・前記事で、ｓありなしで層化し、従来指標で発生を調べた.
　主たる生起因子 t に曝露しない層；BGを扱うとき、dhyperの使い道を探る.

■　自由な数
　　　 ある因子でxtabを作る.
　　　　　　　　　　　　　　　　　ｓ有無で層化                 
　　　　　　全  体　　　 　　　s1層　　　　　　　s0層　　
　　　　　a　 b 　M　　 　a1　b1　m1　 　　  a0　b0　m0
　　　　　c　 d　 　　　 　c1　d1　　　　 　   c0　d0      
　　　　　k    　　Ｎ　　     k1 　　　n1　　　   k0　 　　n0 

　全体の、周辺度数M,N,kは固定されていて、因子によって a～dは定まる.
　sによって層化した場合、2つに分かれた t0での発生は、不確定な原因で起こっているものとしておく.各層でa～dのいずれかが決まると、その層のa～dはすべて決まる.
　　　　　　*　実際この事例では生起因子ｔは明らか、抑制因子ｓがかなり疑わしい.
　　　　　　*   その他の生起性のある因子が決めきれないので、ここでは不確定な発生
　　　　　　　 とした.
　さらに、
　　・t0層 b1/d1 , b0/d0、b1 , b0はいずれも小 とわかっている
　　・b1 , b0の取りうる幅は狭い
　　・b=b1+b0 
　これらのことで、シミュのscriptは短くでき、結局、b1だけを動かせばシミュが可能とわかる.
　まず、OR・率を羅列してみる.

■　bによるOR・率　
　　　　　　b=７固定時　　 2×2表とrisk指標；ＯＲ・ｔ0rate

　　　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　上段：s1、下段：s0
　b1の値に応じてs1のxtableは決まり、同時にs0も決まる；上段と下段の表が対応する
　　　
・生起因子、抑制因子による制限条件
　ORはsの抑制効果により、s1ではs0より低めとなっているはずだ.とすると、
　　　　　　　　b1は　3以上
　であるはずだ.　　　　　　　　　観察ではb1は 3、b0は、4.
　また、 s１とs０での発生率の差は、小さいはずで、  
　　　　  　　 　b1 =   2,3 
　で最小になっている；ここで、t0では、発生率は低く、BG的に扱っている.
　よって、b1＝3、b0＝4がもっともそれらしいと思える.
　ついで、dhyperでシミュする.

■　dhyperでt0を調べる
　観察 N-kから k1または k0だけ取り出す、シミュとなる.
　　　　　　　　　dhyper(0:6,7,38,k)　　
　ここでdhyperは、発生の起こりやすさを与える.　

　   　　　                発生7を固定、k；16、29 取り出すときの密度確率

◎　　dhyper(0:10,7,38,16)　は、　dhyper(0:10,7,38,29)　と対称な分布となる.

　s1では 観測3より1つ小さい2が最も起こりやすく、s0では観測した4より1つ大きい5が最も起こりやすい .
　ちなみに、sの抑制効果にかかわらず、BGは抑制された兆候はなかった.どころか逆にs0のt0は高めだった.
　発生率は、 BG値とするなら、0.14-0.19あたりと見当がつく.

　　plot(dhyper(0:10,7,45,16),type="s",xaxt="n",xlab="")
       plot(dhyper(0:10,7,45,26),type="s",xaxt="n",xlab="")
　　　　　　　　　　　
■　まとめ
・事例のデータを理解するという点から、計算結果をまとめると・・　

　　　　　

　　　　　　　t０の発生率展開による、ghyper；　 ”発生率”の”起こりやすさ”

　発生率をいったん独立と仮定して、平面に写す.t０はBG的であって、s1,s０とも　おおよそ似た値を期待している；図中 縞帯.
　シミュでbの値に応じて得た発生率は、図のような位置に並ぶ.黒柱の高さは、その起こりやすさを示す.　　　　　　　　　　　　　　　　　　

■　蛇足  （改）
　「全体」は、起こってしまった結果であって、後ろ向き調査では、y1 y0は不変.
　因子曝露に基づく層化をするなら、いずれかの揺らぎを想定して；揺らがない数を固定してみて、hyperが適用できる.