27. Fisher Kesin Testi
Analiz kimliği: fisher_exact · Menü adı: Fisher Kesin Testi · Panel: gui/panels/analyses/fisher_exact.py · Motor: stats/hypothesis.py, HypothesisTests.fisher_exact_test (satır 6885–7089), _fisher_rxc_mc (7091–7174), _fisher_rxc_sonuc (7176–7217); kesin R×C: stats/kesin_sayim.py, ffh_kesin_p (satır 280–381)
27.1 Ne işe yarar
Fisher kesin testi, iki kategorik değişkenin bağımsızlığını asimptotik yaklaşıma başvurmadan sınar. Satır ve sütun toplamları sabit tutulduğunda, H_0 altında tablonun olasılığı tam olarak hesaplanabilir; p değeri de bu kesin dağılımdan bulunur.
- \psi: evren odds oranı, \psi=\dfrac{\pi_{11}\pi_{22}}{\pi_{12}\pi_{21}}. 2×2 tabloda bağımsızlık \psi=1 demektir.
- Tek yönlü seçenekler yalnız 2×2'de anlamlıdır; R×C'de test her zaman iki yönlüdür.
Ne zaman kullanılır? Küçük örneklemde, seyrek tablolarda, beklenen frekansların 5'in altına düştüğü 2×2 tablolarda; tek yönlü hipotez kurulan 2×2 karşılaştırmalarda; R×C tablolarda asimptotik \chi^2 yaklaşımına güvenilmediğinde (Fisher–Freeman–Halton).
Ne zaman kullanılmaz?
- Aynı kişilerde iki ikili ölçüm (eşleşik tasarım): McNemar Testi.
- Büyük örneklemli, beklenen frekansları yeterli R×C tablo: Ki-Kare Bağımsızlık aynı sonucu çok daha hızlı verir.
- 2×2×K tabakalı tasarım: Cochran–Mantel–Haenszel.
- Özet (sayım) tablosu: bu panelde ağırlık sütunu yoktur; Ki-Kare Bağımsızlık ya da Çapraz Tablo panelinin ağırlık seçeneği kullanılmalıdır.
Sık karıştırılan analizler. Ki-Kare Bağımsızlık panelindeki "Kesin / Monte Carlo p: Fisher" seçeneği 2×2'de aynı kesin p'yi, R×C'de yalnız Monte Carlo p'yi verir. Çapraz Tablo panelinin "Kesin p (tam sayım)" kutusu bu bölümdeki kesin Fisher–Freeman–Halton (FFH) p'sini hesaplar. Barnard ve Boschloo testleri koşulsuz kesin testlerdir; aynı hipotezi farklı bir örnekleme modeliyle sınar.
27.2 Varsayımlar ve veri türü
| Varsayım | Ne demek | MerQur'da nasıl denetlenir |
|---|---|---|
| Bağımsız gözlemler | Her kişi bir kez sayılır. | Tasarımla sağlanır; denetlenmez. |
| Marjinallerin koşullanması | Klasik Fisher iki marjinali de sabit kabul eder (koşullu test). | Varsayımdır; satır toplamları tasarımla sabitse koşulsuz testler ("Barnard / Boschloo") ek bilgi verir. |
| En az iki düzey | Her iki değişkende en az iki kategori. | Değilse hata (hypothesis.py:6929–6931). |
| Tam sayı sayımlar | Tablo bireysel gözlemlerden kurulur. | Ağırlık seçeneği yoktur. |
Eksik değer. Tablo pd.crosstab(df[col1], df[col2]) ile kurulur (hypothesis.py:6912); iki sütundan biri eksik olan satır dışarıda kalır. Künyedeki n, df[[c1, c2]].dropna() satır sayısıdır (stats_panel.py:5720–5722). Aynı sütun iki kez seçilirse panel durur (stats_panel.py:5709–5711).
Düzey sırası. Tablo ve grafik MerQur'un ortak düzey sırasını kullanır (natural_cat_order): Veri sekmesinde tanımlı sıra ya da sıralı kategorik; sayısal, aralık ("<55, 55-70, >70") ya da sayı içeren etiketlerde doğal sıra; aksi hâlde verideki ilk görülme sırası. Alfabetik sıra kullanılmaz. Kullanılan sıra çıktıda "Kullanılan düzey sırası" satırında yazılır. 2×2'de OR'nin yönü (\psi ya da 1/\psi) ve RR'nin "olay" sütunu bu sıradan gelir; panelde ayrı bir olay düzeyi alanı yoktur, sıra Veri sekmesinden değiştirilir.
Uç durumlar. Sıfır hücreli 2×2'de Woolf GA'sı tanımsızdır ("—" ve not), Haldane–Anscombe düzeltmeli OR ve GA ayrı satırda verilir (hypothesis.py:7021–7029; varsayılan açık, formda kutusu yok). R×C'de 2×2'ye özgü kutular seçilmişse "yalnız 2×2'de tanımlı" notu yazılır (hypothesis.py:6937–6941); tek yönlü seçim yok sayılır ve not düşülür (hypothesis.py:7143–7144).
