サバイバルデ-タの解析:生存時間とイベントヒストリデ-タ(バイオ統計シリ-ズ) [[サバイバルデタノカイセキセイゾンジカントイベントヒストリデタバイオトウケイシリズ]] |
Autore | 宏平 柳川 堯 赤澤 |
Pubbl/distr/stampa | 東京, : 近代科学社, 2010.7 |
Descrizione fisica | オンライン資料1件 |
Collana | バイオ統計シリーズ |
Soggetto topico |
医学統計
生存時間 |
ISBN | 4-7649-7046-5 |
Classificazione | 490.19 |
Formato | Materiale a stampa ![]() |
Livello bibliografico | Monografia |
Lingua di pubblicazione | jpn |
Nota di contenuto |
紙 -- バイオ統 シリーズ 刊 にあたって -- まえがき -- 目次 -- 第1章 生存時 析の概 -- 1.1 生存時 データの特徴 -- 1.1.1 打ち切り例の例 -- 1.1.2 イベント 察例と打ち切り例の混在 -- 1.2 生存率曲線 -- 1.3 回帰モデル -- 1.4 医学研究におけるいくつかの事例 -- 1.4.1 治療効果判定 -- 1.4.2 リスク分 の精緻化 -- 1.4.3 生存率の予測- 硬変症患 の生存予後に 大な影 を与える因子の探索- -- 第2章 生存率 数の定義と推定 -- 2.1 生存率 数, 確率密度 数, ハザード 数 -- 2.1.1 生存率 数 -- 2.1.2 Tが 続である場合 -- 2.1.3 Tが 散である場合 -- 第3章 生存率の推定と生存率曲線 -- 3.1 生存率推定の事例 -- 3.2 Kaplan-Meier法による生存率推定の例 -その1 仮想データでの推定- -- 3.3 Kaplan-Meier法の公式 -- 3.4 Kaplan-Meie 法による生存率推定の例 -その2 -- 3.5 生存時 の中央値 -- 3.6 推定生存率に対する漸 分散 -- 3.7 Kaplan-Meier法以外の生存率の推定方法 -- 第4章 生存率の差の検定 -- 4.1 生存率曲線の差の検定 -- 4.2 生存率曲線の比 の事例 -- 4.3 ログランク検定 2群比 の場合 -- 4.4 ログランク検定 3群以上の場合 -- 4.5 2群比 の場合の別の定式化 -- 4.6 ログランク検定の 算例 -- 4.7 生存率曲線の有意差検定の事例-小児特発性ネフローゼ症候群患 の在 率 析- -- 4.8 層別ログランク検定 -- 4.9 ハザード比 -- 4.9.1 ハザードの 算例 -- 第5章 生存時 析における回帰モデル -- 5.1 打ち切り時 の分布 -- 5.2 ランダム・センサリングの例 -- 5.2.1 タイプIセンサリング -- 5.2.2 タイプIIセンサリング -- 5.3 ランダム・センサリングに基づく尤度 数 -- 5.4 生存時 モデルの尤度 数の例 -- 5.4.1 タイプIIセンサリングの下での指数モデルの尤度 数 -- 5.4.2 タイプIIセンサーシップ以外の独立センサリングメカニズムでの尤度 数 -- 5.4.3 タイプIセンサーシップの下での尤度 数 -- 5.5 回帰モデルのパラメータ推定 -最尤推定法の 用- -- 5.6 生存時 モデル -- 5.6.1 均一な母 団における生存時 モデル -- 5.6.2 指数モデルに従うハザード 数, 生存率 数 -- 5.6.3 ワイブルモデル -- 5.6.4 対数正 モデル(log-normal model) -- 5.6.5 モデルの 合性チェックの例 -- 5.6.6 共変 がある場合の生存時 回帰モデル -- 5.6.7 共変 がある場合の指数回帰モデルとワイブル回帰モデル -- 5.7 散型生存時 モデル -- 5.7.1 散型比例ハザードモデル(discrete proportional hazardsmodel) -- 第6章 比例ハザードモデル -- 6.1 比例ハザードモデルの定義と性 -- 6.1.1 ハザード 数, 生存率 数 -- 6.1.2 予後指数 -- 6.1.3 指数モデル, ワイブルモデルとの 係 -- 6.1.4 比例ハザードモデルの特徴 -- 6.2 比例ハザードモデルの尤度 数 -- 6.2.1 分尤度 -- 6.2.2 回帰係数β の推定 -- 6.3 Coxモデルを仮定した下での生存率 数の推定 -- 6.4 Coxモデルの下での生存率 数推定の例 -- 6.5 モデルの 合性のチェック -- 6.5.1 グラフによるモデルの 合性チェック -- 6.5.2 時 依存型共変 を使った 合性チェック -- 6.6 Coxモデルの 析事例 -- 6.7 ハザード比の利用例 -- 第7章 生存時 析における必 症例数の推定 -- 7.1 症例数と検出力の 係 -- 7.1.1 症例数の 多や不 が検定結果に及ぼす影 -- 7.1.2 第2種の と検出力 -- 7.2 ログランク検定におけるサンプルサイズ算出の公式 -- 7.3 症例数算出用のソフトウェア.
