしてクラスター対策班は、以前からこの第2の流行を予想していて、それに対する対応策(緊急事態宣言等)を検討していたとのことです。いずれにせよ、現在の第2の流行については、今後の動向を注意深く見守る必要があります。

※グラフは「Ascertainment rate of novel coronavirus disease (COVID-19) in Japan」(Ryosuke Omori, Kenji Mizumoto, Hiroshi Nishiura, Ascertainment in Japan, 2020)から引用させていただきました。

1825. 感染症数理モデル-13 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:43:27 [返信] [削除]
 ダイヤモンド・プリンセスの次は、日本のCOVID-19のデータを解析してみました。マスコミなどは、ダイヤモンド・プリンセスの感染者を日本の感染者に含めて発表しています。しかしWHOの定義では、ダイヤモンド・プリンセスの感染者は「International」になっていて、日本の感染者に入れていません。また数理モデル上でも、ダイヤモンド・プリンセスは独立した特殊な閉鎖集団なので、日本とは別にした方が合理的です。
 日本については、現在の第2の流行が始まる前だったので、あまり良い結果は得られませんでした。そしてその解析結果も、某医学研究者が論文に採用する可能性が高いので、残念ながらここでは公表できません。(^^ゞ
 代わりに、
 「日本はPCR検査件数が少ないので、見かけの感染者数が少ないだけで、本当はもっと流行している!」
という巷の噂を、簡易モデルを使って検討してみましょう。もしこの噂が正しいとすると、感染者が発見されず、単位時間あたりにI区間(感染者区画)からR区画(隔離区画)に移行する割合γが小さくなります。
 例えば、実際には現在の感染者数の10倍の人数の感染者がいると仮定します。するとγは現在の10分の1になり、R0(基本再生産数)=β/γは10倍になり、感染初期のI(t)の変化を表す指数関数の係数(β-γ)は非常に大きくなります。そうすると、「感染症数理モデル-11」で説明した最終規模方程式「1-pi≒exp(-pi・R0)」から、流行終息時の感染者の割合が非常に多くなります。
 またβ(単位時間あたりの感染率)とγは、最終的な割合ではなく、単位時間あたりの割合、つまり速度を表すパラメータです。そのため(β-γ)が大きくなれば、感染が広がる速度が速くなり、S区間の人数が急激に減るので、感染が納まる速度も速くなります。つまりS区画の感染すべき人が猛スピードで感染し、感染があっという間に広がったかと思うと、あっという間に終わってしまわけです。
 そこで感染者数が現在の2倍、5倍、10倍存在し、現在の数の感染者しか発見できていないと仮定して、簡易モデルを当てはめてシミュレーションしてみました。それが下のグラフ「CFD/1万人」の「JP(感染者数2倍)」、「JP(感染者数5倍)」、「JP(感染者数10倍)」の赤い破線で描いた曲線です。これらの曲線から、流行が現在よりも早く始まり、それが猛スピードで広がり、猛スピードで収束することがわかると思います。
 「CFD/1万人」のシミュレーション「JP(感染者数10倍)」は、2020年1月1日から約75日後の3月16日に、累積感染者数約20人/1万人、実数にして約254,000人(そのうち重症者は約50,000人)でほぼ収束しています。つまり、もし本当の感染者が現在の感染者の10倍いたとしたら、3月中旬に流行はほぼ終息していて、全国に約5万人の重症者が発生していたことになります。日本では重症者はほとんど見逃さずに見つけているので、さすがにこれは無いと思います。
 また「JP(感染者数5倍)」も、3月下旬に累積感染者数約10人/1万人、実数にして約127,000人(そのうち重症者は約25,000人)でほぼ収束しています。重症者の推移から考えて、この可能性もかなり低いと思います。
 「JP(感染者数2倍)」は、3月末に累積感染者数約3.2人/1万人、実数にして約40,640人(そのうち重症者は約8,100人)でほぼ収束しています。これも、重症者の推移が現在の重症者の推移と食い違っているので、可能性は低いと思います。
 ただ4月になってPCR検査数を増やしているので、これまで見つかっていなかった感染者が見つかり、それが現在の第2の流行のように見えていると解釈することは、一応、可能です。その場合、実際の流行はほとんど収束しているので、検査数が増えるに従って見つかる感染者が一気に増え、現在いる感染者を全て検査し終われば、見つかる感染者が一気に減るはずです。でも現在のところ、1日あたりの感染者の変化は、数理モデルから予想される変化とだいたい一致していて、不自然な変化はありません。


1824. 感染症数理モデル-12 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:42:54 [返信] [削除]
 ダイヤモンド・プリンセスでは、流行終息時の感染率は約19%でした。「流行強度(最終規模)のR0応答」グラフで、pが0.19の時のR0を見ると、だいたい1.1くらいです。そしてR0=1.1から、I(t)がピークになる時の感染率piを求めると、次のようになります。

 pi=1 - 1/1.1≒0.09

 ダイヤモンド・プリンセスの1日あたりの感染者数がピークになったのは、2月15日前後つまり最初の感染者が発見された時から約10日後であり、その時の累積感染率は約10%ですから、確かに辻褄が合っています。
 ダイヤモンド・プリンセスでは、最初の感染者が発見される前のRtは、だいたい15くらいだったと推測されています。そして最初の感染者が発見され、検疫・隔離処置がされてから、約10日後に1日あたりの感染者数がピークになりました。COVID-19の潜伏期間と、検査が確定するまでの期間を合計すると10日ほどです。そのため検疫・隔離処置により、その後の新たな感染者は無くなって、Rtはほぼ0になり、約10日後に感染者が減り始め、流行が終息した時には約19%の人が感染し、流行全体の平均R0は1.1程度になった、と考えられます。
 ダイヤモンド・プリンセスについては、「COVID-19製造機!」とか、「検疫・隔離措置の失敗!」などと、マスコミが煽り立てました。しかしデータを詳細に分析すると、検疫・隔離措置は見事に成功していて、何もしないでおいたらほぼ全員が感染したところを、検疫・隔離措置によって流行終息時の感染率を約19%に抑えられた、ということがわかります。(^_-)


1823. 感染症数理モデル-11 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:42:15 [返信] [削除]
 ダイヤモンド・プリンセスのデータは、数理モデルを当てはめるのに適しているので、少し詳しく説明しましょう。このクルーズ船では、2020年2月5日に最初の感染者が発見され、2月15日前後に1日あたりの感染者数がピークになり、2月27日に流行が事実上終息しました。最終的な累積感染者数は696人/3,777人=約1,876人/1万人で、約19%の人が感染しました。
 「感染症数理モデル-4」で説明したように、感染の初期段階では、I(t)つまり1日あたりの感染者が指数関数的に増加し、すこし経つと爆発的患者急増(overshoot)段階になります。しかし、それに応じて感染者が増え、S(t)つまり未感染者が減るため、I(t)の増加速度は次第に遅くなり、やがてピークを経てから減少し始め、最終的に流行は自然に終息します。I(t)がピークになる条件は、次の微分方程式から求めることができます。

・I区画の変化速度:vi=dI(t)/dt=β・S(t)・I(t)-γ・I(t)

I(t)の変化速度vi=0になる時、I(t)がピークになるので、
 vi=dI(t)/dt=β・S(t)・I(t)-γ・I(t)=0 → β・S(t)-γ=0
ここでS(0)=1とし、時点tにおける感染者の割合をpiとすると、
 β・S(t)=β(1-pi)=γ → 1-pi=γ/β=1/R0 → pi=1-1/R0
 R0=β/γ:基本再生産数(1人の感染者が隔離・回復・死亡するまでの間に、何人の人を感染させたかを表す値)

 このことから、感染者の割合piが(1-1/R0)になった時、I(t)がピークになり、その後は次第に減少することがわかります。このpiのことを、「臨海免疫化割合」と呼ぶことがあります。例えばR0=2の時は次のようになり、感染者の割合が50%になった時、1日あたりの感染者数がピークになり、その後は減少します。

 pi=1 - 1/2=0.5

 一方、S(t)は、癌の解析に用いられる生存時間解析に登場する、累積生存率関数S(t)とよく似た変化をします。そこで、S(t)が近似的に指数関数的に減少すると仮定すると、流行終息時の感染者の割合は、近似的に次のようになります。この式を「最終規模方程式(Final size equation)」といい、これをグラフ化したものが、下図の「流行強度(最終規模)のR0応答」です。

 1-pi≒exp(-pi・R0)
 ∴pi≒1-exp(-pi・R0)

 世界各地のデータから、COVID-19のR0はだいたい2前後と考えられています。そこで「流行強度(最終規模)のR0応答」グラフで、R0=2の時のpを見ると約0.8です。つまりR0=2(1人の感染者が2人の人を感染させる)の時、集団の50%の人が感染した時、1日あたりの感染者がピークになり、80%の人が感染すると流行が終息する、ということになります。
 COVID-19について、「感染予防対策を何もしない時、全人口の60〜80%が感染して免疫を持てば、流行が終息する」という予想を、どこかで目にしたことがあると思います。この予想は、上記の数式から導かれたものです。
 これを日本に当てはめると、累積感染者数が約6,350万人になった時、1日あたりの感染者数がピークになり、1億160万人になった時、流行が終息するという、恐ろしいことになります。世界中の感染専門家が、COVID-19を恐れた理由がわかると思います。

※上図の「流行強度(最終規模)のR0応答」は、東京大学大学院・数理科学研究科・稲葉寿教授の、「感染症の数理」から引用させていただきました。

1822. 感染症数理モデル-10 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:41:36 [返信] [削除]
 COVID-19の現状分析をした後、まず最初にクルーズ船「ダイヤモンド・プリンセス」のデータに、考案した簡易モデルと開発中の統計解析手法を適用してみました。ダイヤモンド・プリンセスは閉鎖集団に近く、しかも流行が始まってから終わるまでの、ほぼ完全な観測データが得られています。そのため、すでに色々な研究報告が公表されていて、それらの結果と僕の解析結果はよく似ていました。でも残念ながら、その解析結果は某医学研究者が論文に採用する可能性が高いので、ここでは公表できません。(^^ゞ
 代わりに、1万人あたりの累積感染者数の推移を「DP(人口3777人)」としてグラフ化しておきます。対照集団として、中国湖北省の1万人あたりの累積感染者数のグラフを入れておきました。「感染症数理モデル-9」のグラフの縦軸のスケールを100倍にしたので、中国湖北省のグラフはほとんど変化がないように見えてしまいます。日本のインフルエンザについて同じようなグラフを描くと、1年間の累積感染者数が約787人/1万人のところまで上昇します。