27.3 Parametreler
Varsayılanlar fisher_exact.py:42–97 içinden okunmuştur.
| Arayüz adı | Varsayılan | Ne yapar | Sonucu nasıl değiştirir |
|---|---|---|---|
| Sütun 1 / Sütun 2 | veriye bağlı | Satır ve sütun değişkeni. | 2×2'de OR, RR ve tek yönlü p'nin yönü satır/sütun rolüne ve düzey sırasına bağlıdır. |
| Yön | Çift-yönlü (≠) | Tek-yönlü (>): \psi>1; tek-yönlü (<): \psi<1. | p seçilen kuyruktan; koşullu ML OR'nin kesin GA'sı tek yönlü olur ([\text{alt},\infty) ya da [0,\text{üst}]). Woolf GA'sı her zaman iki yönlüdür. |
| Güven Düzeyi | %95 | \alpha=1-\text{düzey}. | Karar eşiği, Woolf, kesin (Cornfield), RR/RD ve Monte Carlo p GA'ları. |
| Ek çıktılar: RR / risk farkı (2×2) | kapalı | Kohort RR (1. sütun) ve RD, Wald GA. | Ek bölüm. |
| Ek çıktılar: mid-p | kapalı | Lancaster mid-p. | Ek satır. |
| Ek çıktılar: Barnard / Boschloo | kapalı | İki koşulsuz kesin test. | Ek bölüm; satırlar bağımsız iki örneklem sayılır. |
| Ek çıktılar: φ Cohen yorumu | kapalı | \varphi ve Cohen eşikleri satırı. | Ek satır (başlıktaki etiket zaten Cohen eşiklidir). |
| R×C p değeri | Monte Carlo | Monte Carlo (B=100000) ya da Kesin (tam sayım) | Kesin: FFH kesin p; hesap sınırı aşılırsa Monte Carlo p verilir ve ayar bloğuna yazılır. 2×2'de etkisiz (her zaman kesin). |
| Tohum | 12345 | Monte Carlo üretecinin tohumu (seed). | Yalnız R×C Monte Carlo p'sini etkiler. |
Neden R×C'de varsayılan hâlâ Monte Carlo?
Kesin FFH p'si, sabit marjinallere sahip bütün tabloların olasılıklarını toplamayı gerektirir. Tablo sayısı n ve boyutla patlar; Tıp #28'in 3×4, n=350 tablosunda MerQur'un ağ algoritması 12,6 saniyede iş sınırına (4 milyon kenar, kesin_sayim.py:38) ulaşır ve Monte Carlo'ya döner. Monte Carlo her boyutta aynı sürede biter ve p'nin GA'sını verir. Bu yüzden kesin yol isteğe bağlı bırakılmıştır (fisher_exact.py:81–84); seçildiğinde sınır aşılırsa sessiz kalınmaz, "İstenen ve uygulanan ayarlar" bloğuna kayıt düşülür (hypothesis.py:7109–7113).
27.4 Tıp örneği
2×2 dosyası: Tıp #23 tanı testi (VIDEO_SCRIPT_TR.txt #23: değişkenler test, result). İngilizce kopya english/datasets/Tip/23_fisher_diagnosis_test.xlsx bulunmadığından Türkçe kopya samples/Tum_Analiz_Tip/23_fisher_tani_testi.xlsx kullanılmıştır (test, sonuc).
| Değişken | Rol | Tür | Açıklama |
|---|---|---|---|
test |
Sütun 1 | metin, 2 düzey | Hızlı Test 15, PCR 13 |
sonuc |
Sütun 2 | metin, 2 düzey | Pozitif 16, Negatif 12 (verideki ilk görülme sırası) |
hasta_id |
kullanılmaz |
n ve eksik değer: 28 hasta, eksik değer yok. Tablo:
| Pozitif | Negatif | Toplam | |
|---|---|---|---|
| Hızlı Test | a=7 | b=8 | 15 |
| PCR | c=9 | d=4 | 13 |
| Toplam | 16 | 12 | 28 |
Klinik soru: Hızlı test ile PCR'nin pozitif sonuç verme oranı farklı mı? (Hızlı testte pozitif oranı %46,7, PCR'de %69,2.) Sütunlar verideki ilk görülme sırasındadır (Pozitif, Negatif); bu yüzden a hücresi "Hızlı Test ∧ Pozitif"tir ve OR, RR ile RD pozitif sonuç üzerinden okunur.
R×C dosyaları (FFH). Tıp setinde küçük bir R×C Fisher örneği yoktur; aynı setin öbür dosyaları kullanılmıştır:
- Tıp #26 (
26_cmh_treatment_stroke_age.xlsx):age_group×stroke, 3×2, n=360; satırlar aralık sırasıyla<55,55-70,>70; inme sayıları 14, 10, 15. Kesin yol çalışır. - Tıp #21:
smoking_status×copd, 3×2, n=670 (Bölüm 25). Kesin yol çalışır. - Tıp #28:
age_group×symptom, 3×4, n=350 (Bölüm 33). Kesin yol hesap sınırını aşar.
Seçilen ayarlar: Varsayılanlar (çift yönlü, %95) ve bütün ek çıktı kutuları açık; tek yönlü p ve GA'lar için iki yön ayrıca çalıştırılmıştır. R×C'de hem Monte Carlo (tohum 12345) hem kesin yol.
27.5 Formüller ve hesap adımları
2×2'de sıra şudur (hypothesis.py:6948–7089): (1) scipy.stats.fisher_exact ile örneklem OR ve kesin p; (2) Woolf GA'sı; (3) koşullu ML OR ve kesin GA (scipy.stats.contingency.odds_ratio(kind="conditional")); (4) düzeltmesiz Pearson X^2'den \varphi; (5) isteğe bağlı RR/RD, Haldane–Anscombe, mid-p, Barnard/Boschloo. R×C'de: istatistik -\sum\ln x_{ij}!; kesin ya da Monte Carlo p; Cramér V.