7.4 シミュレーションによる症例数と検出力の 係の推定 -- 7.5 Coxの比例ハザードモデルの統 学的検出力の推定 -- 7.6 シミュレーション用プログラムの概 -- 7.6.1 シミュレーション用生存時 データの生成 -- 7.6.2 死亡例と打ち切り例の決定 -- 7.6.3 回帰係数ベクトルβ 分散の推定 -- 7.6.4 注目している変数に するβ -- 7.7 シミュレーションによる検出力算出の例 -- 7.7.1 シミュレーション結果1 治療因子と他の共変 との に不均等が存在する場合 -- 7.7.2 シミュレーションの結果2 不 例, 例が存在する場合 -- 第8章 その他のトピックス -- 8.1 競合リスクモデル -- 8.1.1 全リスク 因を対 としたイベント無発生率 -- 8.1.2 特定のリスク 因に するイベント無発生率(cause-specific eventfree survival) -- 8.1.3 競合リスク 因の生存率推定の理 的 景 -- 8.2 症例の不均一と検出力との 係 -- 8.2.1 ログランク検定を 用する の問 点 -- 8.2.2 症例の不均一性のログランク検定の検出力に与える影 について -- 8.2.3 折れ線Cox回帰法 -- 8.3 予後因子の不均等のログランク検定のサイズへの影 について -- 8.3.1 予後因子の不均等がログラング検定に与える影 -- 8.3.2 不均等度・不均一度の定義 -- 8.3.3 不均等度Vの分布 -- 8.3.4 不均等度がログランク検定のサイズに与える影 -- 第9章 イベントヒストリー 析 -- 9.1 イベントヒストリー 析とは何か -- 9.2 定式化 -- 9.3 尤度 数 -- 第10章 イベントヒストリー 析の実例 -- 10.1 データ -- 10.2 析結果 -- 10.3 析ソフト -- 10.3.1 統 ソフトR -- 10.3.2 データおよび 析ソフト -- 巻末付 -- 索引 -- 略歴 -- 奥付 -- お断り. |
Record Nr. | UNINA-9910149236803321 |
宏平 柳川 堯 赤澤
![]() |
||
東京, : 近代科学社, 2010.7 | ||
![]() | ||
Lo trovi qui: Univ. Federico II | ||
|
バイオ統計の基礎:医薬統計入門 (バイオ統計シリ-ズ) [[バイオトウケイノキソイヤクトウケイニュウモンバイオトウケイシリズ]] |
Autore | 由布子 柳川 堯 荒木 |
Pubbl/distr/stampa | 東京, : 近代科学社, 2010.2 |
Descrizione fisica | オンライン資料1件 |
Collana | バイオ統計シリーズ |
Soggetto topico | 医学統計 |
ISBN | 4-7649-7045-7 |
Classificazione | 490.19 |
Formato | Materiale a stampa ![]() |
Livello bibliografico | Monografia |
Lingua di pubblicazione | jpn |
Nota di contenuto |
紙 -- バイオ統 シリーズ 刊 にあたって -- まえがき -- 目 次 -- 第1章 確率的推 -- 1.1 確率 -- 1.2 検曲線 -- 1.4 ベイズの定理 -- 1.5 ベイズの定理の応用 -- 1.5.1 断のための検キャリアの 断 -- 第2章 データの 現 -- 2.1 ヒストグラム -- 2.2 累積度数図 -- 2.3 中心的傾向の尺度 -- 2.4 散布度 -- 2.5 箱ひげ図 -- 第3章 データの数学モデル -- 3.1 散型確率変数 -- 3.2 代 的な 散型分布 -- 3.2.1 二 分布 -- 3.2.2 ポアソン分布 -- 3.2.3 一様分布 -- 3.2.4 幾何分布 -- 3.3 2 次元の 散型確率変数 -- 3.3.1 2 次元 散型確率変数 -- 3.3.2 2 次元確率変数の期待値 -- 3.3.3 条件付分布 -- 3.3.4 条件付期待値 -- 3.4 続型確率変数 -- 3.4.1 二 分布の正 似 -- 3.4.2 続型確率変数 -- 3.4.3 代 的な 続型分布 -- 3.4.3.1 正 分布 -- 3.4.3.2 一様分布 -- 