1821. 感染症数理モデル-9 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:40:59 [返信] [削除]
 感染症予防対策のうち、β(単位時間あたりの感染率)を小さくする対策は、インフルエンザに対しても有効です。そのため今年のインフルエンザの感染者数は、例年の50〜60%程度に減ると予想されています。しかしインフルエンザ患者は、普通は隔離措置をしないため、γ(単位時間あたりの隔離+回復+死亡率)は例年通りです。それに対してCOVID-19感染者は迅速に隔離措置をするため、γが大きくなります。
 COVID-19はワクチンがなく、免疫を持っている人はいないと考えられています。事実、感染者の隔離措置が遅かった、ダイヤモンド・プリンセスの累積感染者数は約1,876人/1万人であり、インフルエンザの1年間の累積感染者数約787人/1万人の2倍以上の感染率です。
 ところが、現在の世界各国のCOVID-19の累積感染者は、平均約10人/1万人程度であり、日本のインフルエンザ感染率よりも2桁近く少ない人数です。これは世界各国の医療従事者の懸命の努力と、民衆の自助努力の賜物です。現在までのCOVID-19感染者の推移は、おそらく感染症の歴史でも稀な奇跡的な現象であり、今はその奇跡を目の当たりにしている最中だと、僕は思っています。
 世界各国の医療従事者の方々に、あらためて心からの敬意の念を表したいと思います。


1820. 感染症数理モデル-8 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:40:27 [返信] [削除]
 日本のインフルエンザの累積感染者数は、1年間で約1,000万人/12,700万人であり、1万人あたり約787人になります。参考までに、「感染症・予防接種ナビ」サイトで見つけた、「各シーズンのインフルエンザ推定患者数週別推移(2020年第9週まで)」の流行曲線をアップしておきます。このグラフは実数で描いてあるので、このグラフの縦軸を12,700で割れば、1万人あたりの1週間分のインフルエンザ感染者数になります。
 例えば2018/2019年のピーク時である第3週は、約220万人/12,700万人=約173人/1万人になり、2019/2020年の流行が終わりかかっている第9週は、約144,000人/12,700万人=約11人/1万人になります。そして日本におけるインフルエンザの死亡率は約0.1%ですから、1週間あたりの死亡者は、それぞれ約2,200人と約144人と推測されます。
 また1918〜1920年に大流行した有名なスペイン風邪は、3年間で約5億人が感染し、約5,000万人が死亡しました。当時の世界人口は約20億人ですから、3年間の累積感染率は約2,500人/1万人で、死亡率は約250人/1万人です。それに対して、COVID-19の3ヶ月間の累積感染率は約150万人/77億人=約2人/1万人で、死亡率は約9万人/77億人=約0.1人/1万人と、どちらも1000分の1ほどの人数です。


1819. 感染症数理モデル-7 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:39:46 [返信] [削除]
 SIRモデルは大変有用ですが、あくまでもモデルのため、自ずと限界があります。その限界というか、問題点としては、次のようなものがあります。

(1) 現実の集団は閉鎖集団――人の出入りが無く、かつ質が均一な集団――ではない!
(2) βとγを正確に推測するためには、流行が始まってから終わるまでの完全な観測データが必要である!
 →感染の流行中に、今後の動向を正確に予想することが難しい!

 (1)の問題点については、不均一な1つの集団を、均一な複数の亜集団(Subpopulation)に分けて、それらの亜集団を対象にしてモデルを組み立てることが考えられます。これをマルチタイプ型流行(Multitype epidemic)モデルといいます。これはモデルが複雑になるので、解析手法も結果の解釈も複雑になりますが、より現実に近い結果が得られます。
 ただし単一集団でも亜集団でも、対象集団について、人の出入りをできるだけ無くして、閉鎖集団に近づける必要があります。その対策の例として、国境の閉鎖や都市封鎖が考えられます。これらの対策の主目的は、もちろん感染予防です。しかし数理モデルを利用して流行の現状分析をしたり、今後を予想したり、対策を検討したりする時にも、現実の集団をできるだけ閉鎖集団に近づけることは大切です。
 (2)の問題点についても、色々な対応策が考えられています。僕が考案した簡易モデルも、そのひとつです。SIRモデルを色々といじっていた時、モデルを簡単にし、パラメータ数を減らせば、微分方程式が簡単になり、近似解が得られることに気が付きました。これは薬物動態学でもよくやることなので――まだ感染症分野の文献を検索していませんが――すでに気付いた人がいると思います。
 そしてその近似解に、某医学研究者が開発し、現在、僕が数学的な理論付けを手伝っている、新しい統計解析手法を適用すれば、流行の初期〜中期段階で、今後の推移をある程度予想できることがわかりました。そのことを某医学研究者に知らせたところ、作成中の論文の考察部分に入れたいので、具体例を解析して欲しいと依頼されました。
 そこでインターネットを検索し、WHOが公表しているCOVID-19に関するデータをダウンロードして、COVID-19に関する現状分析をしました。まず個人的に興味のある国の1万人あたりの累積感染者数の推移を、3月末までのデータを用いてグラフ化しました。マスコミなどは、危機感を煽るために感染者数を実数で発表します。しかし医学分野では、流行の実態を正確に把握するために、感染者数を対象集団の人口で割り、感染率または1〜10万人あたりの感染者数で表現します。

 医療機関では、PCR検査だけでなく、CT等の検査と、色々な臨床症状を総合的に検討して、最終的に感染者かどうか判断しています。ところがマスコミが発表しているのは、たいてい速報として発表されるPCR検査陽性者です。PCR検査の特性として、偽陽性者や偽陰性者が発生するため、検査の陽性率は、検査対象集団の感染率よりも少し高くなります。そのためマスコミが発表している感染者数――実際にはPCR検査陽性者数――は、厚労省やWHOが発表している確定感染者数よりも20〜30%多くなります。感染症数理モデルの解析に用いるデータは、当然、感染が確定した人のデータでなければなりません。そこで僕は、WHOのデータを用いて解析しています。σ(^_-)
 グラフ「CFD/1万人」を見ると、イタリア(IT)が約17人/1万人で、この中では累積感染率が最も高くなっています。そして中国(CN)湖北省、ドイツ(DE)、アメリカ(US)、オーストラリア(AU)、韓国(KR)、日本(JP)の順になっています。通常、β(単位時間あたりの感染率)は人口密度に比例して大きくなります。そのことを考慮すると、どちらも人口密度が高い韓国と日本の累積感染率の低さは驚きです。
 なお中国(CN)については、解析対象を湖北省だけに限っています。中国政府は、流行後、すぐに武漢の都市封鎖をしたので、湖北省を準閉鎖集団として扱うことができて便利だからです。
 またクルーズ船「ダイヤモンド・プリンセス」は、最も閉鎖集団に近く、しかも流行が始まってから終わるまでの、ほぼ完全な観測データが得られています。そのため、数理モデルを当てはめるのに最適です。しかしダイヤモンド・プリンセスの累積感染者数は696人/3,777人、つまり約1,876人/1万人になり、このグラフと同じスケールでは描けません。

※現在のWHOのCOVID-19サイトは、以前、僕がダウンロードして用いたものとは形式が少し異なっています。でも、参考までに紹介しておきます。
https://who.sprinklr.com/
※こちらのECDC(European Centre for Disease Prevention and Control)のデータは、以前のWHOと同じ形式のデータです。このデータも、ダウンロードして解析に使っています。(^_-)
https://www.ecdc.europa.eu/en/publications-data/download-todays-data-geographic-distribution-covid-19-cases-worldwide

1818. 感染症数理モデル-6 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:39:05 [返信] [削除]
 βとγは、多くの観測データを用いて、統計学的に求める必要があります。しかし「1人の感染者が隔離(または回復または死亡)するまでの間に、何人の人を感染させたかを表す値」は、発見された感染者の行動を詳細に調べ、その人と接触した人が感染したかどうかを調べれば、ある程度はわかります。そのため、ある時点tにおいて、この方法で求めたR0のことを「効果的再生産数Rt(Effective reproduction number)」と言います。Rtは時点tごとに変化する値であり、流行が始まってから終わるまでの間のRtを平均するとR0になります。
 感染の初期段階で、I(t)の観測データを用いてポアソン回帰分析などで(β-γ)を求め、感染者の行動からRtが求められれば、次のようにしてβとγの推測値を求めることができます。

 Rt=β/γ →  β=Rt・γ
 (β-γ)=a ← I0・exp{(β-γ)t}=I0・exp(a・t)より
 (Rt・γ-γ)=(Rt-1)γ=a → γ=a/(Rt-1) → β=a+γ

 これらの推測値を使うと、感染の初期段階でS(t)、I(t)、R(t)の今後の推移を予想することができます。そしてその予想に基づいて、感染予防対策を色々と検討することができます。
 このように感染症数理モデルと疫学的調査を併用すると、合理的な感染予防対策を検討することができます。その具体的な内容は、厚労省対策推進本部クラスター対策班の押谷仁先生が作成された、「COVID-19への対策の概念」を御覧ください。(^_-)
https://www.jsph.jp/covid/files/gainen.pdf

 I(t)の近似関数の両辺を対数変換すると、次のように1次式(直線)になります。
・ln{I(t)}≒ln(I0) + (β-γ)t
 そこでI(t)を対数変換して直線回帰分析を行えば、回帰係数(β-γ)を求められると考えがちです。しかしI(t)はカウントデータ(count data)ですから、「0(感染者なし)」というデータがあり、これが重要な意味を持ちます。そのためI(t)を対数変換して、直線回帰分析を行うのは不適切です。このような場合は、ポアソン分布と最尤法を利用した、ポアソン回帰分析を適用する必要があります。ポアソン回帰分析については、僕のウェブサイトの次のページをご覧ください。(^_-)
http://www.snap-tck.com/room04/c01/stat/stat15/stat1501.html

 言わずもがなの蛇足ですが、上記の説明から、今後の感染者数の推移を予想するには、βとγを推測する必要があることがわかると思います。しかしβとγを正確に推測するには、流行が始まってから終わるまでの感染者数の推移データが必要です。感染の初期段階では、(β-γ)のラフな推測値しか得られません。でも感染者の行動を詳細に調べて、Rtを推測することができれば、初期段階でもβとγのラフな推測値が得られます。
 ところが僕を含めて一般のデータ解析屋が、Rtを推測することはほとんど不可能です。そのため、どうしても(β-γ)のラフな推測値から、今後の感染者数の動向を予測することになります。つまりRtのデータを持っていないデータ解析屋が予想した、今後の感染者数の推移予想は、僕のものも含めてσ(^^;)、あまり信用できないということです。日本でRtのデータを持っているのは、現在のところ、「新型コロナウイルス感染症対策会議」だけなのです。

1817. 感染症数理モデル-5 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:38:23 [返信] [削除]
 閉鎖集団で感染症が流行するかどうかは、感染の初期段階でI(t)を経時的に観測し、そのデータを用いて、例えばポアソン回帰分析などで係数(β-γ)を求めればわかります。(β-γ)は「単位時間あたりの感染率と隔離率の差」であり、「単位時間あたりに隔離される割合よりも、感染する割合の方が多ければ流行する」と解釈できます。しかしこの解釈は確率的であり、普通の人にはわかりにくいと思います。そこで、次のような値を定義します。