27.5.1 Hipergeometrik dağılım ve kesin p (2×2)
Marjinaller n_{1\cdot}, n_{2\cdot}, n_{\cdot1}, n_{\cdot2} sabitken tablo tek bir sayıyla, a ile belirlenir. H_0 altında a hipergeometrik dağılır:
- x: a hücresinin alabileceği değer; öbür üç hücre marjinallerden çıkar.
- Pay: 1. sütundaki n_{\cdot1} kişiden x'inin, öbür n-n_{\cdot1} kişiden n_{1\cdot}-x'inin 1. satıra düşme yolu sayısı.
- Payda: 1. satıra düşecek n_{1\cdot} kişinin bütün seçim yolları.
- p_{\text{iki}}: olasılığı gözlenen tablonunkinden büyük olmayan bütün tabloların toplamı. "İki kat tek yön" değildir.
- 1+10^{-7}: kayan nokta hatasıyla eşit olasılıklı tabloların dışarıda kalmasını önleyen göreli tolerans (scipy ve R
fisher.testaynı). - p_{>}: \psi>1 yönü ("Tek-yönlü (>)").
Neden marjinalleri sabit tutmak?
Fisher (1935) marjinalleri, \psi hakkında bilgi taşımayan "yardımcı istatistik" olarak koşullandırdı. Koşullanınca rahatsız edici parametreler (satır olasılıkları) dağılımdan düşer ve H_0 altındaki dağılım bilinmeyen parametre içermez; p tam hesaplanır. Bedeli kesikliliktir: olası p değerleri seyrek bir kümeden gelir, gerçek birinci tür hata oranı çoğu zaman nominalin altındadır (tutuculuk). Mid-p ve koşulsuz testler bu tutuculuğu azaltmak içindir.
27.5.2 Odds oranı: örneklem, Woolf ve koşullu ML
- \widehat{\text{OR}}: ana tablodaki "istatistik"tir (
hypothesis.py:7067). Rfisher.testbunu raporlamaz; koşullu ML kestirimini verir. - Woolf GA'sı yönden bağımsız, her zaman iki yönlüdür; bir hücre 0 ise tanımsızdır (
hypothesis.py:6956–6962).
Koşullu ML OR ve kesin GA (Cornfield 1956). a'nın koşullu dağılımı merkezî olmayan hipergeometriktir:
- \hat\psi_{\text{CML}}: koşullu olabilirliği en büyükleyen OR; beklenen a'yı gözlenen a'ya eşitleyen \psi.
- Tek yönlü seçimde \alpha/2 yerine \alpha kullanılır ve öbür sınır 0 ya da \infty olur (
hypothesis.py:6970–6971). - Kesin GA, koşullu testin tersine çevrilmesidir; 1'i içermesi iki yönlü Fisher kararıyla her zaman örtüşmez (iki yönlü p "olasılık ≤" kuralını, GA "eşit kuyruk" kuralını kullanır).
Koddaki tercih
Künye üç OR satırı taşır: "Odds oranı" (ad/bc), GA (Woolf) ve "Koşullu ML OR (kesin GA)" (fisher_exact.py:123–146). APA satırı Woolf aralığını yazar (hypothesis.py:6992–6996). R fisher.test koşullu ML'yi raporladığı için yazılımlar arası karşılaştırmada üçüncü satır kullanılmalıdır.
27.5.3 φ katsayısı
\varphi=\sqrt{X^2/n}, X^2 düzeltmesiz Pearson istatistiği (hypothesis.py:6982–6986). İşaretsizdir; yön OR'den okunur. Etiket Cohen (1988) 0,1/0,3/0,5 eşikleriyle verilir (hypothesis.py:6989).
Neden Cohen eşikleri?
φ'nin büyüklük etiketi Cohen'in (1988) w eşikleriyle verilir: 0,1 küçük, 0,3 orta, 0,5 büyük. Panelin yorum metni de aynı eşikleri yazar. Tıp #23'te \varphi=0{,}2274 "Küçük" etiketini alır. Ki-kare bağımsızlık testindeki Cramér V etiketiyle aynı kuraldır.
27.5.4 Mid-p
- Gözlenen tablonun olasılığının yalnız yarısı kuyruğa katılır (Lancaster 1961).
- İki yönlü mid-p "merkezî" (iki kat küçük kuyruk) tanımdır; R
exact2x2(midp = TRUE, tsmethod = "central")ile aynı. Bu, iki yönlü Fisher p'sinin "olasılık ≤" tanımından farklıdır.
27.5.5 Koşulsuz kesin testler: Barnard ve Boschloo
Satırlar bağımsız iki binom örneklemi sayılır: X_1\sim\text{Bin}(n_1,\pi_1), X_2\sim\text{Bin}(n_2,\pi_2), n_1=a+b, n_2=c+d. H_0: \pi_1=\pi_2=\pi; \pi bilinmez.
- \bar p=(x_1+x_2)/(n_1+n_2): havuzlanmış oran; T Wald (havuzlanmış) z istatistiğidir, T_0 gözlenen değeri.
- b(\cdot;n,\pi): binom olasılığı. Supremum, rahatsız edici parametre \pi üzerinde en kötü durumu alır.
- Tek yönlüde \mathbb{1}[T\ge T_0] ya da \mathbb{1}[T\le T_0].
- Boschloo'da T yerine Fisher tek yönlü p'si kullanılır (küçük p uç sayılır); iki yönlü Boschloo p'si 2\min(p_{>},p_{<})'dir (scipy tanımı).
