scientific-statistical-testing

name	scientific-statistical-testing
description	統計検定・多重比較・エンリッチメント解析のスキル。t検定、カイ二乗検定、ANOVA、 Bonferroni/BH 補正、Fisher 正確検定、ベイズ推論を行う際に使用。 Scientific Skills Exp-03, 04, 06, 07 で確立したパターン。
tu_tools	[{"key":"biotools","name":"bio.tools","description":"統計検定ツールレジストリ"}]

Scientific Statistical Testing & Enrichment Analysis

仮説検定、多重比較補正、エンリッチメント解析のための統計パイプラインスキル。 頻度論的検定とベイズ推論の両方のアプローチを提供する。

When to Use

• 2 群間の有意差を検定したいとき（t 検定、Mann-Whitney U）
• 多群間の比較（ANOVA、Kruskal-Wallis）
• 多重比較の補正（Bonferroni、Benjamini-Hochberg）
• パスウェイエンリッチメント解析（Fisher 正確検定）
• ベイズ推論（Beta-Binomial 共役モデル）

Quick Start

標準パイプライン

1. 2 群間検定

from scipy import stats
import numpy as np
import pandas as pd

def two_group_test(group1, group2, test="auto", alternative="two-sided"):
    """
    2 群間の検定を実行する。
    test='auto' の場合、正規性検定に基づいて t 検定 or Mann-Whitney U を選択。
    """
    # 正規性検定（Shapiro-Wilk）
    if test == "auto":
        _, p1 = stats.shapiro(group1) if len(group1) <=   (, )
        _, p2 = stats.shapiro(group2)  (group2) <=   (, )
        test =   (p1 >   p2 > )  

     test == :
        stat, pval = stats.ttest_ind(group1, group2, alternative=alternative)
        test_name = 
     test == :
        stat, pval = stats.mannwhitneyu(group1, group2, alternative=alternative)
        test_name = 
    :
         ValueError()

    
    pooled_std = np.sqrt((np.var(group1, ddof=) + np.var(group2, ddof=)) / )
    cohens_d = (np.mean(group1) - np.mean(group2)) / pooled_std  pooled_std >   

     {
        : test_name,
        : stat,
        : pval,
        : cohens_d,
        : (  (cohens_d) >  
                         (cohens_d) >   ),
    }