・基本再生産数(basic reproduction number):R0=β/γ

 このR0(R noughtと発音)は、「単位時間あたりの感染率と隔離率の比」を表します。でもこれも普通の人にはわかりにくいので、
 「1人の感染者が隔離(または回復または死亡)するまでの間に、何人の人を感染させたかを表す値」
と解釈すると、わかりやすいと思います。つまり1人の感染者が、隔離されるまでの間に、1人よりも多い人を感染させていれば流行が始まるわけです。この様子は、やはり「COVID-19への対策の概念」の、次の図「基本再生産係数(R0)」を見るとわかりやすいと思います。(^_-)


1816. 感染症数理モデル-4 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:37:40 [返信] [削除]
 SIRモデルにおいて、S区画の最初の人数を1とすると、このモデルは割合または確率モデルになり、どんな人数の閉鎖集団についても当てはまる、一般的なモデルになります。そして最初の感染者が閉鎖集団に侵入または発生した時をt=0とすると、S(0)=1、I(0)=I0(初期感染者率、0<I0≪1)、R(0)=0になります。
 この一般化したSIRモデルでは、感染の初期はS(t)≒1のため、I区画の微分方程式は次のように近似できます。

 vi=dI(t)/dt=β・S(t)・I(t)-γ・I(t)≒β・I(t)-γ・I(t)=(β-γ)I(t)

 この近似微分方程式の解は指数関数になり、次のような性質があります。

・I(t)≒I0・exp{(β-γ)t}
 (β-γ)>0の時:I(t)は指数関数的に増加
 (β-γ)=0の時:I(t)はI0のまま一定
 (β-γ)<0の時:I(t)は指数関数的に減少

 つまりI(t)はβとγの大小関係によって、指数関数的に増加したり、指数関数的に減少したりと、対照的な挙動をします。このような現象のことを、閾値現象(threshold phenomena)といいます
 閉鎖集団における感染の初期段階では、「(β-γ)>0」つまり「β>γ」の時、I(t)が指数関数的に増加し、感染症が流行し始めます。I(t)は指数関数的に増加するので、最初のうちは流行に気が付きませんが、次第に加速していき、ある時、突然――と、普通の人には思えます(^^;)――急激に増加して大流行します。この段階のことを、「爆発的患者急増(overshoot)」といいます。
 この爆発的患者急増段階の前に、何らかの感染予報対策を実施し、(β-γ)<0にすることができれば、I(t)は指数関数的に減少し、流行は終息します。(β-γ)<0にするためには、例えば次のような対策が考えられます。

・β(単位時間あたりの感染率)を小さくする → 人と人が接触する機会を減らす
・γ(単位時間あたりの隔離率)を大きくする → 感染者を素早く見つけ出し、素早く隔離する

 この様子は、厚労省対策推進本部クラスター対策班の押谷仁先生が作成された、「COVID-19への対策の概念」の中の、次の図「接触を避けることによる流行拡大防止効果」を見るとわかりやすいと思います。(^_-)


1815. 感染症数理モデル-3 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:37:02 [返信] [削除]
 「感染症数理モデル-2」で説明した仮定から、SIRモデルにおいて、単位時間あたりの各区画の増減人数を各区画の変化速度vと考えると、次のような微分方程式が成り立ちます。

・S区画の変化速度:vs=dS(t)/dt=-β・S(t)・I(t) … S区画の人は単位時間あたりβ・S(t)・I(t)だけ減少する
・R区画の変化速度:vr=dR(t)/dt=γ・I(t) … R区画の人は単位時間あたりγ・I(t)だけ増加する
・I区画の変化速度:vi=dI(t)/dt=-vs-vr=β・S(t)・I(t)-γ・I(t) … I区画の人は単位時間あたり{β・S(t)・I(t)-γ・I(t)}だけ増加(β・S(t)・I(t)>γ・I(t))、または減少(β・S(t)・I(t)<γ・I(t))する

 これらの連立常微分方程式を解けば、時間tによる各区画の人数の変化を表す関数S(t)、I(t)、R(t)を決定することができます。しかしこれらの連立常微分方程式はS(t)、I(t)、R(t)に関して線形ではないので、解析的に解くのは困難です。そこで普通は、直接観測することができるI(t)とR(t)の時系列データを用いて、ルンゲ・クッタ(Runge-Kutta)法などの数値計算手法によって近似的に解いたり、I(t)を特定の確率分布――例えばポアソン分布や対数正規分布――で近似し、それに基づいてS(t)とR(t)を決定して、最尤法などの確率論的な手法を使って近似的に解いたりします。
 そのようにして近似的に解いた結果に基づいて、βとγの値を色々と変えた時のS(t)、I(t)、R(t)の値をプロットすると、色々な場合を想定した時の感染者数の推移をシミュレーションすることができます。
 図2は、インフルエンザの解析結果を参考にして、β=0.48、γ=0.29(1/γ=3.5)、R0=β/γ=1.7の時の感染者の推移をシミュレーションしたものです。このグラフを見ると、S(t)、I(t)、R(t)の形が何となくわかると思います。そしてI(t)のグラフは、疫学調査で用いられる感染症の流行曲線――1日あたりの感染者数を時系列的にプロットしたグラフ――とほぼ同じものになります。
 ちなみに、上記の連立常微分方程式における比例定数βとγは、単位時間あたりの率(rate)を表し、[1/単位時間]という単位を持ちます。このような比例定数は、感染症モデルだけでなく、薬物動態モデルでも、放射性元素の崩壊モデルでも登場し、速度定数(rate constant)とか、崩壊定数(decay constant)とか、時定数(time constant)などと呼ばれています。

※図2は、「感染症流行の予測:感染症数理モデルにおける定量的課題」西浦博、稲葉寿、統計数理(2006)・特集「予測と発見」から引用させていただきました。

1814. 感染症数理モデル-2 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:36:17 [返信] [削除]
 一般的な感染症数理モデルでは、閉鎖集団(Closed population、人の出入りが無く、かつ質が均一な集団、閉鎖人口ともいう)について、図1のa)ような区画モデルを想定します。この区画モデルのことを、提唱者の名前から「ケルマック−マッケンドリック型モデル(Kermack McKendrick model)」と呼んだり、各区画の頭文字を取って「SIRモデル(Susceptible-Infectious-Recovered model)」と呼んだりします。

○S(Susceptible)区画:未感染で、感染する可能性のある集団
○I(Infectious)区画:感染していて、感染性(他人を感染させる能力)のある集団
○R(Recovered)区画:感染後に隔離された者と、隔離せずに回復して免疫を獲得した者と、隔離せずに死亡した者の集団(感染性のない集団)

 ここで、それぞれの区間について次のような仮定をします。

・単位時間(通常は1日)あたり、I区画の人がS区画の人を感染させる確率はβである。(0≦β、単位時間あたりの感染率)
※この仮定から、ある時間tにおけるI区画の人数をI(t)と書くと、「β・I(t)」のことを「時間tにおける感染力(force of infection)」と言います。
 この感染力が大きいほど、S区間の多くの人を感染させます。そしてある時間tにおけるS区画の人数をS(t)と書くと、単位時間あたりの感染者数は「β・S(t)・I(t)」になり、この人達がS区画からI区画に移行します。

・単位時間あたり、I区画の人が隔離または回復または死亡する確率はγである。(0≦γ、単位時間あたりの隔離+回復+死亡率)
 この仮定から、時間tにおける単位時間あたりの隔離+回復+死亡者数は「γ・I(t)」になり、この人達がI区画からR区画に移行します。

※図1は、「感染症流行の予測:感染症数理モデルにおける定量的課題」西浦博、稲葉寿、統計数理(2006)・特集「予測と発見」から引用させていただきました。

1813. 感染症数理モデル-1 投稿者:杉本典夫 [URL] 投稿日:2020/04/14 (Tue) 17:35:26 [返信] [削除]
 今、巷で話題のCOVID-19に関連して、感染症数理モデルについて勉強しました。恥ずかしながら、これまでに風邪やインフルエンザ等の簡単な臨床研究のデータ解析をやったことはありますが、感染症の数理モデルを本格的に扱ったことはありませんでした。そのため、この分野の専門家である西浦博先生と稲葉寿先生の文献をインターネットで検索し、次のような論文を探し当てました。
 この論文を読んだところ、感染症数理モデルは、区画モデル(compartment model)を用いていることがわかりました。区画モデルは薬物動態学分野でも用いられていて、元製薬業界でメシを食っていて、薬物動態学のデータをいつも扱っていた僕にとっては、お馴染みのものです。σ(^_-)
 そこでせっかく勉強したので、自分の覚書を兼ねて、感染症数理モデルと、それを応用したCOVID-19感染者推移について、概略を説明したいと思います。
https://www.ism.ac.jp/editsec/toukei/pdf/54-2-461.pdf
※薬物動態学で用いられる区画モデルについては、僕のウェブサイトの次のページを参考にしてくだい。(^_-)
http://www.snap-tck.com/room04/c01/stat/stat14/stat1401.html

1812. 家庭内LANサーバー 投稿者:杉本典夫 [URL] 投稿日:2020/02/05 (Wed) 11:02:12 [返信] [削除]
 近頃、家庭内LANサーバーにしている古い自作PCのハードウェアと、OSであるFedoraとの相性が悪くなり、不安定になっていました。そこで思い切ってOSをDebianに変更しました。
 FedoraなどのRedHat系は先進性を重視しているのに対して、Debian系は安定性を重視しています。そのため古いハードウェアとの相性は良く、今のところ安定して作動しています。またメインマシンのOSがDebianから派生したUbuntuなので、メインマシンとの相性も良く、しばしば起きていたネットワーク関連のトラブルはまだ発生していません。
 これからしばらくの間、このシステム構成で様子を見ることにします。v(^_-)

1811. Re[1810]:サンブル数の計算式について 投稿者:杉本典夫 [URL] 投稿日:2019/08/20 (Tue) 09:31:16 [返信] [削除]
>マーシーさん
>>統計の塾とか先生(大人ver)ってないものですかね、学校ってありがたいものだったのだなぁとしみじみ感じます。
 ありますよ。僕は地元の名古屋で、寺子屋「統計庵」という小規模なセミナー活動を不定期に行っています。またセミナー会社の情報機構から依頼されて、半年に1度位のペースで統計学セミナーを行っています。その統計学セミナーについては、当館の次のページに記載してありますよ。(^_-)
○【出版物とセミナーのお知らせ】
http://www.snap-tck.com/room05/room05.html

>>1章の最後の方で、サンプル数の計算式がありますが、ここが難解です。
 この計算式が理解できれば、統計的仮説検定はほぼ理解できますし、統計的仮説検定がしっかりと理解できれば、この計算式は自然と理解できるはずです。そのため、このページをじっくりと読んでみてください。(^_-)