Koddaki tercih
Barnard için MerQur kendi yordamını kullanır (_barnard_pooled, hypothesis.py:2188–2232): [0{,}1]'de 2001 noktalı ızgara, en iyi noktanın çevresinde sınırlı Brent iyileştirmesi. scipy.stats.barnard_exact kullanılmaz, çünkü iki yönlü p'de supremumu kaçırabilir. Boschloo scipy.stats.boschloo_exact ile hesaplanır; scipy sütunları örneklem saydığı için tablo devrik verilir (hypothesis.py:7044). R Exact::exact.test(method = "boschloo") iki yönlü p'yi farklı tanımlar: Tıp #23'te MerQur 0,2585, R 0,2365 verir; MerQur bu farkı çıktıda not eder.
27.5.6 R×C: Fisher–Freeman–Halton
Freeman ve Halton (1951) Fisher testini R×C tablolara genişletti. Marjinaller sabitken bir tablonun olasılığı
- T: marjinalleri gözlenenle aynı herhangi bir tablo; x_{ij} hücreleri.
- p: olasılığı gözlenenden büyük olmayan bütün tabloların olasılık toplamı (2×2'de iki yönlü Fisher p'sine indirgenir).
- MerQur'un "istatistik" sütunu -\sum\ln x_{ij}!'dir (
hypothesis.py:7103); P(T) ile aynı sırayı verir.
Kesin yol: ffh_kesin_p Mehta ve Patel (1983) ağ algoritmasıdır (kesin_sayim.py:280–381). Sütunlar sırayla doldurulur; bir düğüm, kalan satır toplamlarının sıralı vektörüdür. Her düğümde, gelecekte eklenecek \sum\ln x!'in kesin en küçük ve en büyük değeri bellekli özyinelemeyle hesaplanır (sinir, satır 315–331). Bir yolun geçmiş değeri s ise:
- s+\min\ge s_{\text{göz}}-\ln(1+10^{-7}): bütün tamamlamalar sayılır; katkıları kapalı biçimle eklenir,
- s+\max<s_{\text{göz}}-\ln(1+10^{-7}): hiçbiri sayılmaz, yol budanır,
- aksi halde düğüm açılır; aynı geçmiş değerli yollar birleştirilir.
- M: kalan toplam; r_i, c_j: kalan satır ve sütun toplamları. Eşitlik, hipergeometrik olasılıkların toplamının 1 olmasından gelir; böylece budanan dallar tek tek sayılmadan eklenir (
gelecek_log_toplam, satır 333–335).
Koddaki tercih
Az olan boyut satır yapılır (tablo gerekirse devrilir), sütunlar azalan sırada işlenir (kesin_sayim.py:292–303). Sınırlar: hızlı ret için düğüm ön tahmini \prod(r_i+1)/r!\times(c-1)>10^6, iş sınırı 4 milyon kenar, süre sınırı 60 saniye (kesin_sayim.py:35–40, 296–321). Aşılırsa KesinSayimSiniri yükselir; Fisher panelinde Monte Carlo'ya geçilir, Çapraz Tablo'da kesin p satırı yerine not yazılır. İleti hangi sınırın (düğüm ön tahmini, iş ya da süre) aşıldığını ayrı ayrı yazar.
Monte Carlo yol (hypothesis.py:7117–7131): Patefield (1981) üreteciyle B=100000 tablo, tohum default_rng(tohum), 10000'lik parçalar.
- Sayılan tablolar, olasılığı gözlenenden büyük olmayanlardır (R
fisher.test(simulate.p.value = TRUE)tanımı). - p'nin GA'sı Clopper–Pearson, b/B üzerinden.
- Etki büyüklüğü Cramér V=\sqrt{X^2/(n\,k)} (düzeltmesiz Pearson; Bölüm 25).
27.6 Elle hesap: Tıp verisinde sayısal yürüyüş
Ara değerler dogrulama/fisher_exact/elle_hesap.py ile, MerQur kodu çağrılmadan, math.comb ile tam sayılardan hesaplanmıştır.
Adım 1 — Destek ve gözlenen tablonun olasılığı. n_{1\cdot}=15, n_{\cdot1}=16, n=28. x, \max(0,\,15+16-28)=3 ile \min(15{,}16)=15 arasındadır. Payda \binom{28}{15}=37442160.
Adım 2 — Bütün dağılım ve p değerleri.
| x | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| P (×1000) | 0,015 | 0,583 | 7,700 | 47,053 | 151,241 | 272,234 | 282,317 | 169,390 | 57,747 | 10,694 | 0,987 | 0,038 | 0,000 |
P(X=x)\le0{,}151241 olan değerler x\le7 ve x\ge11'dir. x=8{,}9{,}10 dışarıda kalır.
Şekil 27.1. Tıp #23'te H_0 altında a'nın hipergeometrik dağılımı. Koyu çubuklar olasılığı gözlenenden büyük olmayan tablolardır; toplamları iki yönlü p'dir.
Adım 3 — Odds oranları. \widehat{\text{OR}}=28/72=0{,}388889; \SH(\ln\widehat{\text{OR}})=\sqrt{1/7+1/8+1/9+1/4}=0{,}793075:
\psi=1'de E[X]=15\times16/28=8{,}571429>7 olduğundan \hat\psi_{\text{CML}}<1'dir. E[X;\psi]=7 denkleminin kökü \hat\psi_{\text{CML}}=0{,}402614'tür; örneklem OR'sinden 1'e daha yakındır (koşullu ML, küçük örneklemde 1'e doğru büzülür). Kesin %95 GA P(X\ge7;\psi)=0{,}025 ve P(X\le7;\psi)=0{,}025 kökleri: [0{,}060665;\ 2{,}311702]. Tek yönlü (<) seçimde [0;\ 1{,}833465], tek yönlü (>) seçimde [0{,}079736;\ \infty), %99'da [0{,}034693;\ 3{,}648038].
