| English | 日本語 |
この文書は 英語版 の訳です。内容が食い違うときは英語版が正です。
R の stats パッケージ (と base の関連部分) の数値計算の中核を、R と同じ関数名・既定値・数値
結果のまま、素の TypeScript でカバーすること。対象は分布、記述統計、仮説検定、線形モデル、特殊関数、
数値計算、線形代数の基本です。
R を oracle とし、すべての関数を R の出力と照合します。R 自身が不正確な箇所では高精度の参照値と
照合します (docs/ja/accuracy.md を参照)。
狙いは空白を埋めることです。JavaScript には分布と特殊関数のライブラリ (正確で範囲も広い
stdlib-js など) や記述統計のライブラリがあり、R 自体も
WebAssembly (webR) でブラウザ上で動きますが、その代わりに数十 MB のダウンロードが要ります。
欠けているのは、分布から仮説検定まで、R の set.seed() の乱数列も含めて、結果が R と一致すると
信頼できる軽いライブラリです。
優先するのは、医学・生物学・心理学の研究で使われる解析です。R の stats にその関数がないときは、
広く使われている CRAN のパッケージ (car、multcomp、survival など) を照合先にし、ほかの
パッケージと同じ日付のスナップショットから oracle のイメージに入れます。
SciPy (scipy.stats、scipy.special、scipy.linalg) は移植元のコードであり、何が役に立つかの
手がかりでもありますが、目標ではありません。R に対応するもののない関数は R と照合できないので、
優先しません。
| 分野 | 状況 |
|---|---|
| 特殊関数 | gamma、lgamma、beta、lbeta、choose、lchoose、factorial、lfactorial、digamma、trigamma、psigamma、besselI、besselK、besselJ、besselY と、R にはない erf、erfc、erfinv、erfcinv、gammainc、perm、R の C API の log1p 系の関数 log1pmx、lgamma1p、log1mexp、log1pexp を export |
| 分布 | R の stats にある 20 の分布すべて (スチューデント化された範囲を含む)、非心カイ二乗・t・F・ベータ分布、逆ガンマ・Kumaraswamy・Pareto・三角・Laplace (extraDistr)・逆正弦の d/p/q (lowerTail と logP 付き)。23 の分布の distSummary (ウィルコクソンの符号付き順位と順位和の分布、スチューデント化された範囲の分布を除く) |
| 乱数 | R の既定の Mersenne-Twister と set.seed() 互換の乱数列、RNGkind による "L'Ecuyer-CMRG" (parallel の nextRNGStream・nextRNGSubStream 付き) と sample.kind = "Rounding"、rmultinom を含む 26 の r* 関数 (R にない分布は extraDistr と同じ乱数列)、sample、sampleInt、r2dtable |
| 記述統計 | R の要約 (mean、variance、9 種類の quantile、rank、行列の cov/cor、table、cut、hist、ecdf、scale など) と e1071・DescTools のもの (skewness、kurtosis、geometricMean、modes、meanAD、cv) |
| 仮説検定 | R の htest の関数: tTest、chisqTest (シミュレーションによる p 値と 2 つの因子ベクトルを含む)、fisherTest (r × c とシミュレーションによる p 値を含む)、wilcoxTest、corTest、binomTest、poissonTest、propTest、mcnemarTest、varTest、bartlettTest、kruskalTest、friedmanTest、quadeTest、flignerTest、moodTest、onewayTest、shapiroTest、mantelhaenTest、ansariTest (信頼区間を含む)、ksTest、pairwise*、pAdjust。一元配置の aov、TukeyHSD、zTest (BSDA)、brunnerMunzelTest (lawstat) |