3.4.3.3 生存分布 -- 3.4.3.4 生存 数とハザード 数 -- 3.4.3.5 生存分布の例 -- 3.4.4 続型確率変数の期待値と分散 -- 3.5 2 次元 続型確率変数 -- 3.5.1 同時密度 数と周 密度 数 -- 3.5.2 条件付期待値 -- 3.6 確率変数の和の期待値と分散 -- 3.7 正 分布に わる確率変数 -- 3.8 漸 理 -- 3.8.1 大数の法則 -- 3.8.2 中心極 定理 -- 第4章 統 的推測の基本 -- 4.1 母 団と標本 -- 4.2 バイアス -- 4.2.1 択バイアス -- 4.2.2 交絡 -- 4.3 基本的枠組み -- 第5章 推定 -- 5.1 推定の精度 -- 5.2 推定値の求め方 -- 5.2.1 回帰直線の推定 -- 5.2.2 最小二乗法 -- 5.2.3 最尤推定法 -- 5.2.3.1 え方 -- 5.2.3.2 回帰直線の推定 -- 5.2.4 最小二乗推定 ・最尤推定 の性 -- 5.3 区 推定 -- 5.3.1 1 標本 母 団が正 分布にしたがう場合 -- 5.3.2 2 標本 標本が正 分布にしたがいσ2X= σ2Yの場合 -- 5.3.3 対応がある2 標本 標本が正 分布にしたがう場合 -- 5.3.4 標本が正 分布にしたがわないとき -- 5.3.5 比率の信 区 -- 5.3.6 比率の差の信 区 -- 第6章 検定 -- 6.1 統 的検定の え方 -- 6.1.1 片側p 値と両側p 値 -- 6.1.2 二種 の り -- 6.1.3 p 値による判定 -- 6.1.4 p 値による判定の問 点 その -- 6.1.5 p 値による判定の問 点 その -- 6.1.6 検出力 -- 6.2 2 標本検定 -- 6.2.1 標本が正 分布にしたがう場合 -- 6.2.2 標本が正 分布にしたがわない場合 -- 6.2.2.1 並べ替え検定 -- 6.2.2.2 ウィルコクスン検定 -- 6.3 対応がある2 標本の検定 -- 6.3.1 標本が正 分布にしたがう場合 -- 6.3.2 標本が正 分布にしたがわない場合 -- 6.4 比率の検定 -- 6.4.1 一標本比率の検定 -- 6.4.2 比率の差の検定 -- 6.4.2.1 似検定 -- 6.4.2.2 直接検定 -- 6.4.3 対応があるデータの比率の差の検定 -- 6.5 症例数の -- 第7章 回帰モデル -- 7.1 単回帰モデル -- 7.1.1 5.2 節の復習 -- 7.1.2 検定と信 区 -- 7.1.3 ピアソンの相 係数 -- 7.1.4 分散分析 -- 7.1.5 決定係数 -- 7.1.6 データの 析 -- 7.2 回帰モデル -- 7.2.1 回帰モデルとは -- 7.2.2 分散分析 -- 7.2.3 回帰係数の信 区 と検定 -- 7.2.4 モデルを作る -- 7.2.4.1 え方 -- 7.3 残差のチェック -- 7.3.1 データの 析 -- 7.4 ロジスティック回帰分析.
7.4.1 ロジスティック回帰分析とは -- 7.4.2 ロジスティックモデルの用 -- 7.4.3 回帰係数の意味 -- 7.4.4 パラメータの推定と検定 -- 7.4.5 データの 析 -- 7.5 コンピュータソフトの使い方 -- 7.5.1 JMPによる分析 -- 7.5.2 R による分析 -- 参 文献 -- 演習問 答 -- 索引 -- 略歴 -- 奥付 -- お断り. |
Record Nr. | UNINA-9910149236903321 |
由布子 柳川 堯 荒木
![]() |
||
東京, : 近代科学社, 2010.2 | ||
![]() | ||
Lo trovi qui: Univ. Federico II | ||
|
医療・臨床データチュートリアル : 医療・臨床データの解析事例集 / / 柳川堯著 |
Autore | 堯 柳川 |
Pubbl/distr/stampa | 東京, : 近代科学社, 2014.9 |
Descrizione fisica | オンライン資料1件 |
Collana | バイオ統計シリーズ |
Soggetto topico |
医学統計
医学統計 -- データ処理 |
ISBN | 4-7649-7051-1 |
Classificazione | 490.19 |
Formato | Materiale a stampa ![]() |