1810. Re[1809]:[1808]:有病率の信頼区間について 投稿者:マーシー 投稿日:2019/08/19 (Mon) 21:16:22 [返信] [削除]
小学生の頃、関数で直線の傾きを「変化の割合」と学習しましたが、正確には「変化率」なのですね。(微分のときも同じように習いました)

統計の塾とか先生(大人ver)ってないものですかね、学校ってありがたいものだったのだなぁとしみじみ感じます。そういう意味でとてもyoutube貴重です。

1章をしっかり読み込み、根本を理解しながら進んでいきたいと思います。
1章の最後の方で、サンプル数の計算式がありますが、ここが難解です。

1809. Re[1808]:有病率の信頼区間について 投稿者:杉本典夫 [URL] 投稿日:2019/08/16 (Fri) 12:16:37 [返信] [削除]
>マーシー様
>>母比率の推定として計算するのと、有病率の数値の母平均の推定として計算するのでは、結果は異なるのでしょうか?
 これらは用語の違いであり、結果的には同じになります。
 「統計学の基礎」の「3.3 差と比の使い分け」の最後に書いたように、比(ratio)と割合(proportion)と率(rate)はそれぞれ定義が異なる別物です。そして日本語では、これら3種類のものを全て「比率」というまぎわらしい用語で呼ぶことがあります。ご紹介いただいたyoutube動画は、これらのまぎわらしい用語を用いた典型的な「まぎわらしい統計学解説」です。(^_^;)
 有病率は「分子が分母に含まれる分数」ですから、「疾患の割合」になり「率」ではありません。しかし「割合」という用語は研究現場では馴染みが薄いので、僕は致し方なく「有病率」をそのまま用い、一般化する時は「出現率」という用語を用いることにしています。ご紹介いただいたyoutube動画では、これを「比率」という用語で説明しています。「比率」は本来は「割合」であり、主として社会統計学や心理統計学で用いられる用語です。
 統計学で出現率を求める時、分母は誤差のない定数n(緑内障の場合は調査した標本集団の例数n)を用い、分子は誤差のある変数x(緑内障の場合は標本集団中の緑内障患者の例数x)を用います。この時、分子の変数xは二項分布をします。そのため出現率p=x/nも二項分布をします。
 ベルヌーイ分布は1回のベルヌーイ試行(試行結果が0:失敗/1:成功の2種類であり、成功率pが一定という試行)について定義される離散分布であり、これをn回繰り返したものが二項分布になります。このことは、ご紹介いただいたyoutube動画を始めとして、統計学解説書でも混乱して解説されているものがけっこうあります。
 二項分布は、分母の例数nが大きくなると、中心極限定理によって平均nπ、分散nπ(1-π)の正規分布で近似できます(π:母出現率、通常は標本集団の出現率pで推定します)。この近似正規分布を利用して、母出現率πの95%信頼区間を求めることができます。
 youtube動画では「ベルヌーイ分布は例数が多くなると正規分布で近似できる」と解説しています。これは、ベルヌーイ試行を1回行った時はベルヌーイ分布になり、試行を何度も繰り返すと二項分布になり、その二項分布が近似的に正規分布する、ということを混乱して――はっきり言って間違って(^^;)――説明したものです。

 比と割合と率の違いと出現率の信頼区間については、当館の次のページを参考にしてください。
○玄関>雑学の部屋>雑学コーナー>統計学入門
→2.4 差と比とパーセントの使い分け (注1)
http://www.snap-tck.com/room04/c01/stat/stat02/stat0204.html#note01
→3.2 1標本の計数値 (2) 名義尺度(分類データ)
http://www.snap-tck.com/room04/c01/stat/stat03/stat0302_2.html
 以上、参考になれば幸いです。

1808. 無題 投稿者:マーシー 投稿日:2019/08/15 (Thu) 23:45:20 [返信] [削除]
杉本様

平素はお世話になっております。
最近はずっと「統計学の基礎」を片手に、当HPの「統計学入門」、あとyoutube動画(https://yobinori.jp/video/probability-statistics.html)とにらめっこしています。(浅学で、理解が遅い点はお許しください)

本日、仕事の問い合わせで緑内障の疫学調査(http://www.ryokunaisho.jp/general/ekigaku/tajimi.html)を調べていました。
緑内障の有病率が95%CIで示されています。
私は母比率の考え方を知らなかったため、1集団500人 100集団分 ベルヌーイ分布? p=0.05(調査では有病率5.0(4.2-5.8)だったので)でランダムデータをExcelで作成しました。
それぞれの集団ごとの有病率が100データできたので、その有病率数値で母平均の推定を95%CIでしてみようと考えました。

途中で何をやっているのかわからなくなって、頭がショートして中断している状態です。

母比率の推定として計算するのと、有病率の数値の母平均の推定として計算するのでは、結果は異なるのでしょうか?

本当に難しいです。ただ魔法のような学問です。

1807. Re[1806]:統計学はじめました 投稿者:杉本典夫 [URL] 投稿日:2019/08/08 (Thu) 11:02:07 [返信] [削除]
>マーシー様
 初めまして、当館の館長を務めている”とものり”こと杉本です。拙著「統計学の基礎」を読んでいただ、ありがとうございます。m(_ _)m

>>杉本さまの著書、「統計学の基礎」の統計学的仮設検定ですでに詰まりました。笑。
 実は、この本は第1章が最大の目玉で、この章に書いたことを普及させるために書きました。(^_^;)
 今はコンピュータと統計ソフトが普及し、統計計算が手軽に行えるようになりました。しかし統計ソフトがまだ無かった時代に、手計算で統計計算を行い、統計ソフトを自作した、僕のような古い世代のデータ解析屋σ(^^;)から見ると、統計学の基本的な原理がよく理解されていないような気がします。
 そして統計学の原理をよく理解していないにもかかわらず、単に統計ソフトのヘビーユーザーにすぎない人が、ほとんど統計ソフトの操作法解説書のような本を書いて、それが統計学解説書に分類され、著者が統計学専門家のように紹介されていたりします。この現状を多少なりとも改善しようと、「統計学の基礎」を書いたり、当館の「統計学入門」をアップしたりしました。
 とりあえず馴染みのある第4章を読まれてから、第1章(と当館の「統計学入門」の第1章)をじっくりと読んでみてください。この章を本当に理解できる人は――「統計学専門家」を自称する人も含めて(^^;)――少ないので、じっくり読んで理解することができれば、大いに自慢できますよ。(^_-)

>>別件で、薬物動態学において、血中濃度曲線式を求めるための、微分方程式が本当に理解できません。よく高校時代にこんな難しい積分できたなと思います。焦。
 薬物動態学で用いる微分方程式は、微分方程式の中では難易度が比較的低いものです。でも数学専門家以外の人がこれを解くのはけっこう難しいので、とりあえず誰かが解いてくれた解を用いれば、実用上は何とかなりますよね。
 僕は微分方程式を解くことにはまってしまったので、当館の「統計学入門」では色々なコンパートメントモデルについて解説しています。でもこの中で実際に利用したことのあるモデルは、比較的簡単な数種類のモデルだけです。はっきり言って、ほとんど趣味の世界ですね。(^^ゞ

 それでは拙著ともども、今後ともよろしくお願いします。m(_ _)m

1806. 統計学はじめました 投稿者:マーシー 投稿日:2019/08/07 (Wed) 20:37:10 [返信] [削除]
杉本さま

はじめまして
マーシーと申します。

薬剤師の端くれとして、現場の医療関係者に先発とGEを正しく理解してもらおうと思い、理論武装の一環として統計学を学生時代ぶりに再学習し始めました。(学生時代は赤点補修組)

杉本さまの著書、「統計学の基礎」の統計学的仮設検定ですでに詰まりました。笑。
とりあえず、読み飛ばして、馴染みのある4章統計手法各論を読んでおります。
挫けそうですが、どうか応援、励ましていただけると幸いです。

別件で、薬物動態学において、血中濃度曲線式を求めるための、微分方程式が本当に理解できません。よく高校時代にこんな難しい積分できたなと思います。焦。

1805. アクセスカウンターを削除! 投稿者:杉本典夫 [URL] 投稿日:2019/08/05 (Mon) 11:06:03 [返信] [削除]
 先日、アクセスカウンターがオーバーフローしたので、カウンターをリセットしました。しかしカウンターは見栄で表示しているだけですから、思い切ってカウンターを削除することにしました。これで玄関がスッキリしました。v(^_-)

1804. アクセスカウンターをリセット! 投稿者:杉本典夫 [URL] 投稿日:2019/07/27 (Sat) 16:15:17 [返信] [削除]
 数日前、当館のアクセスカウンターが20万を超えたところでオーバーフローしてしまいました!(~_~)
 そこでカウンターをリセットして、また1から始めました。でもせっかく20万までカウントしたので、カウンターの前に「20万+」という文字を追加しました。
 これは、ハッキリ言って僕の見栄です。(^^ゞ

1803. Ubuntu18.04.2 LTSクリーンインストール! 投稿者:杉本典夫 [URL] 投稿日:2019/07/02 (Tue) 08:21:01 [返信] [削除]
 メインマシンとして使っているUbuntuのOSをクリーンインストールしました!(*o*)/
 Ubuntuの長所は安定性なのに、何故かこのところ不安定でした。そしてマイナーバージョンアップしようとしたら、途中で止まってしまい、OSを起動できなくなりました。そこで致し方なく、OSをクリーンインストールしました。
 3月に家庭内LANサーバーのFedoraをクリーンインストールをしたのに続いて、またしてもクリーンインストールです。家庭内LANサーバーのFedoraはUbuntuのバックアップとしても使用できるので、Ubuntuに元の環境を再構築するまで、とりあえずFedoraを使うことになります。(~_~)

1802. 会議室の迷惑書き込み 投稿者:杉本典夫 [URL] 投稿日:2019/06/11 (Tue) 16:27:13 [返信] [削除]
 当館のCGIをPHPにして10日ほど経ちましたが、今のところ当会議室に迷惑書き込みはされていません。v(^_-)
 迷惑書き込みは、たいてい検索ロボットで電子掲示板を検索し、プログラムで自動的に行います。そこで自作の電子掲示板には、それを防御するための仕掛けが施してあります。ところがこれまでは、それを破って迷惑書き込みをされたことがたまにありました。そこで今回は防御の仕掛けをより強化しました。
 今のところ、電子掲示板の存在がロボット検索にひっかかっていないようで、電子掲示板自体にアクセスされていません。電子掲示板の存在がロボット検索に引っかかったら、ハッカーが書いた迷惑書き込みプログラムと、僕が書いた防御ブログラムの攻防が始まりそうです。

1801. CGIをPerlからPHPに変更! 投稿者:杉本典夫 [URL] 投稿日:2019/06/01 (Sat) 17:05:25 [返信] [削除]
 諸般の事情で、当サイトのCGIをPerlからPHPに変更しました!(^o^)/
 ついでにCGIの機能を整理し、使う頻度が少ない機能を削除してスッキリさせました。しばらくの間は動作がおかしい時があるかもしれないので、もし何か気付いたら知らせいただければ助かります。
 よろしくお願いします。m(_ _)m