Adım 4 — φ ve mid-p. X^2=1{,}447863 (Bölüm 25), \varphi=\sqrt{1{,}447863/28}=0{,}227397 → "Küçük". Mid-p: p^{\text{mid}}_{<}=P(X<7)+0{,}5\,P(X=7)=0{,}055351+0{,}5\times0{,}151241=0{,}130971, p^{\text{mid}}_{>}=0{,}869029, iki yönlü 0{,}261943.
Adım 5 — Barnard ve Boschloo. T_0=(7/15-9/13)/\sqrt{(16/28)(12/28)(1/15+1/13)}=-1{,}203272. Supremum \pi üzerinde aranınca Barnard iki yönlü p=0{,}274437, sol yönlü 0{,}138923 (sağ yönlü 1). Boschloo sol yönlü 0{,}129249, sağ yönlü 0{,}899298, iki yönlü 2\times0{,}129249=0{,}258499. Beklendiği gibi Boschloo tek yönlü p'si Fisher'ınkinden (p_<=0{,}206592) küçüktür.
Adım 6 — RR ve RD (olay: 1. sütun, Pozitif). \widehat{\text{RR}}=(7/15)/(9/13)=0{,}674074, %95 GA [0{,}351488;\ 1{,}292720]; \widehat{\text{RD}}=7/15-9/13=-0{,}225641, GA [-0{,}581571;\ 0{,}130289].
Adım 7 — FFH, Tıp #26 (3×2). Satır toplamlarının üçü de 120, inme toplamı 39 olduğundan bir tablo inme sütunundaki (p_1,p_2,p_3) üçlüsüyle belirlenir ve
Böyle \binom{41}{2}=820 tablo vardır. Gözlenen (14{,}10{,}15) için P=0{,}012785; en olası tablo (13{,}13{,}13), P=0{,}023373. Gözlenenden daha olası 25 tablonun toplamı 0{,}441196'dır; kalan 795 tablonun toplamı kesin p=0{,}558804'tür. Monte Carlo (100000 tablo, tohum 12345) b=55819 ile p=55820/100001=0{,}558194, %95 GA [0{,}5551;\ 0{,}5613] verir; kesin değer bu aralıktadır. V=0{,}057922 ("Önemsiz").
Adım 8 — Büyük tablolar. Tıp #21'de (3×2, n=670) 29886 tablo vardır; kesin p=3{,}50\times10^{-32}. Tıp #28'de (3×4, n=350) kesin yol sınırı aşar; Monte Carlo p=0{,}00014 (GA [0{,}000069;\ 0{,}000222]). R fisher.test(workspace = 2e9) aynı tablonun kesin p'sini 0,000150 bulur; Monte Carlo GA'sının içindedir.
27.6.1 Doğrulama: MerQur, Python ve R
MerQur değerleri execute() sonucundan, stats.hypothesis modülünde yalnız round ve _p_tam bellekte etkisizleştirilerek alınmıştır (dogrulama/fisher_exact/merqur_calistir.py). Python: hipergeometrik toplamlar math.comb ile; koşullu ML ve kesin GA log-\psi ölçeğinde Brent kökleriyle; Barnard ve Boschloo kendi ızgara + iyileştirme yordamımızla; FFH 3×2 tablolarda bütün tabloların tam sayımıyla. R 4.5.3: fisher.test, exact2x2::exact2x2(midp = TRUE), Exact::exact.test (z-pooled, boschloo; npNumbers = 10000), DescTools::OddsRatio, epitools::riskratio.wald, DescTools::BinomDiffCI, DescTools::CramerV.
fisher.test koşullu ML'yi ve kesin GA'yı uniroot'un varsayılan toleransıyla (\approx1{,}2\times10^{-4}, 1/\psi ölçeğinde) bulur: Tıp #23'te ML 0,402614, %99 GA alt sınırı 0,034708 verir (MerQur 0,034693). Tabloda R sütunu, fisher.test'in aynı iç işlevlerinin (dhyper tabanlı) tol = 1e-13 ile yeniden çözümüdür. Monte Carlo satırlarında Python MerQur'un üreteç akışını yeniden üretir; R'nin üreteci farklıdır (R Monte Carlo: #26'da 0,558084, #28'de 0,000220; ikisi de MerQur GA'sıyla uyumlu).