Livello bibliografico | Monografia |
Lingua di pubblicazione | jpn |
Nota di contenuto |
紙 -- バイオ統 シリーズ 刊 にあたって -- まえがき -- データのダウンロード -- 目次 -- 第1章 データ 析の基本 -- 1.1 さまざまな 答 -- 1.1.1 A君の 析 -- 1.1.2 B君の 析 -- 1.1.3 C君の 析 -- 1.1.4 D君の 析 -- 1.2 大きく いちがったレポート -- 1.3 いちがいの原因 -- 1.3.1 A君と他の3君との相 -- 1.3.2 B君とC君の相 -- 1.3.3 B C両君とD君との相 -- 1.4 バイオ統 家の 析 -- 1.4.1 データ 析の基本 -- 1.4.2 箱ひげ図 -- 1.4.3 統 的検定 -- 1.4.4 散布図 -- 1.5 交互作用 をもつ 回帰モデル -- 第2章 平均への回帰 -- 2.1 平均への回帰とは -- 2.2 平均への回帰の 整 -- 2.2.1 Ȳ−X̄のバイアス -- 2.2.2 平均への回帰の 整法 -- 2.3 2.1の 析 -- 2.3.1 データの吟味 -- 2.3.2 平均への回帰の吟味 -- 2.3.3 平均への回帰の影 整 第一の方法 -- 2.3.4 平均への回帰の影 整 第二の方法 -- 2.3.5 平均への回帰の影 整 第三の方法 -- 2.3.6 2.1 データの 析のまとめ -- 第3章 対照群をもつ経時データの 析 -- 3.1 なぜこのような手が んだデザインが必 なのか -- 3.2 第一の 析法 -- 3.2.1 モデルの構築 -- 3.2.2 析法 -- 3.2.3 3.1データの 析 -- 3.2.4 結果の -- 3.3 第二の 析法 -- 3.3.1 混合効果モデルの構築 -- 3.3.2 混合効果モデル -- 3.4 混合効果モデルによる 析 -- 3.4.1 データの 析 -- 3.5 第一の方法と第二の方法 どちらがよいか -- 第4章 対応がない経時データの 析 -- 4.1 同等性の判定 -- 4.1.1 え方 -- 4.1.2 基本方 -- 4.1.3 データの 析 -- 4.1.4 SASのプログラム -- 4.1.5 アウトプット -- 4.2 優 性の検定 -- 4.2.1 え方 -- 4.2.2 データの吟味 -- 4.2.3 混合効果モデル -- 4.2.4 データの 析 -- 4.2.5 SASのプログラム -- 4.2.6 アウトプット -- 第5章 施 差の 整 -- 5.1 施 差を無 すると る -- 5.2 施 差の検 はどのようにして うか -- 5.2.1 プラセボ群だけに注目 -- 5.2.2 プラセボ群と 群の両 に注目 -- 5.2.3 どの施 が原因で施 差が生じたか -- 5.2.4 JMPを使ってカイ二乗検定を う方法 -- 5.3 Mantel-Haenszel法による施 差の 整 -- 5.3.1 Mantel-Haenszel法 -- 5.3.2 5.1のデータへの 用 -- 5.4 ロジスティックモデルによる施 差の 整 -- 5.4.1 ダミー変数の与え方を変えると 析結果が変わる -- 5.5 有効率の差へのこだわり -- 5.5.1 劣性仮 の検定 -- 5.5.2 劣性仮 の検定 Y-T-H法 -- 5.5.3 ロジスティックモデルを利用する方法 -- 5.5.4 体 群 差を 整した 劣性の検 法 -- 5.5.5 信 区 の構成法 -- 5.6 って使われている信 区 法 -- 第6章 生活習慣病 因子の特定 -- 6.1 析の基本方 -- 6.1.1 基本方 -- 6.1.2 なぜ 性が低い 明変数を ばなければならないのか -- 6.2 基本統 -- 6.3 ロジスティック単回帰分析 -- 6.4 グラフィカルモデリング -- 6.4.1 第二次候 明変数の事前 択 -- 6.4.2 第二次候 明変数 -- 6.4.3 第三次候 明変数の 択 -- 6.4.4 第四次候 明変数 -- 6.4.5 予測モデルの構築 -- 6.5 予測確率を求める数式の導出 -- 6.6 生活習慣指導への 用 -- 第7章 生存時 データの 析 -- 7.1 データの概 -- 7.2 単変 Cox比例ハザードモデルによる 析 -- 7.3 共変 の 性.
