・データから、度数を計算するとき、論理式が使えるとわかった.
因子 tとsで調べるとき、
・層化周辺度数を固定すると、度数はBG発生数が取りうる範囲の変数による関数となる.
・ベクトルを変数とした関数はベクトルになる.これでRの記述がより簡単になる.
・度数・ＭＨＯＲ・オッズ・ORベクトルを作り、保存する記述.

■　データから欠測IDを取り除く処理　
　 datacf <- complete.cases(data7)
　 dr <- data7[datacf,]

　　　　　　　　　

■　周辺度数　　論理式で短めに書ける
　周辺度数をデータから読み出す、複数の方法がある.
　　① いったんtable度数を作る　  or　 ② 直接データから読む
　　　　　　　　　↓　　　　　　　　　　　 　　↓
　m0<-a0+b0　　　↓　　　　　　　　　　　 　　↓ 　
　　a0 <- sum((1-dr[,"sake"])*(dr[,"y"])*dr[,"tam"]) など・・　　↓
　  　　　　　　　　　　　　　　  or    m0 <- sum(  dr["y"] *  ( 1-dr["sake"] ) ) として計算.
　n0<-a0+b0+c0+d0　　                  or    sum( 1-dr["sake"])
　k0<-a0+c0　　　　　　 　　　 　or    sum( (1-dr["sake"])*(dr["tam"]))　　　
　　
　m1<-a1+b1
　n1<-a1+b1+c1+d1
　k1<-a1+c1
　度数、周辺度数はデータから論理式で計算.保存できる.
　　＊　読みだした度数は、1通りしかない.
　　＊　周辺度数は、固定されていてよく、のちの計算に使う.

■　度数ベクトル　　小発生度数がとりうる値のベクトルとみなし、他の度数はその関数とする
　起こりやすさを扱うために、周辺度数を固定するが、度数は取りうる範囲がある.
　s1の　y1t0度数;b1 を　i とする.
　度数、周辺度数は、i の簡単な関数となる.
 s1では、 
　  a1 b1                 m1-i  　             i                m1
  　c1 d1              k1-m1+i  　     n1-k1-i         n1-k1        
     　                       k1        　      n1-k1             n1
s0では、　　　　　　　　　　　　　　　　　　　
　　a0 b0    　  　m0-b+ i              b-i               m0
　　c0 d0           k0-m0+b-i       n0-k0-b+i       n0-m0
                               k0                 n0-k0              n0

　ここで、tableから、
　　　t0のb = 7 　
　また、　
　　　b1+b0=b　
　度数は可変、BGを一定との条件から 、度数ベクトルを作る.
　　　　i <- c( 0:7 )
　すると、★  iを含む上の関数；度数や指標 もベクトルになる.

■　MHORベクトル
　ベクトル化された度数；A1-D1,A0-D0を作ってMHORベクトルを作る.
　　　　　　　　　　*A1 <-NULL　とした後、計算する
     A1<-　m1-i　　B1<-　　i　　　　　A0<-　m0-b+ i　    B0<-　b-i　
　 C1<- k1-m1+i　D1<-n1-k1-i　　　 　C0<-　k0-m0+b-i　D0<- n0-k0-b+i

　要素を計算するのと同じように式を組むと、計算結果からなるベクトルができる.

▲具体例：２つのMHOR
　・sにより調整したtのMHORは、
　　mhts　<-(A1*D1/n1+A0*D0/n0 )/(B1*C1/n1+B0*C0/n0)　
       mhts　                                                        ↓  MHOR[4]  ;  i=3
               [1] 10.237861 10.086525 9.768871 9.318758 8.778195
               [6] 8.188938 7.586553 6.997716
　　　　　　　　　　　　　　・mhtsは、i=3のとき、既存関数の結果と一致.
　・tにより調整したsのMHOR、mhst　も同様に計算できる.
　　mhst <- (A1*C0 +B1*D0 ) / (A0*C1 +B0*D1 ) 
               [1] 0.9563197 0.8822472 0.8132059 0.7490558 0.6896272
               [6] 0.6347282 0.5841509 0.5376775
          
■　oddsベクトル
s1は、
　　 s1t1od <-　A1/C1　
　　 s1t0od <-　B1/D1 
s0は、
        s0t1od <-　A0/C0　
        s0t0od <-　B0/D0   
　
具体例：s1におけるtに関するORベクトルは、
　　s1t1od/s1t0od　
　　　[1] Inf 23.852459 10.838710
　　　[4] 6.534392 4.406250 3.147692
　　　[7] 2.323232 1.746269

■　オッズとORのイメージ；観察データから
　オッズやORのイメージを忘れないよう並べておく.
　観察データ  ； i=３ の場合に相当 　　　数値は概略

　　　　

・4つのオッズ、４つのORが現れる.
　ｓ１でのｔに関するＯＲは、ｓの抑制下でのｔの効果がみえ、ｓ0でのそれはｔの効果がより強く表れる.
　ｔ1でのｓに関するＯＲは、ｓのもつ抑制性を示し、ｔ0では幾分の生起性を示す.
　ORベクトルでは、iの範囲で s1t1がいずれも１を上回っている.

■　起こりやすさ　BGに課する条件から
　i がとりうる範囲で、i ごとに起こりやすさが割り付けられると考える.
　　　dhyper(0:7,7,38,16)　　; t０におけるsの超幾何分布
　と知る.観察は、[4]  i=3 になっていた.
　　　[1] 0.0343938535 0.1674831125 0.3140308359
　　　[4] 0.2930954468 0.1465477234 0.0390793929
　　　[7] 0.0051175395 0.0002520955　

■　MHORの起こりやすさ　
　CI的にみれば、　0.05あたりのMHOR;mhts 10　から １-0.04あたりの　mhts ８、となる.
　；過去記事での信頼区間と異なる点に留意.
   mhstは、
　　　[1] 0.9563197 0.8822472 0.8132059 0.7490558 0.6896272
　　　[6] 0.6347282 0.5841509 0.5376775

　▽　計算結果の解釈　▽
　i  の取りうる範囲全域で 1を下回り、上の起こりやすさとあわせて、明確な抑制因子とわかり、他の解析結果と異なる鋭さと思える.

■ 　最近のR練習から
・データから、めぼしい因子２つについて、検討するとき、
　①　周辺度数一定
　②　因子間の関係を許容しつつ、BG一定
　の条件を付け、
　①　Rの記述　　　　　　繰り返し処理、論理式、ベクトル式といった簡潔な書き方
　②　データの保存
　について改良できた.

■　超幾何関数の利用による効果
　補正によらず、”超幾何分布による信頼区間”を見ることで、従来より明確な因子の効果の値が得られる.

＊＊＊蛇足
　　　　iをベクトル化しないで度数ベクトルを作る
A1<-NULL
for(i in 0:7) { A1<-c(A1,m1-i)} 　
B1 <-NULL
for(i in 0:7) {B1<-c(B1,　i)}
C1<-NULL
for(i in 0:7){C1<-c(C1, k1-m1+i)}
D1<-NULL
for(i in 0:7){ D1<-c(D1,n1-k1-i)}

A0<-NULL
for(i in 0:7){ A0<-c( A0,m0-b+ i )}
B0<-NULL
for(i in 0:7){ B0<-c( B0,b-i)}
C0<-NULL
for(i in 0:7){ C0<-c(C0,k0-m0+b-i )}
D0<-NULL
for(i in 0:7){ D0<-c(D0,n0-k0-b+i)}

   /////