スキップしてメイン コンテンツに移動

第91期ヒューリック杯棋聖戦 第1局観戦記?:着実な寄せと正確な受けで藤井七段先勝

先手が7五銀と銀を取った局面。後手玉はまだ詰めろではありませんが、2六の銀を含めると先手の攻め駒は足りており、このままでは先手の寄せをみるばかりの展開になりそうです。後手としてはここで先手玉に絡んでいきたいところ。
実戦は6五香と歩の裏から金取りに打ちました。しかし先手は手抜きで1五歩と叩き、同竜に「玉の腹から銀を打て」で2二銀と打ち、1三歩以下の詰めろをかけました。後手は受けが難しいとみて7九角と放り込んで詰ましにかかりました。正解手以外は頓死という局面も多かったのですが、先手は正確に後手の王手ラッシュをかいくぐりました。
  • 感想では、6五香では6七歩と叩く方が難しかったとの見解ですが、以下
    • 本譜同様1四歩・同竜・2二銀と詰めろをかけるのはやはり7九角と放り込まれ、以下
      • 同玉には6八歩成以下即詰みがあります。これは6五香と王手をかける筋があり、香を温存したことが活きています。
      • 9八玉には6八角成と金を取る手が1三歩以下の詰めろを消しており、こうなると先手の攻めが細く、後手優勢でしょう
      • ただし上記手順中2二銀では2一銀と王手を決める手があり、以下同玉・同金(1一飛までの詰めろ)・同玉に5二飛の詰めろ馬取りがあり、こうなると先手優勢でしょう。
    • 2一銀・同飛・同金・同玉・3一飛と攻めるのは、1二玉・3二金(2一飛成までの詰めろ)・1八竜・2一飛成・1三玉・1一竜・1二歩・2二竜・1四玉・1二竜・1三香・1五歩・同竜に「玉は下段に落とせ」で1三竜があり、以下同玉に1五銀が1四香までの詰めろになり、一方先手玉は詰まないので、こうなれば先手勝勢でしょう。この変化は、先手が後手の飛車を取ることで先手玉が詰まなくなっています。
  • 渡辺棋聖は、7九角で「敵の打ちたいところに打て」で1三歩と受ける手を考えたようですが、これには1五歩と竜を詰ます手が激痛で、以下6八香成・1四歩(1三歩成までの詰めろ)に6六角の強打はありますが、9八玉で先手玉は詰まず、この変化は先手勝勢でしょう。終盤で棒銀が輝いて見えます。

最後は、1四竜の王手に2四桂の逆王手で応じたところで後手が投了し、先手が勝ちました。

中盤で1四歩と取り込んでポイントを稼いだ後は慌てずにリードを広げ、最後は得意の終盤の正確さを攻守に発揮して勝ち切りました。


コメント

このブログの人気の投稿

研究ログ:ノンパラメトリックANCOVA

ノンパラメトリックANCOVAとは? 確率的順序で表される治療効果に対して共変量の平均値の差による回帰モデルを仮定して解析する手法。その回帰モデルでは,「共変量の平均値の差は0である」という制限を課した上で治療効果が推定される。この仮定はデータがランダム化臨床試験から得られたものという前提条件に由来する。 ノンパラメトリックANCOVAの利点 このモデルでは,確率的順序の推定値と共変量の標本平均の群間差を結合したベクトルに対し,「共変量の平均値の差が0」という射影行列を用いてモデル化する。このモデルさえ仮定すれば,確率的順序は重み付き最小二乗法を用いて推定される。このモデルに必要なのはデータがランダム化臨床試験から得られたという事実のみである。 ノンパラメトリックANCOVAの問題点 モデルは応答変数・共変量共に「平均値の差」を扱うものなので,個々の被験者の共変量に対する個々の被験者の応答の予測はできない。 また,この手法は層間・サブグループ間で治療効果の交互作用の存在を想定しておらず、またその評価も検討されていない。特に連続型共変量の場合,「平均値の差を扱う」モデルの性質上,「共変量の値(差ではない)によって治療効果が異なる」という説明が難しい 。 理論的側面としては,検定・信頼区間はWald型なので,データの状況次第(サンプルサイズが小さい,確率的順序が0または1に近い)では信頼区間の限界値が0または1を超える場合がある。 参考文献  Kawaguchi A, Koch G, Wang X (2011), Stratified Multivariate Mann-Whitney Estimators for the Comparison of Two Treatments with Randomization Based Covariance Adjustment. Statistics in Biopharmaceutical Research, 3(2), 217-231