7.4 多変 比例ハザードモデルの構築 -- 7.4.1 常の指 -- 7.4.2 エクスパートによる指 -- 7.5 lymphとstageによる層別 -- 索引 -- 略歴 -- 奥付 -- お断り. |
Altri titoli varianti | 医療臨床データチュートリアル : 医療臨床データの解析事例集 |
Record Nr. | UNINA-9910149236303321 |
堯 柳川
![]() |
||
東京, : 近代科学社, 2014.9 | ||
![]() | ||
Lo trovi qui: Univ. Federico II | ||
|
観察データの多変量解析 : 疫学データの因果分析 / / 柳川堯著 |
Autore | 堯 柳川 |
Pubbl/distr/stampa | 東京, : 近代科学社, 2016.5 |
Descrizione fisica | オンライン資料1件 |
Collana | バイオ統計シリーズ |
Soggetto topico |
医学統計
多変量解析 |
ISBN | 4-7649-7054-6 |
Classificazione | 490.19 |
Formato | Materiale a stampa ![]() |
Livello bibliografico | Monografia |
Lingua di pubblicazione | jpn |
Nota di contenuto |
表紙 -- バイオ統計シリーズ 刊行にあたって -- まえがき -- 目次 -- 第1章 観察データ -- 1.1 観察研究とは何か -- 1.1.1 介入研究 -- 1.1.2 観察研究 -- 1.2 観察研究の奇怪 -- 1.2.1 交絡 -- 1.2.2 第3因子の選び方で結果がころりと変わる -- 1.3 リスク因子と交絡因子 -- 1.4 第1章のエピローグ -- 1.4.1 探索的データ解析 -- 1.4.2 研究計画書 -- 第2章 評価尺度 -- 2.1 基本 -- 2.2 例 -- 2.2.1 死亡率 -- 2.2.2 年齢調整死亡率 -- 2.2.3 発生率,り患率 -- 2.2.4 生存率,再発率 -- 2.3 パラメータの推定 -- 2.3.1 考え方 -- 2.3.2 二項分布 -- 2.3.3 尤度関数 -- 2.3.4 最尤推定量 -- 2.3.5 推定値の精度 -- 2.3.6 信頼区間 -- 2.3.7 指標とその信頼区間 -- 2.3.8 指標の具体例とその精度 -- 2.3.9 センサードデータに基づく推定 -- 2.4 比較の尺度 -- 2.4.1 リスク差 -- 2.4.2 リスク比 -- 2.4.3 過剰リスク -- 2.4.4 オッズ比 -- 2.5 評価指標の特徴 -- 2.5.1 バークソンのパラドクス -- 2.5.2 比較の尺度の推定値 -- 2.5.3 評価指標の特徴 -- 2.6 第2 章のエピローグ -- 第3章 ロジスティックモデル -- 3.1 はじめに -- 3.2 基本的枠組み -- 3.3 ロジスティックモデルの定義 -- 3.4 ロジスティックモデルの特徴と性質 -- 3.4.1 ロジスティック変換 -- 3.4.2 回帰係数の意味 -- 3.5 一般的なロジスティックモデル -- 3.6 関連性が強い二つ以上の説明変数をモデルに入れると間違う -- 3.7 第3章のエピローグ -- 第4章 グラフィカルモデリング -- 4.1 はじめに -- 4.2 相関係数と偏相関係数 -- 4.2.1 相関係数 -- 4.2.2 偏相関係数 -- 4.2.3 Dempsterの共分散分析 -- 4.3 偏相関係数と重回帰モデル -- 4.4 X1,X2,X3 が連続型変数でないとき -- 4.5 第4 章のエピローグ -- 第5章 観察追跡研究の数学的基礎 -- 5.1 観察追跡研究の原理 -- 5.1.1 バイアス -- 5.1.2 臨床研究の3原則 -- 5.1.3 ランダム化追跡研究 -- 5.2 観察追跡研究 -- 5.2.1 Rosenbaum-Rubinの数理 -- 5.2.2 Rosenbaum-Rubin理論に対する批判 -- 5.3 効果の指標にオッズ比を用いる理論 -- 5.3.1 オッズ比 -- 5.3.2 数学的理論化 -- 5.4 傾向スコア -- 5.4.1 傾向スコアの定義 -- 5.4.2 傾向スコアの性質 -- 5.5 傾向スコアの推定 -- 5.5.1 問題となる点はどこにあるのか -- 5.5.2 e(x)の推定 -- 5.6 傾向スコアの適用 -- 5.6.1 適用手順の概略 -- 5.7 第5章のエピローグ -- 第6章 観察追跡研究 -- 6.1 はじめに -- 6.2 乳がん再発の研究 -- 6.2.1 データの概要 -- 6.2.2 傾向スコアの推定 -- 6.2.3 データの解析 -- 6.3 傾向スコアが有効であるとは限らない -- 6.3.1 第一の問 -- 6.3.2 傾向スコアの限界 -- 6.4 久山町研究の解析 -- 6.4.1 研究の概要 -- 6.4.2 基礎知識の準備 -- 6.4.3 ハザード比のモデル化 -- 6.4.4 久山町コホートデータへの適用 -- 6.5 第6章のエピローグ -- 第7章 断面調査 -- 7.1 単変量解析 -- 7.1.1 多変量解析 -- 7.1.2 中学生の視力低下要因調査への応用 -- 7.2 第7章のエピローグ -- 第8章 患者対照研究 -- 8.1 患者対照研究とは -- 8.1.1 患者対照研究の原理 -- 8.1.2 患者対照研究の特徴 -- 8.2 サリドマイド薬害事件 -- 8.3 多変量解析 -- 8.3.1 条件付きロジスティックモデル -- 8.3.2 1対Mマッチングされた多変量データの解析.