| Büyüklük | MerQur | Python (bağımsız) | R 4.5.3 | En büyük fark | Durum |
|---|---|---|---|---|---|
| Tıp #23 (2×2) | |||||
| p iki yönlü | 0,276058 | 0,276058 | 0,276058 | 3,9e−16 | ✓ |
| p sağ yönlü (>) | 0,944649 | 0,944649 | 0,944649 | 2,2e−16 | ✓ |
| p sol yönlü (<) | 0,206592 | 0,206592 | 0,206592 | 5,0e−16 | ✓ |
| Örneklem OR ad/bc | 0,388889 | 0,388889 | 0,388889 | 1,1e−16 | ✓ |
| Woolf %95 GA alt | 0,082179 | 0,082179 | 0,082179 | 4,2e−17 | ✓ |
| Woolf %95 GA üst | 1,840316 | 1,840316 | 1,840316 | 2,2e−16 | ✓ |
| Woolf %99 GA üst | 2,999257 | 2,999257 | — | 0,0e+00 | ✓ |
| Koşullu ML OR | 0,402614 | 0,402614 | 0,402614 | 1,1e−16 | ✓ |
| Kesin (Cornfield) %95 GA alt | 0,060665 | 0,060665 | 0,060665 | 1,0e−15 | ✓ |
| Kesin %95 GA üst | 2,311702 | 2,311702 | 2,311702 | 7,5e−15 | ✓ |
| Kesin %99 GA alt | 0,034693 | 0,034693 | 0,034693 | 1,2e−14 | ✓ |
| Kesin %99 GA üst | 3,648038 | 3,648038 | 3,648038 | 7,1e−15 | ✓ |
| Tek yönlü (>) kesin GA alt | 0,079736 | 0,079736 | 0,079736 | 2,1e−15 | ✓ |
| Tek yönlü (<) kesin GA üst | 1,833465 | 1,833465 | 1,833465 | 2,7e−14 | ✓ |
| \varphi | 0,227397 | 0,227397 | 0,227397 | 1,9e−16 | ✓ |
| mid-p iki yönlü | 0,261943 | 0,261943 | 0,261943 | 3,9e−16 | ✓ |
| mid-p sağ yönlü | 0,869029 | 0,869029 | 0,869029 | 2,2e−16 | ✓ |
| Barnard p iki yönlü | 0,274437 | 0,274437 | 0,274437 | 3,2e−09 | ✓ |
| Barnard p sağ yönlü | 1 | 1,000000 | 1,000000 | 7,8e−09 | ✓ |
| Boschloo p sağ yönlü | 0,899298 | 0,899298 | 0,899298 | 1,5e−10 | ✓ |
| Boschloo p sol yönlü | 0,129249 | 0,129249 | 0,129249 | 7,3e−11 | ✓ |
| Boschloo p iki yönlü (2\min) | 0,258499 | 0,258499 | — | 4,4e−16 | ✓ |
| RR (Pozitif) | 0,674074 | 0,674074 | 0,674074 | 0,0e+00 | ✓ |
| RR %95 GA üst | 1,292720 | 1,292720 | 1,292720 | 3,6e−15 | ✓ |
| RD | −0,225641 | −0,225641 | −0,225641 | 3,9e−16 | ✓ |
| RD %95 GA alt | −0,581571 | −0,581571 | −0,581571 | 1,1e−16 | ✓ |
| R×C: Fisher–Freeman–Halton | |||||
| Tıp #26 (3×2) kesin p | 0,558804 | 0,558804 | 0,558804 | 1,4e−12 | ✓ |
| Tıp #26 Cramér V | 0,057922 | 0,057922 | 0,057922 | 1,4e−17 | ✓ |
| Tıp #26 istatistik -\sum\ln x_{ij}! | −1257,006219 | −1257,006219 | — | 0,0e+00 | ✓ |
| Tıp #26 Monte Carlo p (B = 10⁵, tohum 12345) | 0,558194 | 0,558194 | — | 0,0e+00 | ✓ |
| Tıp #26 Monte Carlo GA alt | 0,555105 | 0,555105 | — | 0,0e+00 | ✓ |
| Tıp #21 (3×2) kesin p | 3,5048·10−32 | 3,5048·10−32 | 3,5048·10−32 | 1,1e−42 | ✓ |
| Tıp #28 (3×4) Monte Carlo p | 0,000140 | 0,000140 | — | 0,0e+00 | ✓ |
| Tıp #28 Monte Carlo GA üst | 0,000222 | 0,000222 | — | 0,0e+00 | ✓ |
| Tıp #28 Cramér V | 0,196442 | 0,196442 | 0,196442 | 3,6e−16 | ✓ |
Sonuç: 35 büyüklüğün tamamı ölçütü karşılar. En büyük fark Barnard sağ yönlü p'de 7{,}8\times10^{-9}'dur (Exact paketinin \pi ızgarası).
27.7 Çıktıyı okuma
Varsayılan ayarlarla Tıp #23:
Fisher Kesin Testi (2×2)
Fisher kesin testi p = 0.2761 ns. Odds oranı = 0.3889 (%95 GA: [0.0822, 1.8403]). Phi = 0.2274 (Küçük). H₀ REDDEDİLEMEZ. Koşullu ML odds oranı = 0.4026 (kesin %95 GA: [0.0607, 2.3117]).
Kullanılan düzey sırası (test): Hızlı Test, PCR
Kullanılan düzey sırası (sonuc): Pozitif, Negatif
APA: Fisher kesin testi, p = .276, OR = 0.389 (%95 GA [0.082, 1.840])
Künye: Odds oranı 0.3889 · %95 GA [0.0822, 1.8403] · Koşullu ML OR (kesin GA) 0.4026 [0.0607, 2.3117] · Yön çift-yönlü
Tıp #26, "R×C p değeri: Kesin (tam sayım)":
Fisher-Freeman-Halton 3×2, Kesin (tam sayım)
Fisher-Freeman-Halton testi (3×2): kesin p = 0.5588 ns (tam sayım: sabit marjinallerde olasılığı gözlenen tablonunkinden büyük olmayan bütün tabloların olasılıkları toplandı). Cramér's V = 0.0579 (Önemsiz). H₀ REDDEDİLEMEZ.