1800. Fedora30にバージョンアップ! 投稿者:とものり [URL] 投稿日:2019/05/08(水) 08:53:55 [返信] [削除]
 1ヶ月ほど前、Fedora29のクリーンインストールをしたばかりなのに、もうFedora30にメジャーバージョンアップしました!(^o^)/
 その影響で、ウェブサイトのグラフと数式作成に利用している、フリーのドローソフトInkscapeのバージョンが上がりました。その結果、数式記述用エクステンション「TexText」が上手く作動しなくなり、手作業でバージョンアップしました。
 今回のバージョンは、数式記述用ウィンドウにPreview機能が付きました。そのため記述した数式をすぐに見ることができて、けっこう便利です。v(^_-)


1799. Fedoraクリーンインストール 投稿者:とものり [URL] 投稿日:2019/04/03(水) 16:40:45 [返信] [削除]
 諸般の事情で、家庭内LANサーバーとして使っていたFedoraマシンのOSをクリーンインストールしました。(^o^)/
 その途中で、BIOS中に、電源OFF時にUSBへの電源供給を停止する設定(ErP)があるのを見つけて、それを有効にしました。
 これで省電力になるだけでなく、全てのコンピュータの電源を落として部屋の電気を消した時、CPU切替器のランプが妖しげに点滅しているという、魑魅魍魎の世界状態から脱することができました。v(^^;)
 またFedoraをクリーンインストールしたら、メディアプレーヤーTotemがうまく作動しなくなりました。(~~;)
 TotemはLinuxのデフォールト・メディアプレーヤーですが、メジャーバージョンアップするたびに、MPEGが再生できない等々、色々と問題を起こします。でも動画を再生することはあまりないので、これまではTotemを使っていました。
 でも今回はちょうど良い機会なので、評判の良いフリーのマルチプラットフォーム・メディアプレーヤーVLC(VideoLan Client)をインストールして使ってみました。そうしたら予想以上に多機能で使い勝手が良いので、VLCに乗り換えることにしました。
 Win版もMac版もあるので、けっこうお薦めです。v(^_-)

1798. ワイブル分布モデルの最尤解 投稿者:とものり [URL] 投稿日:2018/12/09(日) 20:23:43 [返信] [削除]
当館の「統計学入門」に、ワイブル分布モデルの最尤解の説明を追加しました!(^o^)/
 仕事でパラメトリック生存時間解析をしていて、指数分布モデルとワイブル分布モデルの両方を適用する必要に迫られました。そこでワイブル分布を2次の項までテーラー展開し、ニュートン・ラプソン法で最尤解を求める関数を作り、それを自作の統計ソフトDANSに組み込みました。そしてせっかく関数を作ったので、当館の「統計学入門」にもワイブル分布モデルの最尤解の説明を追加しました。
 生存時間解析に興味があるという奇特な方は、ちらっと覗いてみてください。(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→11.6 パラメトリック生命表解析 (注3)
http://www.snap-tck.com/room04/c01/stat/stat11/stat1106.html#note03

1797. Re[1795]:有意ではない時の結果の解釈について 投稿者:とものり [URL] 投稿日:2018/10/26(金) 08:44:08 [返信] [削除]
>博士後期家課程学生さん

>>内容は、有意差のない結果についての考察は不適切です。とのご指摘でした。
 この指摘は間違いです。
 検定結果が有意の時だけ統計学的な結論を採用する有意性検定と違って、統計的仮説検定は、検定結果が有意ではない時にも統計学的な結論を採用できるように工夫した手法です。そのため有意ではない時も結果に対する考察が必要です。
 これについては、当館の次のページを参考にしてください。
○玄関>雑学の部屋>雑学コーナー>統計学入門
→1.6 統計的仮説検定の考え方
http://www.snap-tck.com/room04/c01/stat/stat01/stat0106.html

>>もし、宜しければ詳しい研究のデザインなどをメールにて送らせていただければと思います。
 いつでもかまわないので、メールしてください。v(^_-)

1796. Re[1794]:ガイドラインについて 投稿者:とものり [URL] 投稿日:2018/10/26(金) 08:35:29 [返信] [削除]
>かんがるぅさん

>>正直、不正確か正確かに関わらず、仕事上、ガイドラインには従わざるを得ない現状です。
>>疑問を持たずとも、ガイドラインに従い、右へ倣え方式でやっていけばどうにかなるのでしょうが、
>>それでも、統計学的手法を含め、科学的な部分については正確な理解をしていこうと思います。
 以前、製薬業界でメシを食っていた時、最初のうちは疑問を感じながらもガイドラインに従っていました。しかしガイドラインは、厚労省の諮問機関のメンバーが変わればコロコロ変わります。そのためガイドラインが変わるたびに、その対応に追われました。
 そこで統計学的に正しいことを追求しながら、厚労省の指摘に対して少しずつ疑問を提出し、ガイドラインを統計学的にも科学的にも正確な方向に変えさせるような活動を始めました。
 そしてその活動と並行して、医学研究者からのデータ解析依頼を受託し、医学界全体を統計学的に正しい方向に変えるような活動に力を入れ始めました。医学界全体が正しい方向に変われば、それに応じて厚労省のガイドラインも正しい方向に変わります。遠回りのようですが、ガイドラインを変えるにはこれが一番効果的な方法なのです。
 そういった活動をしているうちに、その活動の方が面白くなり(^^;)、製薬業界から足を洗ってフリーランスのデータ解析屋になり、正しい統計学的知識の普及活動を行うようになりました。
 今は、この活動がライフワークですね。v(^_-)

1795. Re[1793]:[1792]:標準偏差と標準誤差について 投稿者:博士後期家課程学生 投稿日:2018/10/25(木) 23:31:16 [返信] [削除]
お世話になります。
学生です。

迅速にかつ丁寧に御教授くださり本当にありがとうございます。

私の研究領域では和文ではCIの記述が少なく昔からの慣習でSEを描くことが多いです。
中にはSDを載せている方も...
今後は信頼区間を用いて、論文を書き進めたいと思います。

また、重ねてご質問させていただきたいことがあります。
現在査読対応中の論文があり、コメントがきていますがどのように返答したらよいか困っております。
内容は、有意差のない結果についての考察は不適切です。とのご指摘でした。
研究デザインは介入ありなし群、pre.postの2要因混合計画です。
標本数は介入ありはn15、介入なしはn10(事前検定力分析で各群のn数は足りている)
ANOVAの結果、有意な交互作用なし、多重比較も有意差なしという結果でした。
ただ、被験者内で介入あり群は介入前に比べて介入後に数値が上昇した傾向あり。でした。
コヘンのd(介入あり群 pre考察は、第2種の過誤の可能性を考慮した上で進めていますが、何か妙案がございますでしょうか?

もし、宜しければ詳しい研究のデザインなどをメールにて送らせていただければと思います。
毎度、杉本様には御手数をおかけし申し訳ございません。
何卒宜しくお願い申し上げます。


1794. Re[1791]:[1790]:安全性評価試験について 投稿者:かんがるぅ 投稿日:2018/10/25(木) 11:46:47 [返信] [削除]
ご教授ありがとうございました。

>>○玄関>雑学の部屋>雑学コーナー>統計学入門
>>→1.7 ハンディキャップ方式の検定
>>http://www.snap-tck.com/room04/c01/stat/stat01/stat0107.html

とてもわかりやすく読ませていただきました。

>> そしてトクホ試験のガイドラインほどではないものの、新薬の治験のガイドラインにも統計学的に不正確な記述がけっこうあります。
>> これらが統計学的な誤解を広める原因のひとつになっているので、全く困ったもんです。(~~;)

正直、不正確か正確かに関わらず、仕事上、ガイドラインには従わざるを得ない現状です。
疑問を持たずとも、ガイドラインに従い、右へ倣え方式でやっていけばどうにかなるのでしょうが、
それでも、統計学的手法を含め、科学的な部分については正確な理解をしていこうと思います。

今後も統計学入門での様々な解説を楽しみにしております。
どうぞよろしくお願いします。

1793. Re[1792]:標準偏差と標準誤差について 投稿者:とものり [URL] 投稿日:2018/10/25(木) 08:53:43 [返信] [削除]
>博士後期課程学生さん
 初めまして、当館の館長を務めている”とものり”こと杉本と申します。m(_ _)m

>>そこで、大変お手数なのですが、このような研究デザインなら図にはSD、SEというような例をたくさん教えていただけないでしょうか?
 研究データの解析結果をグラフ化する時は、デザインの種類に関わらず、原則として標準誤差SEを用います。
 研究の目的は、研究で集めたデータつまり標本集団のデータを手かがりにして、母集団の様子を推測することです。そして推測ですから、当然、ある程度の誤差があります。そこでその誤差の大きさを表す指標として、標準誤差を用いるわけです。
 それに対して標準偏差SDは、データが平均値の周囲にどの程度バラついているかを表す指標です。これは単なるバラツキの指標ですから、標準偏差を用いて標本集団と母集団の誤差を表すことはできません。
 そのため普通の研究データの解析結果をグラフ化する時には、使い道がありません。例えば日本人全体(母集団)を調べた国勢調査の解析結果をグラフ化する時は、標準偏差を描いても良いでしょう。母集団では標準誤差を定義できないので、描きようがないのです。
 それから標本集団と母集団の誤差を正確に表すには、本来は標準誤差ではなく信頼区間を用います。信頼区間は、母集団の要約値が特定の確率で含まれている幅を表します。
 例えば95%信頼区間は、母集団の要約値が95%の確率で含まれている幅を表します。この95%信頼区間は、だいたい標準誤差×4倍の幅です。ただし例数が多いほど幅が少し狭くなります。
 解析結果をグラフ化する場合、本来は全て信頼区間を描くべきです。そのため、比較的最近になって用いられるようになった統計手法――例えばロジステイック回帰分析や生存時間解析等――では、要約値(オッズ比やハザード比等)をグラフ化する時は必ず信頼区間を描きます。
 ところが昔から用いられてきた統計手法――例えば平均値の検定(t検定)等――では、要約値(平均値等)をグラフ化する時は、信頼区間の代わりに標準誤差を用いる慣習が残っています。これはあくまでも慣習的なものであり、本来は平均値についても信頼区間を描くべきです。
 とゆーわけで、研究データの解析結果をグラフ化する時は、原則として信頼区間を描き、昔からの慣習に従う時だけは標準誤差を描いても良い、そして標準偏差を描くことはない、ということになります。
 以上、参考になれば幸いです。(^_-)

1792. 標準偏差と標準誤差について 投稿者:博士後期課程学生 投稿日:2018/10/25(木) 00:32:21 [返信] [削除]
はじめまして。
心理学を専攻している学生です。
分析にはSPSSを使っていますが、その本質を少しでも理解しないとということで統計の勉強を始めました。きっかけは、第2種の過誤、エフェクトサイズについて調べだしたからです。