8.4 適用例 -- 8.5 第8章のエピローグ -- 索引 -- 著者略歴 -- 奥付 -- お断り. |
Record Nr. | UNINA-9910149235303321 |
堯 柳川
![]() |
||
東京, : 近代科学社, 2016.5 | ||
![]() | ||
Lo trovi qui: Univ. Federico II | ||
|
遺伝統計学の基礎 : Rによる遺伝因子解析・遺伝子機能解析 / / 山田亮著 |
Pubbl/distr/stampa | 東京, : オーム社, 2010.9 |
Descrizione fisica | オンライン資料1件 |
Soggetto topico |
遺伝子
生物測定学 人類遺伝学 医学統計 |
ISBN | 4-274-80148-9 |
Classificazione | 467.1 |
Formato | Materiale a stampa ![]() |
Livello bibliografico | Monografia |
Lingua di pubblicazione | jpn |
Nota di contenuto |
表紙 -- はじめに -- 目次 -- 第I部 遺伝子型から表現型まで -- 第1章 遺伝--似ていることと似ていないこと -- 1.1 形質が遺伝する -- 1.1.1 遺伝 -- 1.1.2 生物の特徴--形質とフェノタイプ(表現型) -- 1.1.3 同一性と多様性 -- 1.2 遺伝子 -- 1.2.1 遺伝子とは -- 1.2.2 染色体 -- 1.2.3 遺伝子座、アレル、ハプロタイプ、ディプロタイプ、フェノタイプ -- 1.2.4 2倍体、ホモ接合、ヘテロ接合、ジェノタイプ、フェノタイプ、遺伝形式 -- 第2章 DNA、RNA、タンパク質、形質 -- 2.1 DNA二重鎖 -- 2.1.1 複製、変異、組み換え -- 2.1.2 起源が同じ--IBD -- 2.1.3 1つの数値で表して扱いやすくする--IBDの期待値 -- 2.1.4 同胞のアレルの一致率 -- 2.1.5 変異の消長--遺伝的浮動 -- 2.2 DNAからRNA、タンパク質へ -- 2.2.1 DNAからRNAへ--転写 -- 2.2.2 RNAからタンパク質へ--翻訳 -- 第3章 多様性の諸相 -- 3.1 核酸、タンパク質の多様性 -- 3.1.1 DNA配列の多様性、種の違い、遺伝子多型 -- 3.1.2 RNAとタンパク質の多様性 -- 3.2 多様性と分散 -- 3.2.1 分散の分解--分散、共分散 -- 3.2.2 遺伝率と分散 -- 3.2.3 ハーディ・ワインバーグ平衡(HWE)と分散 -- 3.2.4 アレル関連、連鎖不平衡と分散 -- 3.3 データの取り扱い方と分散、共分散 -- 3.3.1 ハーディ・ワインバーグ平衡(HWE)とアレル関連、連鎖平衡を2列のデータで考える -- 3.3.2 遺伝形式(優性、劣性)は第3の列 -- 3.4 たくさんの要因--多因子遺伝 -- 第II部 データ、サンプル、サンプルの集まり -- 第4章 観察して評価すること -- 4.1 データの種類と構成 -- 4.1.1 遺伝子から見たデータの種類--遺伝子型と表現型、最終形質と中間形質 -- 4.1.2 解析対象としてのデータの種類--データ型 -- 4.1.3 一部に順序があること -- 4.1.4 カテゴリの組み合わせ -- 4.1.5 唯一選択、重複選択 -- 4.1.6 2倍体という特殊性--ハーディ・ワインバーグ平衡(HWE)の正確検定 -- 4.1.7 親項目と子項目 -- 4.1.8 カテゴリの配置、カテゴリ間の非独立性、正単体 -- 4.2 データを比較する -- 4.2.1 2つのデータの関係--対称的な関係と非対称的な関係 -- 4.2.2 非対称な関係を対称にする--距離 -- 4.2.3 ユークリッド距離とそれ以外の距離 -- 4.2.4 配列の違いとマンハッタン距離 -- 4.2.5 距離の代わりに角度で表す--相関係数 -- 4.3 複数のサンプル、たくさんの比較 -- 4.3.1 1対N-1とN対N -- 4.3.2 一部に関係がないとき--半順序 -- 4.3.3 距離行列と木 -- 第5章 サンプルを個別に捉える -- 5.1 グラフとは -- 5.1.1 グラフの定義 -- 5.2 