Kullanılan düzey sırası (age_group): <55, 55-70, >70
Kullanılan düzey sırası (stroke): absent, present
Tıp #28, kesin yol sınırı aştığında:
Fisher-Freeman-Halton (3×4, Monte Carlo)
Fisher-Freeman-Halton testi (3×4): Monte Carlo p = 0.00014 *** (kesin değil; sabit marjinallerle B = 100000 benzetim, tohum = 12345; p'nin %95 Monte Carlo GA'sı [6.922e-05, 0.0002223]). Cramér's V = 0.1964 (Küçük). H₀ REDDEDİLİR.
⚠ Kesin p hesaplanmadı: tam sayım hesap sınırına ulaştı (ulaşılan değer 4e+06, sınır 4e+06; iş sayacı ya da süre). Yerine Monte Carlo p verildi.
Kullanılan düzey sırası (age_group): 18-40, 41-65, 66+
Kullanılan düzey sırası (symptom): abdomen pain, head pain, fever, chest pain
| Satır | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Test adı | "Fisher Kesin Testi (2×2)", "Fisher-Freeman-Halton (r×c, Monte Carlo)" ya da "Fisher-Freeman-Halton r×c, Kesin (tam sayım)" | R×C'de hangi yolun uygulandığı buradan okunur; kesin istenip sınır aşıldıysa ad "Monte Carlo"dur. |
p = 0.2761 ns |
Kesin p ve yıldız | Yön seçimine göre iki ya da tek kuyruk. |
| Odds oranı + GA | Örneklem OR ve Woolf GA | İki yönlü, büyük örneklem yaklaşımı. |
| Koşullu ML odds oranı | CML OR ve kesin GA | R fisher.test'in raporladığı değer; tek yönlü seçimde tek yönlü aralık. |
Phi = 0.2274 (Küçük) |
İşaretsiz \varphi, Cohen etiketi | Yön OR'den okunur. |
| Monte Carlo GA | p'nin Clopper–Pearson GA'sı | GA \alpha eşiğini içeriyorsa karar Monte Carlo hatasına duyarlıdır. |
| ⚠ satırı | Kesin yol sınırı | İş sınırı aşıldı; p Monte Carlo'dur. |
| Not satırları | R×C'de 2×2'ye özgü kutular ya da tek yön seçildiyse | Seçim uygulanmadı demektir. |
APA biçiminde rapor cümlesi (Türkçe ondalıkla):
Hızlı testte pozitif sonuç oranı (%46,7; 7/15) PCR'ye göre (%69,2; 9/13) daha düşüktü, ancak fark anlamlı değildi; Fisher kesin testi, iki yönlü p = 0{,}276. Koşullu en çok olabilirlik odds oranı 0,40'tı (kesin %95 GA [0,06; 2,31]). Yaş grupları arasında inme sıklığı da farklı değildi; Fisher–Freeman–Halton kesin testi p = 0{,}559, Cramér V = 0{,}06.
27.8 Uzman soruları
S1. İki yönlü p neden iki kat tek yönlü p değil?
Hipergeometrik dağılım genellikle simetrik değildir. MerQur (scipy ve R gibi) iki yönlü p'yi "olasılığı gözlenenden büyük olmayan bütün tablolar" olarak tanımlar. Tıp #23'te 2\times\min(p_>,p_<)=0{,}413, "olasılık ≤" tanımı ise 0,276 verir. Bazı ders kitapları "iki kat" tanımını önerir.
S2. OR'yi 0,389 mu yoksa 0,403 mü raporlamalıyım?
İkisi farklı kestiricilerdir. ad/bc koşulsuz ML'dir ve Woolf aralığıyla eşleşir; koşullu ML (0,403) Fisher testinin dayandığı koşullu modelden gelir ve kesin GA ile tutarlıdır. Fisher testi raporlanıyorsa koşullu ML ve kesin GA önerilir; R fisher.test bunu verir. MerQur APA satırında Woolf aralığını yazar; bu satır olduğu gibi kullanılırsa test ile aralık farklı modellere dayanır.
S3. Fisher testi "fazla tutucu" deniyor. MerQur bunu nasıl ele alıyor?
Kesikli dağılım yüzünden gerçek \alpha çoğu zaman nominalin altındadır. MerQur iki seçenek sunar: mid-p (Lancaster 1961; Tıp #23'te 0,262) ve koşulsuz testler (Barnard 0,274, Boschloo 0,258). Satır toplamları tasarımla sabitse (iki bağımsız örneklem) koşulsuz testler daha güçlüdür (Lydersen, Fagerland ve Laake 2009). Mid-p nominal düzeyi garanti etmez.
S4. Bir hücre sıfırsa ne olur?
Kesin p ve koşullu ML etkilenmez (koşullu ML sınırdaysa 0 ya da \infty olabilir; kesin GA'nın bir ucu 0 ya da \infty'dur). Woolf GA'sı tanımsızdır ve "—" yazılır; bütün hücrelere 0,5 eklenerek Haldane–Anscombe OR ve GA'sı ayrı satırda verilir (hypothesis.py:7021–7029; R DescTools::OddsRatio(method = "wald") ile aynı). RR'de a=0 ise RR = 0, c=0 ise RR = ∞ ve GA tanımsız yazılır (hypothesis.py:2156–2169).
S5. R×C'de kesin p ile Monte Carlo p ne kadar uyuşur?