| 線形モデル | 行列で渡す lm と summary.lm の値、confint、predict。行列で渡す glm (R の stats のすべての族とリンク)、summary.glm、4 種類の残差、hatvalues、rstandard、cooks.distance、標準誤差つきの predict、プロファイル尤度の confint (厳密な限界)、anova。頑健な共分散: sandwich の vcovHC (HC0〜HC5) と vcovCL (一元と多元のクラスター、HC0〜HC3)、lmtest の coeftest と coefci。修正ポアソン回帰 (リスク比)、逆確率重み付けの後の重み付き回帰、差の差分析に使える |
| 分散分析 | formula で呼ぶ aov、lm、modelMatrix (多元、交互作用、共変量、Error() の層)、anova (逐次の表とモデルの比較)、car の Anova (Type II と III)、afex の aov_ez に当たる aovEz (反復測定、Greenhouse-Geisser と Huynh-Feldt、一般化 η²)、mauchly.test |
| 効果量と検出力 | effectsize の cohens_d、hedges_g、eta_squared、omega_squared、epsilon_squared (anova と Anova の表から。信頼区間は厳密な限界)、power.t.test、power.prop.test、power.anova.test と pwr の検出力の関数 |
| ほかの検定 | leveneTest (car)、propTrendTest (prop.trend.test)、jonckheereTest (DescTools と clinfun)、cochranQTest (DescTools)、adTest、lillieTest、cvmTest、sfTest、pearsonTest (nortest)。tTOST と tsumTOST (TOSTER: 1 標本・2 標本・対応のある標本の平均の同等性検定と最小効果検定、標準化平均差つき) |
| 分割表と比率 | binomCI、binomDiffCI、binomRatioCI (DescTools の BinomCI、BinomDiffCI、BinomRatioCI)、oddsRatio (epitools と epiR のスコア区間)、fisherTest(x, { midp: true }) (exact2x2)、boschlooTest (Exact)、gTest、stuartMaxwellTest、goodmanKruskalGamma (DescTools)、lblTest (coin)、chisqTest(x, { nMinus1: true }) (Campbell の N − 1 検定) と Freeman-Tukey 残差、tost (equivalence)、binomDiffEquivalenceTest (2 つの比率のスコア法の TOST) |
| 多重比較 | PMCMRplus の dscfAllPairsTest (Steel-Dwass)、kwAllPairsDunnTest、kwManyOneDunnTest、manyOneUTest (Steel の多対一の順位検定)、dunnettTest、gamesHowellTest、tukeyTest、dunnTest (dunn.test)、glhtDunnett (multcomp)。Dunnett 型の確率は厳密に計算する (R は乱数を使う) |
| 混合モデル | lme4 の lmer を lmer として (REML と ML。相関のある変量効果と相関のない変量効果 (x \| g)・(x \|\| g)、交差と入れ子の群 a/b・a:b)。fixef、vcov、coef(summary()) (p 値を除く)、VarCorr、ranef、fitted、residuals、logLik、AIC、BIC、deviance、REMLcrit、isSingular に当たる値。lmerTest の Satterthwaite の t 検定と F 検定 (summary、contest、Type I/II/III の anova) と、lme4 の複数の当てはめの anova。lme4 の glmer を glmer として (glm のすべての族、ラプラス近似と適応的 Gauss-Hermite 求積)、その summary・anova・predict (glmerSummary・glmerAnova・glmerPredict) と lmer の predict (lmerPredict)。Bates ら (2015) の論文から、疎なコレスキー分解で実装。推定値は基準の厳密な最適点 (lme4 はその手前で止まる)。独立した分野 @numero-uno-jpn/rstats/mixed (dist/mixed.js) にあり、全部入りのファイルには含めない |
| 生存時間解析 | survival パッケージの survdiff (log-rank と G-rho 族) と survfit (Kaplan-Meier。log・plain・log-log の信頼区間と中央値)、coxph (Cox 回帰。Efron と Breslow のタイ、重み、層、summary の検定、ロバスト分散と cluster) |