サンプルを並べる--数直線というグラフ -- 5.3 木というグラフ -- 5.3.1 木とは -- 5.3.2 木の形状--トポロジー -- 5.4 木構造でのデータの理解--階層的クラスタリング -- 5.4.1 進化系統樹 -- 5.4.2 階層的クラスタリング -- 5.5 行列データを眺める -- 5.5.1 要素を並び替えて眺める--ヒートマップ -- 5.5.2 要素を並び替えずに眺める--連鎖不平衡係数プロット -- 5.5.3 片方の軸に着目、両方の軸に着目 -- 5.6 個体の家系図、アレルの系図--同一種の中のグラフ -- 5.6.1 個人の関係のグラフと染色体の関係のグラフ -- 5.6.2 染色体の伝達グラフと組み換え -- 5.6.3 祖先にさかのぼる--コアレセント -- 5.7 ネットワーク -- 第6章 サンプルを集団として捉える -- 6.1 分布として捉える -- 6.1.1 1次元 -- 6.1.2 2次元 -- 6.2 非階層的クラスタリング -- 6.3 集団遺伝学 -- 6.3.1 不均一と不平衡.
6.3.2 均一な集団とハーディ・ワインバーグ平衡(HWE)--均一な集団の混合 -- 6.3.3 時間的な変化 -- 6.3.4 空間の移動 -- 6.4 熱力学、統計力学、流体力学 -- 6.4.1 時空間、有限と無限 -- 6.4.2 均一、平衡、定常 -- 第III部 サンプルの集まりの特徴づけ -- 第7章 尺度、変数、自由度、次元 -- 7.1 データをかいつまんで伝える -- 7.1.1 分割表の情報をかいつまんで伝える -- 7.1.2 量的データをかいつまむ -- 7.2 次元と独立と直交 -- 7.2.1 自由度と次元 -- 7.2.2 分割表の自由度と線形独立--行列 -- 7.2.3 確率的独立と直交 -- 7.2.4 線形独立と直交基底 -- 7.2.5 正規直交基底を取り出す--固有値分解 -- 7.3 変数の構造と意味 -- 7.3.1 変数の構造 -- 7.3.2 意味から選ぶ変数--データ構造で決める変数 -- 第8章 分布 -- 8.1 確率分布 -- 8.1.1 分布とは -- 8.1.2 離散的な確率分布 -- 8.1.3 連続的な場合--指数分布 -- 8.1.4 指数分布と正規分布との違い -- 8.1.5 一様分布、指数分布、正規分布、矩形分布--一般正規分布 -- 8.1.6 正規分布、カイ分布と次元 -- 8.1.7 カイ分布からカイ自乗分布 -- 8.1.8 最も観察されそうなカイ自乗値 -- 第9章 確率と尤度 -- 9.1 確率、尤度 -- 9.1.1 確率 -- 9.1.2 尤度 -- 9.1.3 確率の和は1、尤度の和は1ではない -- 9.1.4 尤度の指数化--尤度比と事前確率、事後確率 -- 9.2 条件付確率、確率、尤度、非独立 -- 9.2.1 カテゴリ型の条件付確率 -- 9.2.2 量的な軸での条件付確率 -- 9.2.3 事前確率「当初の予想」と陽性的中率(PPV)と陰性的中率(NPV) -- 第10章 連鎖解析に見る尤度と変数 -- 10.1 尤度を使った形質マッピング--連鎖解析 -- 10.2 パラメトリック連鎖解析と尤度 -- 10.2.1 マーカーの伝達木と原因座位の伝達木 -- 10.2.2 マーカーと原因座位の間の組み換え -- 10.2.3 隠れマルコフモデルと連鎖解析の尤度計算 -- 10.3 ノンパラメトリック連鎖解析--罹患同胞対解析 -- 10.3.1 相対危険度を変数とする -- 10.3.2 IBD数ごとに場合分けする -- 第11章 指数(インデックス)とは -- 11.1 指数は相対的な値 -- 11.2 不平衡の指数 -- 11.2.1 ハーディ・ワインバーグ平衡(HWE) -- 11.2.2 連鎖不平衡 -- 11.2.3 p値--確率変数を指数化する -- 第IV部 推定、仮説、棄却、関連、因果 -- 第12章 推定 -- 12.1 最尤推定 -- 12.2 信頼区間 -- 12.3 いろいろな信頼区間 -- 12.3.1 ベイズ推定--観察していないとき -- 12.3.2 ベイズ推定、事前確率、共役事前分布 -- 12.3.3 多項分布とその共役事前分布--ディリクレ分布 -- 12.3.4 最尤推定とハプロタイプ頻度推定--連鎖不平衡係数推定 -- 12.4 