概要

データ分析なら「Python」か「R」がいいよね。

・・・ということで「F#」で「独立性の検定（カイ2乗検定・フィッシャーの直接確率検定）」を行なってみました。内容は「PythonとRで独立性の検定」の移植です。解説は Python版のエントリを参照ください。

　なお、F#で実行するにあたって Accord.NET というパッケージを利用しました。あらかじめ nuget で Accord.Statistics を導入しておいてください。ここではバージョン 3.8.0 を使いました。

コード

独立性の検定

open System
open Accord.Statistics.Testing
open Accord.Statistics.Analysis

[<EntryPoint>]
let main argv =

  let m = ConfusionMatrix(array2D [ [140; 150]; [160; 180] ])

  let cst = new ChiSquareTest(m,yatesCorrection=false)
  printfn "カイ２乗検定"
  printfn "p値     = %.3f" <| cst.PValue
  printfn "自由度   = %d" <| cst.DegreesOfFreedom
  printfn ""

  let cst = new ChiSquareTest(m,yatesCorrection=true)
  printfn "カイ２乗検定（イェーツ補正あり）"
  printfn "p値     = %.3f" <| cst.PValue
  printfn "自由度   = %d" <| cst.DegreesOfFreedom

  printfn ""
  let ft = new FisherExactTest(m)
  printfn "フィッシャーの直接確率検定"
  printfn "p値 = %.3f" <| ft.PValue // 正しく計算できない！

  Console.ReadKey() |> ignore
  0

実行結果

　カイ2乗検定は正しく実行できています（Python版と計算結果が一致）。

　しかし、残念ながらフィッシャーの直接確率検定による $p$ 値の計算は失敗しています（確率であるはずの $p$ 値が $1.0$ を超える数値で出力されている）。内部で階乗計算をする際にオーバーフローしていると思われます。

実行結果

カイ２乗検定
p値     = 0.760
自由度   = 1

カイ２乗検定（イェーツ補正あり）
p値     = 0.822
自由度   = 1

フィッシャーの直接確率検定
p値 = 1.300

観測度数が小さなものでフィッシャーの直接確率検定

観測度数が小さい場合は、うまく計算できるのかをチェックします。

まずは、Pythonで実行してみます。

Python

import pandas as pd
import scipy.stats as st
df = pd.DataFrame([[14,10],[21,3]])
_, p = st.fisher_exact(df)
print(f'p値 = {p :.3f}')

実行結果

p値 = 0.049

今度は、F# で実行してみます。

let m = ConfusionMatrix(array2D [ [14; 10]; [21; 3] ])
let ft = new FisherExactTest(m)
printfn "p値 = %.3f" <| ft.PValue

実行結果

p値 = 0.049

一致しました。ついでに R でも試してみます。

m=matrix(c(14, 10, 21, 3), nrow=2, byrow=T)
fisher.test(m)

実行結果

    Fisher's Exact Test for Count Data

data:  m
p-value = 0.04899
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.03105031 0.99446037
sample estimates:
odds ratio 
 0.2069884

一致しています。

F#で独立性の検定（カイ2乗検定・フィッシャーの直接確率検定）

概要

コード

実行結果

観測度数が小さなものでフィッシャーの直接確率検定