今まで統計に関する本を数冊読みました。お恥ずかしい話ですが、標準偏差と標準誤差についていまいち理解が進んでいません。
本サイトの記事も熟読しましたが、使い分けに関してピンときておりません。
そこで、大変お手数なのですが、このような研究デザインなら図にはSD、SEというような例をたくさん教えていただけないでしょうか?
よろしくお願いします。

1791. Re[1790]:安全性評価試験について 投稿者:とものり [URL] 投稿日:2018/10/24(水) 19:44:14 [返信] [削除]
>かんがるぅさん

 こんにちわ、”とものり”こと杉本です。(^o^)/

>>試験デザインとして二重盲検並行群間比較試験を選択するとします。
>>血液検査などの測定値に関し、
>>プラセボ食品摂取群と比較して被験食品摂取群で「悪くない」ということを示す時には、
>>有意差検定が最も適切な方法なのでしょうか。
 いいえ、推定をメインにし、その補助として統計的仮説検定も行うのが最も最適な方法です。(そもそも、「有意差検定」ではなく「有意性検定」という用語が正確です)
 これについては、当館の次のページをご覧ください。

○玄関>雑学の部屋>雑学コーナー>統計学入門
→1.7 ハンディキャップ方式の検定
http://www.snap-tck.com/room04/c01/stat/stat01/stat0107.html

>>別添2「特定保健用食品申請に係る申請書作成上の留意事項」を見ると、確かに
>>「安全性の確認のための試験結果の判定は、
>>必ず統計学的処理による有意差検定により行う。」
>>と書いてあります。
 はっきり言いまして、トクホ試験のガイドラインはかなりいい加減で、統計学的に不正確な記述が沢山あります。
 そしてトクホ試験のガイドラインほどではないものの、新薬の治験のガイドラインにも統計学的に不正確な記述がけっこうあります。
 これらが統計学的な誤解を広める原因のひとつになっているので、全く困ったもんです。(~~;)

1790. 安全性評価試験について 投稿者:かんがるぅ 投稿日:2018/10/24(水) 14:44:58 [返信] [削除]
過去にも何度か統計学関連の話題で質問させて頂きました。
その節はありがとうございました。

今回は、食品関連(トクホなど)の安全性評価試験について教えて下さい。

試験デザインとして二重盲検並行群間比較試験を選択するとします。
血液検査などの測定値に関し、
プラセボ食品摂取群と比較して被験食品摂取群で「悪くない」ということを示す時には、
有意差検定が最も適切な方法なのでしょうか。

別添2「特定保健用食品申請に係る申請書作成上の留意事項」を見ると、確かに
「安全性の確認のための試験結果の判定は、
必ず統計学的処理による有意差検定により行う。」
と書いてあります。

ただ、プラセボ食品による介入と被験食品摂取群による介入の間に
違いがないということを示すのであれば、
理屈上、同等性試験として解析したほうが良いような気もするのです。
もちろん、臨床的に意味のある差の下限と上限を予め設定しなければいけないなど、
多々準備は大変かとは思うのですが。

あえて、有意差検定を行う理由はなにかあるのでしょうか。
ご教授頂けますと幸いです。

1789. 掲示板ソフトをバージョンアップ! 投稿者:とものり [URL] 投稿日:2018/10/23(火) 08:16:14 [返信] [削除]
 諸般の事情で、この会議室の電子掲示板ソフトをバージョンアップしました!(^o^)/
 これは、設計通りに作動するかどうかのテストを兼ねたテスト書き込みです。(^_-)

1788. 級内相関係数に関する必要例数の計算方法 投稿者:とものり [URL] 投稿日:2018/08/20(月) 16:50:29 [返信] [削除]
 個人的ウェブサイト「我楽多頓陳館」の統計学入門に、級内相関係数(ICC)に関する試験必要例数の解説を追加しました!(^o^)/
 とある事情で、2種類の方法で測定した測定値の一致度を検討するための試験をサポートすることになりました。このような場合、級内相関係数を用いて測定値の一致度を検討するのが常套手段です。そしてそのための試験計画を立案する場合、信頼性の高い級内相関係数を求めるためには、どのくらいの数の検体を測定する必要があるかが問題になります。
 以前、そのような時の検体数を求める計算方法を開発しましたが、これはまだ正式には公表していません。そのため論文で正式に発表する前に、とりあえず当館の統計学入門にその解説を追加しました。興味のある方は、ちらっと覗いてみてください。(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→5.4 級内相関係数と一致係数 (注2)
http://www.snap-tck.com/room04/c01/stat/stat05/stat0504.html#note02

1787. 線形混合効果モデルの解説を追加 投稿者:とものり [URL] 投稿日:2018/08/18(土) 09:56:53 [返信] [削除]
 個人的ウェブサイト「我楽多頓陳館」の統計学入門に、線形混合効果モデル(LMM:Linear Mixed effects Model)の解説を追加しました!(^o^)/
 コンピュータが発達したお陰で、最尤法が力技で近似計算できるようになり、これまでは理論上の存在でしかなかった統計手法が実際に計算できるようになりました。その代表が、線型混合効果モデルを利用した分散分析です。
 そのせいか最近は、線型混合効果モデルを利用した分散分析または繰り返し測定混合効果モデル(MMRM:Mixed effects Models for Repeated Measures)を利用した分散分析が、やたらと乱用される傾向があります。しかもこれらの手法は、適用場面だけでなく名称まで誤用されることが多く、全く困ったもんです。
 実際にはこれらの手法を適用できる場面は稀であり、適用できる場合は、たいてい以前から存在する統計手法に相当する手法になります。
 僕は線型混合モデル不要派かつ検定廃止論者なので、線形混合効果モデルの具体的な例題抜きで、簡単な解説だけを追加しました。そのため読んでもよくわからないと思いますが(^^;)、興味のある方はちらっと覗いてみてください。(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→12.9 時系列共分散分析 (注4)
http://www.snap-tck.com/room04/c01/stat/stat12/stat1209.html#note04

1786. DP-plot 投稿者:とものり [URL] 投稿日:2018/02/01(木) 09:47:13 [返信] [削除]
 本日(2月1日)、僕がデータ解析のお手伝いをした医学研究論文が、インターネット上で公表されました!(^o^)/
 この研究の中心的な研究者の方が、この研究のために新しい統計手法を考案され、僕がその数学的な理論付けをしました。特許などの関係で関係者に緘口令が敷かれていましたが、本日、その箝口令が解かれたので、晴れて新しい統計手法に関する解説を公開できます。
 この新しい統計手法「DP-plot」は診断用のグラフィックツールであり、現在、医学分野で流行っているROC曲線を駆逐するだけの有用性を持っています。近い将来には、このDP-plotが標準的な診断能力判定用グラフになるのでは……と思っています。v(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→9.2 群の判別と診断率 (2)DP-plot
http://www.snap-tck.com/room04/c01/stat/stat09/stat0902.html

※ちなみに、本日、インターネット上で公開された論文は次のものです。
このサイトの「Figures」をクリツクすると、下の方にDP-plotのグラフが表示されます。(^_-)
https://www.nature.com/articles/nature25456#abstract

1785. 初心者のための多変量解析超入門 投稿者:とものり [URL] 投稿日:2018/01/26(金) 11:57:25 [返信] [削除]
 情報機構から依頼されて、2月5日にまた多変量解析セミナーをすることになりました!(^o^)/
 昨年、同じ内容のセミナーを2回行い、今年もまた依頼されました。昨日(1月25日)は名古屋市立大学医学部で、多変量解析の基礎について2時間ほどセミナーを行いました。ビッグデータが流行っているせいか、多変量解析に対する関心が高くなっているようですね。(^_-)

http://www.johokiko.co.jp/seminar_medical/AA180208.php

1784. 多変量正規分布と多変量t分布の累積確率計算方法の解説を観て追加 投稿者:とものり [URL] 投稿日:2018/01/14(日) 09:32:38 [返信] [削除]
 個人的ウェブサイトの「統計学入門」に、多変量正規分布と多変量t分布の累積確率計算方法、そしてついでにステューデント化範囲の分布の計算方法の解説を追加しました!(^o^)/
 実際の計算用プログラムは、高速化とエラーチェックのためにもう少し複雑です。でも数値計算を少しかじったことのある人なら、計算原理は何とか理解できるのではないかと思います。

○玄関>雑学の部屋>雑学コーナー>統計学入門
→付録1 各種の確率分布
http://www.snap-tck.com/room04/c01/stat/stat99/stat9901.html
※更新したのは(9)ステューデント化範囲の分布と(10)多変量t分布です。(^_-)

1783. 「統計学入門」の「第17章 因子分析」を修正しました! 投稿者:とものり [URL] 投稿日:2017/12/27(水) 10:40:41 [返信] [削除]
 自作の統計解析ソフトで最尤法による因子分析をサポートしたので、当館の「統計学入門」の「第17章 因子分析」に最尤法の解説を追加しました!(^o^)/
 今時の統計学解説書は主として統計ソフトの使い方の解説をしていて、統計学の解説書ではなく、実は統計ソフトの解説書であるものが多くなっています。そしてその種の解説書は、「数式を使わない…」と謳っているものが多々あります。
 数式を使わない数学の本が堂々とまかり通っているのは、統計学分野だけの特異な現象かもしれません。(^_^;)
 ご他聞に漏れず当館でも、本文中はできるだけ数式を使わないで解説し、(注)では数式を使って解説するようにしています。最尤法は数式が少々難しいので、(注)で解説しました。そのため数式が大好きという思いっ切り奇特な人にしか読まれないかもしれません。(^_^;)
 
○玄関>雑学の部屋>雑学コーナー>統計学入門
→17.1 因子と因子分析
http://www.snap-tck.com/room04/c01/stat/stat17/stat1701.html

1782. 「統計学入門」の「第13章 用量反応解析」を修正しました! 投稿者:とものり [URL] 投稿日:2017/12/02(土) 10:13:19 [返信] [削除]
 久しぶりに当館の「統計学入門」の「第13章 用量反応解析」を少し修正しました!(^o^)/
 用量反応解析は主として薬理学分野で用いられるせいか、臨床分野ではあまり知られていないようです。そのため医学統計学分野の解説書ではあまり解説されておらず、本来の用量反応解析ではない不適切な解析手法が紹介されていることが多いようです。
 そこで今回はこの用量反応解析を臨床分野に応用することも考慮して、内容を少し修正しました。そして「13.5 名義尺度の平行線検定法」には、僕が開発した「用量反応率直線による平行線検定法」の解説を追加しました。
 用量反応解析に興味があるという奇特な方は、ちらっと覗いてみてください。(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→13.5 名義尺度の平行線検定法
http://www.snap-tck.com/room04/c01/stat/stat13/stat1305.html