EMアルゴリズム -- 第13章 棄却と検定 -- 13.1 信じるのが難しい仮説を棄却する--3カテゴリの観察 -- 13.2 分割表検定 -- 13.2.1 ピアソンの独立性検定--カイ自乗検定 -- 13.2.2 帰無仮説と最尤仮説を比較して統計量にする--尤度比検定 -- 13.3 3つの検定方法の比較--正確確率検定、ピアソンの独立性検定、尤度比検定 -- 13.3.1 サンプル数が小さいときと大きいとき -- 13.3.2 検定の対称性 -- 13.3.3 有限な範囲と無限の広がりの違い -- 13.3.4 計算量の違い -- 13.3.5 計算量の違いのまとめ -- 13.4 仮説に制約を定めて検定する -- 13.4.1 1つの分割表にいろいろな検定を適用してみる -- 13.4.2 離散的な仮説空間での尤度比の比較 -- 13.5 検定同士の非独立な関係 -- 13.6 表のサイズを変える -- 13.6.1 表形式のデータ -- 13.6.2 順序のあり・なしと検定手法. 13.6.3 複数の手法の挙動の比較 -- 第14章 関係と因果 -- 14.1 原因と結果と時間 -- 14.2 原因としてのジェノタイプ -- 14.3 有向グラフ、ベイジアンネットワーク -- 第V部 大規模なこと -- 第15章 数え上げる -- 15.1 順列、重複順列、分割表の正確生起確率 -- 15.1.1 順列と組み合わせ -- 15.1.2 組み合わせ、重複組み合わせ、2倍体ジェノタイプの種類数 -- 15.2 分割の数--スターリング数とベル数 -- 15.3 分割とカテゴリの統合 -- 15.3.1 順序のないカテゴリの場合 -- 15.3.2 順序のあるカテゴリの場合 -- 15.4 木の形の数、グラフの数--木、クラスタリング、ベイジアンネットワーク -- 15.4.1 木のパターンの数 -- 15.4.2 クラスタリングのパターンの数 -- 15.4.3 無向グラフの数、有向グラフの数、非循環有向グラフの数 -- 第16章 省略する -- 16.1 ランダムに抽出する、ランダムに巡回する -- 16.1.1 既知の分布からのランダムサンプリング -- 16.1.2 サンプルを使ってランダムサンプリング、リサンプリングとパーミュテーション -- 16.1.3 ランダムウォーク -- 16.2 主要な部分のみを使う -- 16.2.1 近似する -- 16.3 意義の大きい方から選ぶ、小さい方から捨てる -- 第17章 たくさんの検定 -- 17.1 多重検定 -- 17.1.1 独立な検定の繰り返し -- 17.1.2 多重検定時のp値の期待値 -- 17.1.3 一番小さいp値の補正 -- 17.1.4 非独立な検定の繰り返し -- 17.1.5 モンテカルロ・パーミュテーションによる多重検定補正 -- 17.1.6 非独立な検定を繰り返したときの最も小さいp値 -- 17.2 p値が均一に分布しないとき -- 17.2.1 p値が小さめに出るとき--ジェノミックコントロール法 -- 17.2.2 対立仮説が成り立つとき--非心カイ自乗分布 -- 17.2.3 検定のパワー -- 17.3 たくさんの結果の分布を活用する -- 17.3.1 主成分分析を使って補正する -- 17.3.2 帰無仮説が必ずしも棄却されるべきではないとき -- 17.4 複数の結果を合わせる--メタアナリシス -- 17.4.1 相互に独立な検定を合わせる -- 17.4.2 2表を単純に足し合わせる -- 17.4.3 メタアナリシス -- 付録 -- 付録A R -- A.1 Rのインストールと起動と終了 -- A.2 Rのパッケージを使う -- A.3 本書のRのソースを利用する -- A.3.1 本書で用いたRの関数 -- A.4 Rのヘルプを出す関数を使ってみる -- A.4.1 Rのソースを確認する -- A.5 確率分布関数、疑似乱数列の発生 -- 付録B 数式記号 -- 索引 -- 奥付. |
Altri titoli varianti | 遺伝統計学の基礎 : Rによる遺伝因子解析遺伝子機能解析 |
Record Nr. | UNINA-9910148974903321 |
東京, : オーム社, 2010.9 | ||
![]() | ||
Lo trovi qui: Univ. Federico II | ||
|