| 診断の精度と測定法の比較 | pROC の roc、auc (部分 AUC も)、ci.auc、roc.test、coords (DeLong の区間と検定、R の乱数列によるブートストラップ)。epiR の epi.tests (diagnosticTests)。BlandAltmanLeh の bland.altman.stats (blandAltman。一致限界の厳密な区間も)。mcr の mcreg (Deming 回帰、重み付き Deming 回帰、Passing-Bablok 回帰。解析的、ジャックナイフ、ブートストラップの区間) |
| 一致度と信頼性 | kappa2、kappamFleiss、icc (irr)、ICC (psych。Shrout と Fleiss の 6 つの形式)、cronbachAlpha、partialR (psych)、polychor、polyserial (polycor の 2 段階推定と最尤推定)、pbvnorm、omega (McDonald の ω。psych)。反復測定の計画の効果量 (Error() の層と aovEz) |
| 最適化 | factanal (最尤法、varimax と promax)、optim の 6 つの手法すべて (Nelder-Mead、BFGS、CG、L-BFGS-B、SANN、Brent。R と同じ反復。ただし CG は、R が中点を試すところで放物線の最小点を試すので、経路が R と違う) と optimHess |
| データの扱い | completeCases (complete.cases)、naOmit (na.omit)、subset、merge、データフレームの rbind・cbind、tapply、split、aggregate、pivotLonger と pivotWider (tidyr)。検定の formula 版 (tTest("y ~ g", data)、kruskalTest、friedmanTest("y ~ w \| b", data)、corTest("~ x + y", data) など) |
| 線形代数 | R の base の行列関数と、Matrix::lu、prcomp (stats)、MASS::ginv: 行列演算、crossprod、norm、backsolve、chol、qr (R のピボット選択と LAPACK)、solve、det、rcond、kappa、svd、eigen (対称と一般)、lu、prcomp、ginv、schur (Matrix::Schur) と expm (expm の Higham08、Padé、Taylor の方法) |
| 数値計算 | integrate、optimize、uniroot、approx、spline/splinefun/splinefunH、Lagrange (pracma) と Hermite の補間、固定刻みの ode (deSolve)、grad/jacobian/hessian (numDeriv) |
| jStat | jStat の全関数に置き換えがある (docs/ja/migrating-from-jstat.md)。jStat と照合済み |
一覧は README に、R との既知の違いは docs/ja/differences-from-r.md にあります。
優先するのは、医学・心理学の研究で正しい手法を使えることです。小標本で正確な方法と、p 値だけでなく効果の 指標とその信頼区間を出せることを重視します。この一覧は、医学・心理学の研究向けの統計ウェブアプリの手法と 照らし合わせて作りました (2026-11-06)。優先度の高い順です。括弧内は、各項目の照合先の R の関数またはパッケージです。
survfit の累積ハザード]。制限平均生存時間 [survRM2]。比例
ハザード性の検定 [cox.zph]。(start, stop] 形式の時間依存性変数 [coxph]。競合リスク: 累積発生率、Gray の
検定、Fine-Gray 回帰 [cmprsk]。加速故障時間モデルと Tobit モデル [survreg]。ph2simon]。照合先は項目に着手するときに決める。lmer と glmer の当てはめの confint (プロファイル尤度) と simulate [lme4]。
mixed の分野はパッケージのルートと全部入りの dist/rstats.js には含めない (2026-11-05 に決定)。後で含めても
互換性は崩れない。polr]、非線形回帰 [nls と自己開始モデル]、ロバスト回帰と
分位点回帰 [MASS rlm、quantreg]、GEE [geepack]。MANOVA [manova]、判別分析 [MASS lda]、正準相関
[cancor]。クラスタ分析 [hclust、kmeans]。多次元尺度法と対応分析 [cmdscale、MASS isoMDS、ca]。