Monte Carlo p kesin p'nin yansız kestirimidir; standart hatası \sqrt{p(1-p)/B}. Tıp #26'da kesin 0,558804, Monte Carlo 0,558194 (GA [0,5551; 0,5613]); fark Monte Carlo hatası düzeyindedir. Aynı tohumla sonuç birebir tekrarlanır; R'nin üreteci farklı olduğundan R'nin Monte Carlo p'si (0,558084) farklıdır ama aynı aralıktadır.
S6. Tıp #28'de MerQur kesin p'yi neden hesaplayamıyor, R hesaplıyor?
R'nin fisher.test'i Mehta–Patel'in FEXACT uygulamasını, kullanıcı tarafından büyütülebilen bir çalışma alanıyla (workspace) kullanır; MerQur'un saf Python ağ algoritması süre ve bellek için 4 milyon kenarlık bir iş sınırı koyar (kesin_sayim.py:38). Sınır aşıldığında sessizce yanlış sonuç vermez, Monte Carlo'ya geçer ve bunu yazar. Bu tabloda R'nin kesin p'si 0,000150, MerQur Monte Carlo p'si 0,00014 (GA [0,000069; 0,000222]); karar aynıdır.
S7. Tek yönlü (>) seçimde koşullu ML GA'sı neden [0,080; ∞)?
Tek yönlü test \psi>1 hipotezine karşılık gelir; ona denk düşen aralık tek sınırlıdır ve alt sınır P(X\ge a;\psi)=\alpha denkleminden gelir (confidence_interval(alternative=…), hypothesis.py:6970–6971). R fisher.test(alternative = "greater") aynı aralığı verir. Woolf aralığı ise tek yönlü seçimde de iki yönlü kalır.
S8. Barnard testinde supremum nasıl bulunuyor; ızgara yeterli mi?
_barnard_pooled önce [0{,}1]'de 2001 noktada p(\pi)'yi hesaplar, en büyük değerin iki komşusu arasında minimize_scalar ile (10^{-10} tolerans) iyileştirir (hypothesis.py:2219–2232). p(\pi) çok tepeli olabilir; ızgara aralığı 0,0005'tir ve doğrulamada R Exact paketiyle 3\times10^{-9} fark vardır. Büyük tablolarda ızgara seyrekleşir (grid = min(2001, 4e9/hücre), satır 2075).
27.9 Sık hatalar ve tuzaklar
- Tabloyu devrik okumak. Satırlar ve sütunlar düzey sırasındadır; OR ve RR'nin yönü, "olay" sütunu bu sıradan gelir. "Kullanılan düzey sırası" satırı okunmalı, gerekirse sıra Veri sekmesinde tanımlanmalıdır.
- "Kesin" seçip sonucu kesin sanmak. Sınır aşılırsa test adı "Monte Carlo" olur ve ⚠ satırı çıkar; raporda yöntem buradan okunmalıdır.
- Woolf GA'sını Fisher p'siyle birlikte raporlamak. Tutarlı çift, kesin p + koşullu ML OR + kesin GA'dır.
- R×C'de tek yönlü test beklemek. R×C'de yön tanımsızdır; seçim yok sayılır.
- Özet tabloyu bu panele vermek. Ağırlık sütunu yoktur; her satır bir kişi sayılır.
- φ etiketini panel açıklamasına göre okumak. Açıklama eski eşikleri yazar; çıktıdaki etiket Cohen eşiklidir.
27.10 Kaynaklar
- Agresti, A. (1992). A survey of exact inference for contingency tables. Statistical Science, 7(1), 131–153. https://doi.org/10.1214/ss/1177011454
- Barnard, G. A. (1945). A new test for 2 × 2 tables. Nature, 156(3954), 177. https://doi.org/10.1038/156177a0
- Boschloo, R. D. (1970). Raised conditional level of significance for the 2 × 2-table when testing the equality of two probabilities. Statistica Neerlandica, 24(1), 1–9. https://doi.org/10.1111/j.1467-9574.1970.tb00104.x
- Cornfield, J. (1956). A statistical problem arising from retrospective studies. J. Neyman (Ed.), Proceedings of the Third Berkeley Symposium on Mathematical Statistics and Probability içinde (Cilt 4, ss. 135–148). University of California Press.
- Fisher, R. A. (1935). The logic of inductive inference. Journal of the Royal Statistical Society, 98(1), 39–82. https://doi.org/10.2307/2342435
- Freeman, G. H., & Halton, J. H. (1951). Note on an exact treatment of contingency, goodness of fit and other problems of significance. Biometrika, 38(1–2), 141–149. https://doi.org/10.1093/biomet/38.1-2.141
- Haldane, J. B. S. (1956). The estimation and significance of the logarithm of a ratio of frequencies. Annals of Human Genetics, 20(4), 309–311. https://doi.org/10.1111/j.1469-1809.1955.tb01285.x
- Lancaster, H. O. (1961). Significance tests in discrete distributions. Journal of the American Statistical Association, 56(294), 223–234. https://doi.org/10.1080/01621459.1961.10482105
- Lydersen, S., Fagerland, M. W., & Laake, P. (2009). Recommended tests for association in 2×2 tables. Statistics in Medicine, 28(7), 1159–1175. https://doi.org/10.1002/sim.3531
- Mehta, C. R., & Patel, N. R. (1983). A network algorithm for performing Fisher's exact test in r × c contingency tables. Journal of the American Statistical Association, 78(382), 427–434. https://doi.org/10.1080/01621459.1983.10477989
- Woolf, B. (1955). On estimating the relation between blood group and disease. Annals of Human Genetics, 19(4), 251–253. https://doi.org/10.1111/j.1469-1809.1955.tb01348.x