1781. ubuntuを17.10にバージョンアップ! 投稿者:とものり [URL] 投稿日:2017/10/21(土) 15:26:13 [返信] [削除]
 本日(10月21日)、ubuntuを17.04にバージョンアップしてからまだ1ヶ月もたたないというのに、17.10にバージョンアップしました!(^o^)/ 今回はマイナーバージョンアップなので気楽に実施したところ、17.04にバージョンアップした時よりもトラブルが多発しました。(~_~)
 ディスプレイが初期状態に戻り、日本語が使えなくなり、愛用しているエディタemacsが削除され、トップパネルからメール起動アイコンが消え、デスクトップにゴミ箱が表示されるようになりました。そしてデスクトップシェルがUnityからGNOMEに代わったため、使い勝手がFedoraに似てきた感じです。
 お陰で自分好みの環境にするのに、数時間ほどかかってしまいました。(+o+)

1780. 「統計学入門」を更新 投稿者:とものり [URL] 投稿日:2017/10/09(月) 09:09:13 [返信] [削除]
 当館の「統計学入門」に時系列回帰分析と時系列共分散分析の解説を追加しました!(^o^)/
 これらの手法は周期共分散分析を開発した時に、副産物的に開発した手法です。そのため「統計学入門」では解説を省略しました。ところが最近、この手法を使う機会があり、この手法について説明しなければならないことになりました。そこで「統計学入門」に解説を追加し、そのページを参照してもらうことにしました。
 周期共分散分析は自分で開発した手法の中ではけっこう愛着のある手法なので、これらの手法もある程度は愛着があります。v(^_-)

1779. ubuntuを17.04にバージョンアップ 投稿者:とものり [URL] 投稿日:2017/10/01(日) 10:53:16 [返信] [削除]
 ubuntuを16.04から17.04にバージョンアップしました!(^o^)/ ubuntuはFedoraほど頻繁にメジャーバージョンアップしないので、ほぼ1年半ぶりのメジャーバージョンアップです。
 メジャーバージョンアップにしては、あっけないほどスムーズにバージョンアップできました。そしてディスプレイの設定が初期状態に元ってしまったことと、ネットワークプリンターを認識しなくなったこと以外は、今のところ問題なく作動しています。v(^_-)

1778. 初心者のための多変量解析超入門 投稿者:とものり [URL] 投稿日:2017/09/21(木) 09:24:23 [返信] [削除]
 情報機構から依頼されて、10月にまた多変量解析セミナーをすることになりました!(^o^)/
 6月に行った多変量解析セミナーのウケが良かったのか、同じ内容で依頼をもらいました。このセミナーに参加されたいという奇特な方がいたら、僕に連絡していただければ「講師割引書」をお送りしますよ。(^_-)

http://www.johokiko.co.jp/seminar_medical/AA171010.php

1777. 「統計解析ハンドブック」 投稿者:とものり [URL] 投稿日:2017/09/07(木) 09:14:26 [返信] [削除]
 某秘密結社が極秘のうちに進めていた悪巧みが、とうとう公になりました!(^o^)/
 今回の本は3人の共著で、しかも僕は監修のような感じでほとんど何もしませんでした。(^^ゞ
 実はこれは本命の悪巧みの前振りでして、この本の売れ行きが良ければ、その本命の悪巧みを実現できるので、何とか売れて欲しいものです。
 著者割引制度があるかどうかは知らないのですが、もし買いたいという奇特な方がいたら、僕に知らせてください。(^_-)

http://www.kagakukogyonippo.com/pub/index_692-3.html

1776. 「繰り返し測定データ」の解析方法続き 投稿者:とものり [URL] 投稿日:2017/08/23(水) 18:03:18 [返信] [削除]
 某秘密結社が極秘のうちに進めている悪巧みに合わせて、個人的ウェブサイトにアップしてある「統計学入門」の一節をまた修正しました!(^o^)/ この節は「繰り返し測定データ」の解析方法の続きであり、主としてMantel-Haenszel検定、拡張Mantel検定、そして一般化拡張Mantel検定について説明しました。
 拡張マンテル検定と一般化拡張マンテル検定は実際に用いられることは少なく、統計学の解説書などでもピント外れの説明がされていることの多い手法です。またMantel-Haenszel検定は、最近はメタアナリシスでも用いられる手法です。

「二次資料は信用するな、必ず一次資料にあたれ! できれば生データを調べろ!!」

というデータ解析屋の鉄則を信奉している僕としては、「味噌も××も一緒(^^;)」という大雑把な解析方法であり、しかも「人の褌で相撲を取る」ようなメタアナリシスは好きくありません。僕は検定廃止論者であると同時に、メタアナリシス無用論者でもあります。σ(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→4.4 繰り返しのある多標本・多時期の計数値
http://www.snap-tck.com/room04/c01/stat/stat04/stat0404.html

1775. 「繰り返し測定データ」の解析方法 投稿者:とものり [URL] 投稿日:2017/08/19(土) 09:35:44 [返信] [削除]
いる悪巧みに合わせて、個人的ウェブサイトにアップしてある「統計学入門」の一節を修正しました!(^o^)/ この節は、薬効評価でよく問題になる「繰り返し測定データ」の解析方法について解説しています。
 そして某ノースカロライナ大学と某スタンフォード大学が開発した統計ソフト、某SASと某SPSSによって広められた「分散分析における4つのタイプの平方和迷信(^^;)」に惑わされている人達のために、迷信を打破するための啓示もこの節の(注2)に開示しました。
 統計学の荒野で彷徨いつつある迷える子羊達よ、我が黙示録をとくとご覧あれ…!(-人-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→4.3 繰り返しのある多標本・多時期の計量値
http://www.snap-tck.com/room04/c01/stat/stat04/stat0403.html

→4.3 繰り返しのある多標本・多時期の計量値 (注2)
http://www.snap-tck.com/room04/c01/stat/stat04/stat0403.html#note02


1774. Fedora26にバーションアップ! 投稿者:とものり [URL] 投稿日:2017/08/08(火) 09:16:14 [返信] [削除]
 半年に1度の恒例行事、Fedoraのメジャーバージョンアップをしました!(^o^)/
 今回は25→26のバージョンアップでしたが、まるでマイナーバージョンアップのようにスムーズにバージョンアップできました。そのせいか、まるでマイナーバージョンアップのように外観も使い勝手もほとんど変わりません。
 でもまあ、バグフィックス版を「新バージン」と称して堂々と販売する某極小柔や某林檎よりはましかも…。(^^;)

1773. 帰無仮説を検証するための必要例数 投稿者:とものり [URL] 投稿日:2017/07/30(日) 15:21:19 [返信] [削除]
 久しぶりに「統計学入門」を一部更新しました!(^o^)/
 通常、統計的仮説検定における必要例数は、帰無仮説(例えば新薬は効かない)が間違っていることを検証するのに必要な例数を求めます。この必要例数は、僕が勝手に「お座敷(式)(^^;)」と呼んでいる簡単な計算式で求めることができます。
 でも帰無仮説が正しいことを検証するのに必要な例数を求める計算式は、あまり知られていません。そこで色々と試行錯誤した結果、その例数を求める簡単な計算式を工夫しました。興味がある方は、ちらっと覗いてみてください。(^_-)

○玄関>雑学の部屋>雑学コーナー>統計学入門
→1.7 ハンディキャップ方式の検定 (注2)
http://www.snap-tck.com/room04/c01/stat/stat01/stat0107.html#note02

1772. 「ミス・シェパードをお手本に」 投稿者:とものり [URL] 投稿日:2017/07/11(火) 10:24:43 [返信] [削除]
・「ミス・シェパードをお手本に(The Lady in the Van)」ニコラス・ハイトナー監督、イギリス、2015年
 劇作家アラン・ベネットの舞台劇「The Lady in the Van」を映画化した作品で、名女優マギー・スミスが舞台の当たり役を本作でも演じています。これはもうマギー・スミスありきの作品であり、彼女の至芸をたつぷりと楽しめます。
 それにしても「ミス・ブロディの青春」や「名探偵登場」で気品のある美人役を演じていたマギー・スミスが、これほど変貌するとは驚きです。日本の女優で言えば、若かりし頃の山本富士子が、現在の悠木千帆に変貌したようなものでしょうか。(^_^;)

http://www.missshepard.net/

1771. 「神様メール」 投稿者:とものり [URL] 投稿日:2017/07/09(日) 09:40:33 [返信] [削除]
・「神様メール(Le Tout Nouveau Testament)」ジャコ・ヴァン・ドルマン監督、フランス・ベルギー・ルクセンブルク、2015年
 新約聖書(Nouveau Testament)を下敷きにした、痛快なファンタジック・コメディです。日本公開時に諸事情で観られず、DVDになってからようやく観ることができました!(^o^)/
 「神は実在し、ブリュッセルのアパートに住んでいる」というチープなツカミから、予想を斜め上方向に裏切って、あさっての世界に着地するオチまで、奇想天外でハチャメチャなストーリーにもかかわらず、何故か深い人生を感じさせるところが、いかにもヨーロツパ映画です。
 パソコンでいたずらに世界を支配する、やたらと性格の悪い神様と、その10歳の娘でチャーミングなエアが実にいい味を出しています。相変わらず、ヨーロツパ映画は子役の使い方が巧いですねぇ…!v(^_-)

http://kamisama.asmik-ace.co.jp/

1770. 「パンとエスプレッソと 南森町交差点」 投稿者:とものり [URL] 投稿日:2017/06/11(日) 10:00:47 [返信] [削除]
 仕事で博多に行った帰りに、大阪の南森町にオープンしたばかりのカフェ&ベーカリー「パンとエスプレッソと 南森町交差点」に寄って来ました!(^o^)/
 この店は、東京の同じ系列の店に勤めていた娘が新規オープンのために転勤した店で、大阪天満宮の近くにオープンしたプレミアムホテルCABIN大阪の1階にあります。この店のウリは「ムー」という食パンで、それを使用したフレンチトーストが看板メニューになっています。
 何となく大阪っぽくない雰囲気の店ですが、けっこうお客が入っていて、パンは全て売り切れていたので少し安心しました。(^_-)


1769. 「二千七百の夏と冬」 投稿者:とものり [URL] 投稿日:2017/05/27(土) 10:34:04 [返信] [削除]
・「二千七百の夏と冬」荻原浩、双葉社、2014年
 縄文時代晩期を舞台にして、縄文人の少年と渡来系弥生人の少女の出会いを描いた「ボーイ・ミーツ・ガール」物語です。そしてそれと並行して、現代の日本を舞台にして、日本人の女性記者と在日韓国人のカメラマンとの恋も描いています。
縄文人の少年が弥生人の生活を見て、「自然を壊しまくって田や畑を作ったり、自分は働かないくせに王が食料や貴重品を独占したり、それらの物を奪い合ってイクサをするなんて、何て馬鹿なことをするんだ!」と思うところなど、縄文時代を偏愛する僕は大いに共感しました。
 また女性記者が国籍にこだわる人達に対して、「何の努力もせずに手に入れられる国籍を誇ったって、自分自身は1センチも前に進めない」と嘆くところなども大いに共感しました。
 「明日の記憶」などのサラリーマン物や推理物が多い荻原浩が、本作のような歴史ロマン物を書くとは少々驚きました。でも推理物を得意とするだけに、縄文時代と弥生時代について詳しく調べて書いているのでけっこう読みごたえがありました。
 縄文時代を舞台にした物語としては、おそらく日本で唯一の縄文時代プロパーマンガ家・高室弓生女史の「ニタイとキナナ」や「縄文物語」が一番のお気に入りです。本作は、それらの次にお気に入りの作品になりました。v(^_-)