Tamhane の T2 と Page の検定 [PMCMRplus]、Grubbs の検定 [outliers]。正則化回帰 [glmnet]。時系列 [acf、arima]。以前の項目 1 (頑健な標準誤差) と 2 (診断の正確度と測定の一致) は 1.3.0 で完了しました。それぞれの動作の文書
(oracle/robust-behaviour.md、oracle/roc-behaviour.md、
oracle/methodcomparison-behaviour.md) の「rStats.js’s choices」に記録した
とおり、次のものは含めていません: coxph のスコア残差と dfbeta 残差 (ロバスト分散のために計算するが、公開しない)。
pROC の Venkatraman の検定、部分 AUC の区間、平滑化した曲線、percent、座標・閾値・感度・特異度の区間 (ci.coords、
ci.thresholds、ci.se、ci.sp)、power.roc.test、多クラスの曲線。Youden 指数と NND (number needed to diagnose)
の区間。Bland-Altman の回帰に基づく一致限界と反復測定の一致限界 [照合先は SimplyAgree になる見込み]、片側の一致限界。
mcr の PaBaLarge (大きいデータ向けにビンにまとめる Passing-Bablok)、LinReg、WLinReg、PBequi、TS。欠測した
評価のある ICC。TOSTER の log_TOST、wilcox_TOST、boot_t_TOST と検出力の関数 (検出力は項目 2 に含める)。
速度: 当面の作業は完了。両方のパラメータが大きい不完全ベータ関数は Temme の一様漸近展開を使い (長さ √(a + b)
の連分数の代わりに定数時間)、一方のパラメータが大きく他方が小さいときは DiDonato と Morris の展開を使う (自由度が
大きい pt と pf、pbeta(x, 1e6, 10)、x が 0 または n に近い pbinom。最大 30 倍かかっていたのが、典型的な
pbeta 程度の時間になった)。主要な d/p 関数は、誤差の上界から不要と分かる double-double の処理を省く
(docs/ja/performance.md を参照)。残り: double-double のままの連分数。どちらの展開も
当てはまらないところ (a = 30、b = 20 のような中程度のパラメータ。そこでは連分数は短い。および遠い裾) では、
今も連分数を使う。
対象外: SciPy のうち R に対応するもののない部分 (scipy.special の大部分と、scipy.stats にしか
ない分布)。構造方程式モデル (lavaan。確認的因子分析とマルチレベル SEM を含む) も対象外です。それだけで 1 つの
ライブラリの規模があるためです。同じ理由で、項目反応理論 [mirt、ltm]、潜在クラス分析 [poLCA]、多重代入 [mice]、
混合正規分布モデル [mclust] も対象外です。分布のパラメータのベクトルとしてのリサイクル
(rnorm(3, mean = c(0, 10, 100))) も対象外です。map で R と同じ結果と乱数列が得られるためです
(docs/ja/differences-from-r.md を参照)。ほかの RNG の種類
(Wichmann-Hill、Marsaglia-Multicarry、Super-Duper、Knuth-TAOCP) と正規乱数の種類 (Kinderman-Ramberg、
Ahrens-Dieter、Box-Muller) も対象外です。古いコードの再現にしか使わないためです。
バンドラを使う利用者には import した関数だけが入るので (pnorm だけなら gzip 後 1.6 KB)、関数を
増やしても利用者の負担にはなりません。CDN 用には、分野ごとのファイル (dist/distributions.js、
dist/tests.js、dist/linalg.js、dist/descriptive.js、dist/numerics.js、dist/special.js、
dist/mixed.js) を esbuild のコード分割で作り (共通のコードは重複しない)、mixed 以外のすべてを含む
dist/rstats.js も残しています (混合モデルは大きいので、全部入りのファイルに含めません。2026-11-05 に決定)。
同じ分野はパッケージのサブパスとしても import できます (@numero-uno-jpn/rstats/linalg など)。
大きさは npm run size で確かめられます。npm に公開した後は、export 単位でバンドルする CDN
(?exports= を付けた esm.sh など) も選択肢になります。