# try_ft01.rb.txt  ruby script (encoding: Windows-31J)
  # 統計解析のＦ検定とｔ検定の例(data_ft.csvを読み込んで分析)
  # 男女間で、身長と体重に違いがあるか否かを検証する
  # 解析結果をhtmlとして書き出す(z_ft01.htm)
  # 文書先頭に目次を付加
  # 散布図(z_ft.png)も書き出す
require "rpt"
require "erb"

    # Rプログラム＆markdown原稿の調整
prog_markdown = DATA.read  # Rプログラムとmarkdown原稿の読み込み
prog_markdown = Rrx::erb_three(prog_markdown)
rpro, mkd_str = prog_markdown.split(/\n####[^\n]+\n+/)  # R, markdownの分割

    # Rの実行と結果の取り込み
fff_png = "z_ft.png"
if test(?e, fff_png)
  File.unlink(fff_png)
end
rpro = ERB.new(rpro).result(binding)
hs = Rrx.rexec(rpro)  # Rの実行

    # Rプログラムの実行結果を取り込んで、markdown生成の準備
xx = hs["xx"]
tbl = xx["tbl"]
ff = {}
tt = {}
%w(身長 体重).each do |item|
  wff = xx[item]["ff"]
  ff[item] = [["項目", "値"]]
  wff.each do |key, val|
    if val.class == Array
      val = val.join(" ｜ ")
    end
    ff[item] << [key, val]
  end
  wtt = xx[item]["tt"]
  tt[item] = [["項目", "値"]]
  wtt.each do |key, val|
    if val.class == Array
      val = val.join(" ｜ ")
    end
    tt[item] << [key, val]
  end
end
height_fp = xx["身長"]["ff"]["p.value"]
height_tp = xx["身長"]["tt"]["p.value"]
weight_fp = xx["体重"]["ff"]["p.value"]
weight_tp = xx["体重"]["tt"]["p.value"]

    # markdown原稿の生成
mkd_str = ERB.new(mkd_str, nil, '-').result(binding)
html_str = Rrx::kramdown_html(mkd_str, :s)
File.open("z_ft01.htm", "w") {|ff|  ff.write html_str}

__END__
    # Rプログラム
dtf <- read.csv("data_ft.csv", header=T, na.strings="")
dtf$性別 <- factor(dtf$性別, c("m","f"), c("男性","女性"))
    # 男女別に、身長と体重それぞれについて、平均と標準偏差の表を作成
targets <- c("身長", "体重")
tbl1 <- va1(dtf, "性別", targets, function(x)
    sprintf("%.1f(sd %.2f)", mean(x), sd(x)))
tbl2 <- va1(dtf, "性別", targets, function(x)
    sprintf("%.1f〜%.1f", min(x), max(x)))
tbl <- cbind(tbl1, tbl2)
colnames(tbl) <- c("身長の平均値等", "体重の平均値等",
    "身長の最小値等", "体重の最小値等")
xx <- list(tbl=tbl)
    # 男性・女性の分類
male <- subset(dtf, 性別 == "男性")  # 男性の抽出
female <- subset(dtf, 性別 == "女性")  # 女性の抽出
    # F検定とt検定
for (trg in targets) {
  ff <- var.test(male[[trg]], female[[trg]])  # F検定
  flag <- (ff$p.value >= 0.05)  # 等分散ならtrue
  tt <- t.test(male[[trg]], female[[trg]], var.equal=flag)  # t検定
  xx[[trg]] <- list(ff=ff, tt=tt)
}
robj(xx, "xx")
    # 散布図の作成
weight_range <- c(min(dtf$体重), max(dtf$体重))
height_range <- c(min(dtf$身長), max(dtf$身長))
png(file = "fff_png")
par(family = "Japan1GothicBBB")  # 日本語フォントにゴチックを指定
plot(male$体重, male$身長, type="p",
    xlim = weight_range, ylim = height_range,
    xlab="体重", ylab="身長", col = "blue")
par(new = T)   #  上書き
plot(female$体重, female$身長, type="p",
    xlim = weight_range, ylim = height_range,
    xlab="", ylab="", col = "red")
dev.off()

#### 以降は markdownの原稿

<%= Rrx::kramdown_contents("＜目次＞") %>

----------------

# はじめに

　身長と体重について、男女それぞれ５人づつ(合計10人)のデータがある。

　これを基に、男女間で身長と体重に有意な違いがあるかどうかを検定する。

　まず、身長と体重の各々に関して、男女それぞれの値が等分散か否かをＦ検定によって確認する。

　次に、ｔ検定によって男女間に有意な違いがあるかどうかを見る。

　統計解析ソフトRの検定結果を一通り示す。

----------------

# 基本的な集計表

　統計的検定を行う前に、平均値・標準偏差および最小値・最大値の算出結果を表の形で示す。

　括弧内のsdが標準偏差の値。これが大きいほど、ばらつきが大きいことになる。

<%= Rrx::matrix2table(tbl) %>

----------------

# 散布図

　横軸を体重、縦軸を身長とする散布図を掲げる。  
　男性を青、女性を赤で示した。  
![散布図](fff_png)

----------------

# 身長に関する検定結果

　まず、Ｆ検定の結果は次のとおり。

<%= Rrx::matrix2table(ff["身長"]) %>

　上記の p.value の値(今回は <%= height_fp %>)が0.05以上であれば
等分散と判断する。等分散か否かによってｔ検定の方法が少し違ってくる。

　次にｔ検定の結果を示す。

<%= Rrx::matrix2table(tt["身長"]) %>

　上記の p.value の値(今回は <%= height_tp %>)が0.05未満であれば、
有意差があると判断する。つまり、男女間で「身長」に違いがあると見る。

　p.valueが0.05以上の時は、有意差があるとは判断しない。つまり、男女間で「身長」に違いがあるとは言いきれないと見る。

----------------

# 体重に関する検定結果

　Ｆ検定の結果は次のとおり。

<%= Rrx::matrix2table(ff["体重"]) %>

　次にｔ検定の結果を示す。

<%= Rrx::matrix2table(tt["体重"]) %>

<% if weight_tp < 0.05 then -%>
<%= sprintf("　t検定におけるp.value(%g)＜0.05なので、男女間で体重に有意な違いがあると見る。", weight_tp) %>
<% else -%>
<%= sprintf("　t検定におけるp.value(%g)＞＝0.05なので、男女間で体重に有意な違いがあるとは言いきれないと見る。", weight_tp) %>
<% end -%>

----------------