1768. 初心者のための多変量解析超入門 投稿者:とものり [URL] 投稿日:2017/04/03(月) 20:00:44 [返信] [削除]
 久しぶりに情報機構から頼まれて、6月に「初心者のための多変量解析入門」セミナーを行うことになりました!(^o^)/
 このセミナーに参加されたいという奇特な方がいたら、僕に連絡していただければ「講師割引書」をお送りしますよ。(^_-)
http://www.johokiko.co.jp/seminar_medical/AA170612.php

1767. 「君の名は?」 投稿者:とものり [URL] 投稿日:2017/02/19(日) 10:00:46 [返信] [削除]
・「Fullmetal Alchemist-Jugemu Jugemu〜What is your name ?」
 カミさんの知り合いの留学生に大受けのアニメ「君の名は?(What is your name ?)」です。(^O^)/
 日本人なら誰でも元ネタがわかると思いますが、留学生には摩訶不思議な日本語に聞こえるみたいです。(^_^;)
https://www.youtube.com/watch?v=aMrWFD3LWYU

1766. 名古屋製菓祭 投稿者:とものり [URL] 投稿日:2017/02/13(月) 10:35:52 [返信] [削除]
 昨日(2月12日)は、カミさんに引きずられて(^^;)名古屋製菓専門学校の「名古屋製菓祭」に行ってきました!(^o^)/ これは名古屋製菓専門学校の生徒達の卒業・進級作品展であり、販売コーナーやカフェコーナーもあります。一般人も無料で入場でき、生徒達が作ったケーキ、焼き菓子、パンを格安で買うことができるので、毎年、長蛇の列ができます。
 この学校の生徒達は非常に優秀で、技能五輪全国大会で3連覇したり、ジャパンケーキショー・学生の部で金賞・銀賞・銅賞を獲得したりしています。v(^_-)


1765. 森香アンポンミュージック地元愛巡業2017 投稿者:とものり [URL] 投稿日:2017/02/11(土) 11:58:54 [返信] [削除]
 昨日(2月10日)は新栄の「Rock & Beer Pub Rolling Man」で、”アンポンミュージックマン”森香氏のライブを堪能してきました!(^o^)/
 森香氏は名古屋市西区在住のシンガーソングライターで、「笑えて歌えるアンポンミュージックの伝道者」として、フーテンの寅さんのように全国各地でライブ演奏をしています。現在は「森香アンポンミュージック地元愛巡業2017」の真っ最中であり、昨日のライブはそのひとつでした。
 アコースティックギターを弾きながら豊かな声で歌う彼の曲は、年代が似ているせいか、昔懐かしいフォーク調のメロディラインといい、フォービートのゆったりとしたリズムといい、生活感あふれる歌詞といい、ツボにはまりまくりでした。
 森香氏とうちのカミさんです。カミさんが手にしているのは、森香氏の3rdアルバム「生きるための歌」のCDです。

 共演したダイオン氏とうちのカミさんです。ダイオン氏はサックス、クラリネット、リコーダ等の演奏者で、チンドン屋もやっているそうです。ダイオン氏は森香氏のアルバムにも参加していて、ベテラン同士らしい息の合った練達の演奏でライブを大いに盛り上げてくれました。(^_-)


1764. 「マイマイ新子と千年の魔法」 投稿者:とものり [URL] 投稿日:2017/02/09(木) 10:40:16 [返信] [削除]
・「マイマイ新子と千年の魔法」片渕須直監督、日本、2009年
 高樹のぶ子の自伝的小説「マイマイ新子」を、片渕須直監督がアニメ化した佳作です。(^o^)/ 内容を一言で言えば「日本版赤毛のアン」であり、昭和30年の山口県防府を舞台にして、空想好きな少女の何気ない日常を美しい映像で丹念に描いています。
 片渕監督の長編デビュー作「アリーテ姫」は童話をアニメ化した作品のせいか、師である宮崎駿監督の影響をモロに感じました。しかし本作は、何気ない日常のディテールを丹念に描くという片渕監督の特徴がよく表れています。
 本作でアニメ監督としての方向性に自信を持ったと思われる片渕監督は、資質と作品性が非常によく似ている、こうの史代の名作マンガ「この世界の片隅に」を知り、アニメ化を熱望することになります。
http://www.mai-mai.jp/

1763. 「縄文4000年の謎に挑む」 投稿者:とものり [URL] 投稿日:2017/02/06(月) 12:00:46 [返信] [削除]
・「縄文4000年の謎に挑む 宮畑ミステリー大賞作品集」じょーもぴあ活用推進協議会編、現代書林、2016年
 福島県福島市に縄文時代の集落跡である「宮畑遺跡」があります。この遺跡には2つの大きな謎があります。それは全国でも数えるほどしか例がない直径90cmの巨大柱と、集落の約40%以上の家が長年にわたり意図的に焼かれていたという、全国のどの縄文遺跡にも例がないほど大量の「焼かれた家」の存在です。
 この2つの謎をテーマにした小説やマンガを募集し、面白い作品に賞を与えようというユニークな企画が「宮畑ミステリー大賞」です。本作はその企画で最優秀賞、優秀賞、特別賞を受賞した7作品をまとめた作品集です。マニアックな賞だけに、SF小説、ファンタジー小説、伝奇小説、エッセイ風小説、推理小説、ユーモア小説等々と様々なジャンルの、いかにもシロウトっぽい生硬な作品から、プロっぽい手練の作品までバライティーに富んでいます。
 僕は、特別賞を受賞した堕天氏のSFユーモア小説「オサナヤ」が最も気に入りました。この作品はすっとぼけたユーモアと軽妙洒脱な文章が秀逸で、大笑いさせられました。堕天氏の他の作品があったら、是非読んでみたいものです。v(^_-)


1762. 「あん」 投稿者:とものり [URL] 投稿日:2017/02/02(木) 10:30:31 [返信] [削除]
・「あん」河瀬直美監督、日本・フランス・ドイツ、2015年
 ハンセン病をテーマにしたドリアン助川の同名小説を、河瀬監督が映画化した佳作。重いテーマのためストーリーは少々ベタなのですが、ヒロインの老婆を演じる樹木希林独特の”軽み”と、河瀬監督お得意の自然描写によって味わい深い作品になっています。
 樹木希林と市原悦子は本作が初共演というのも、少々驚きです。また中学生ワカナを樹木希林の孫娘である内田伽羅が素直に演じていて、けっこう好感を持ちました。彼女は祖母&祖父のDNAをあまり受け継がず、父親のDNAを多く受け継いだのでしょうかねぇ…?(^^;)
http://an-movie.com/

1761. 春風亭小朝 新春独演会 投稿者:とものり [URL] 投稿日:2017/01/29(日) 09:37:11 [返信] [削除]
 先日、新春恒例の「春風亭小朝 新春独演会」に行ってきました!(^o^)/ 演目は新作の「クイズの王様」と「桃太郎」、古典の「お見立て」と「七段目」。「クイズの王様」以外はお馴染みの演目で、相変わらずそつのない小朝師匠の話芸を楽しませてもらいました。
 昨年の前座は愛らしい春風亭ぴっかりでしたが、今年の前座は林家ひろ木でした。彼は津軽三味線を演奏できる唯一の落語家で、仲入りの後で見事な演奏を聴かせてくれました。v(^_-)


1760. 杉並アニメーションミュージアム 投稿者:とものり [URL] 投稿日:2017/01/27(金) 10:11:02 [返信] [削除]
 東京出張のついでに「杉並アニメーションミュージアム」に行ってきました!(^o^)/ ここは知る人ぞ知るアニメの殿堂で、杉並区が運営する杉並会館内にあるため入場無料です。
 ミュージアムの入り口でうっかりクシャミをしてしまったので、「呼ばれて飛び出てジャジャジャジャーン!」と、ハクション大魔王がツボから飛び出してきました。(^_-)

 ミュージアムの中央にある柱には、色々なマンガ家達の直筆イラストが描かれています。


1759. 「あなた、その川を渡らないで」 投稿者:とものり [URL] 投稿日:2017/01/20(金) 09:25:14 [返信] [削除]
・「あなた、その川を渡らないで(My Love, Don't Cross That River)」チン・モヨン監督・撮影、韓国、2014年
 韓国の小さな村で慈しみ合い、支え合って暮らす老夫婦の姿を、美しい四季の移り変わりの中で静かに追った秀逸なドキュメンタリーです。(^o^)/
 いやぁ、年を取ってカミさんと二人で暮らす僕には、こういう作品はしみじみと心に滲みますねぇ…! 縁側の陽だまりでうつらうつらしているおじいさんの姿は、まるで我が身を見るようでコワイくらいです。(^_^;)
 老夫婦だけでなく、全ての人にお勧めしたい感動作です。
http://anata-river.com/

1758. 「高江−森が泣いている 2」 投稿者:とものり [URL] 投稿日:2017/01/17(火) 09:27:01 [返信] [削除]
・「高江−森が泣いている 2」藤本幸久・影山あさ子共同監督、日本、2016年
 昨年の11月に公開された「高江−森が泣いている」の続編です。今回は藤本監督の舞台挨拶があった日に観に行ったため、藤本監督と一緒に記念写真を取らせていただくことができました。僕も本作の制作協力金を寄付したので客の入りが気になりましたが、大雪の翌日にもかかわらず、前作同様に満席で補助席まで出ていたのでホッとしました。v(^_-)
 藤本監督のお話では、昨年10月に、沖縄基地建設反対運動のリーダである山城博治さんが沖縄県警に冤罪で不当逮捕された後、反対運動をしている主だった人達と、その運動を記録している藤本監督はじめスタッフの人達も逮捕される危機にあったことがわかりました。ところが昨年12月にオスプレイの墜落事故があり、国民の目が沖縄に向いたため、政府はその計画を一旦棚上げにしているらしいのです。
 藤本監督は「記録なくして事実なし」という信念に従い、国民の知る権利を守るために、逮捕される危険を覚悟の上で、これからも沖縄の現状を記録し続け、公開し続ける覚悟だそうです。そのためこの記念写真は、もしかしたら貴重な写真になってしまうかもしれません。(^_^;)
 次回作「沖縄の未来(みち)」の舞台挨拶で、また藤本監督とお会いできることを願ってやみません。

こちらが本作の公式紹介サイトです。(^_-)
http://america-banzai.blogspot.jp/