次のデータセットがあるとします。
Men Women Dieting 10 30 Non-dieting 5 60 Ifフィッシャーの直接確率検定をRで実行すると、alternative = greater（またはそれ以下）は何を意味しますか？例：
mat = matrix(c(10,5,30,60), 2,2) fisher.test(mat, alternative="greater") p-value = 0.01588とodds ratio = 3.943534を取得します。また、分割表の行を次のように反転すると、次のようになります。
mat = matrix(c(5,10,60,30), 2, 2) fisher.test(mat, alternative="greater") 次に、p-value = 0.9967とodds ratio = 0.2535796。しかし、代替引数なしで2つの分割表（つまり、fisher.test(mat)）を実行すると、p-value = 0.02063が得られます。
- 理由を教えてください。
- また、上記の場合の帰無仮説と対立仮説は何ですか？
-
次のような分割表でフィッシャーの直接確率検定を実行できますか？
mat = matrix(c(5000,10000,69999,39999), 2, 2)
PS：私は統計学者ではありません。私は統計を学ぼうとしていますので、あなたの助け（簡単な英語での回答）をいただければ幸いです。
回答
greater（またはless）は、p1=p2というnull仮説を代替のp1>p2（または）。対照的に、両側検定では、帰無仮説をp1がp2と等しくないという代替案と比較します。
あなたのテーブルでは、男性であるダイエットの割合は、サンプルでは1/4 = 0.25（40のうち10）です。一方、男性である非ダイターの割合は、サンプルでは1/13、つまり（65のうち5）0.077に相当します。したがって、p1の推定値は0.25であり、p2の推定値は0.077です。したがって、p1>p2のように見えます。
これが、一方的な代替のp1>p2のp値が0.01588。 （小さいp値は、帰無仮説がありそうになく、代替案がありそうなことを示します。）
代替案がp1<p2の場合、データが違いを示していることがわかります。は間違った（または予期しない）方向にあります。
そのため、その場合、p値は0.9967と非常に高くなります。両側の代替案の場合、p値は片側の代替案p1>p2の場合よりも少し高くする必要があります。そして確かに、それは0.02063に等しいp値を持っています。
コメント
- 素晴らしい説明。したがって、フィッシャーの直接確率検定は、実際には列ではなく行間の確率を比較しますか？
- @Christian：いいえ、'行と列のどちらがフィッシャーの直接確率検定は、分割表の相関関係をチェックします。行と列は直接関係ありません'。仮説を再定式化することもできます。代わりに、H0は"喫煙者が若くして死ぬ"であり、H0："若くして亡くなる人は喫煙する可能性が高くなります"。フィッシャーの直接確率検定の結果は、データで観測された接続が帰無仮説をサポートするかどうかを示しますが、'独立変数と従属変数のどちらであるかは、等しく問題ではありません。行/列の選択は重要ではありません'重要です：）