用量探索試験と私 #7:いよいよ登場MCP-Mod

MCP-Mod概略 いよいよ本題です。 MCP-Modの原著は2005年公開。その名の通り「多重比較(MCP)」と「用量反応関係のモデル化(Mod)」の2部構成で, あらかじめ代表的な用量反応関係モデル候補を決めておく 個々のモデルにいくつかの初期値を与え,各モデルにフィットするような用量群の平均パラメータについての対比を決める 2で決めた対比を,多重性を調整して同時に検定する 3で有意差のあった対比に対応する用量反応関係モデルの中で当てはまりが最もよい(AICが小さい)ものを用量反応関係モデルに採用する という手順になっています。 biomデータに適用 早速実演ですが,話を簡単にするために,用量反応関係モデル候補は以下の3つにしました。 線形モデル(単調増加) Emaxモデル(ある用量でプラトー) 2次関数(Downturn) 対比検定 (片側)検定結果は以下の通り 線形モデル:p=0.0034 Emaxモデル:p≺0.0001 2次関数:p=1.0000 従って,2次関数モデルはここで脱落し,線形モデルとEmaxモデルの選択になります。 AICによる選択 AICは以下の通り 線形モデル:7.5549 Emaxモデル:6.2981 従って,biomデータが 上記3つのモデル候補の中で もっともよく当てはまるのはEmaxモデルとなります。 グラフにすると… このグラフを見て臨床用量候補を決めろと言われれば… Emax曲線が見た目プラトーになっているのは用量0.4以降 用量1でのEmax曲線の95%信頼区間幅が用量0.6よりやや広いのが気になる 臨床用量候補には0.6を選ぶのが無難 結局これまでと一緒か…。  その頃私は:ざわざわ… 学位取得はうまく行かない一方で今の妻との交際は順調,2007年に結婚。こんな私でも結婚できるんですね~。さらに,その翌年の元日には長男誕生。 プライベートはまさしく順調という感じに進んだ時期でしたが,仕事はかなり荒れ気味に。人に仕事を振れない,「人をリードする仕事」があることを知らない,といった点は私の問題でしたね。 でもそれはそれで学ぶことの多かった時期でもあり,私にとってはやはり必要な時期だったのでしょう。 ただし会...

用量探索試験と私 #4:最大対比法

「対比」の評価の拡張:最大対比法 対比較によるMEDの「検定」の問題点が指摘されていた1990年代中~後半、最大対比法という方法論が提唱され始めました。 対比の概念自体は当時も既存のものでしたが,複数の対比を同時に検討するのが新しい点。それに伴う多重性への対応が問題でしたが,データのリサンプリングにより同時分布をシミュレートするという,最も単純な,しかしコンピュータの性能を最大限活かしたアプローチで見事解決。背景にはSASのMULTTESTプロシジャのリリースがあったようですが,当時私はすごく感動を覚えていたように思います。 最大対比法の特徴を改めて考えると, Dunnett法等の多重比較手法も網羅している 検定結果は「用量間で応答分布に差がない」という帰無仮説を棄却できるかどうかの判断根拠 あとは当てはまりの良さそうな対比を選び,それに基づき臨床用量候補を選び出すだけ といった所でしょうか。かなりモザイク模様ではありますがDR推定問題も考慮している点で実用的な手法だと思います。 Rによる最大対比法 今回の解析は全てRを用いたものです。Rでもリサンプリング法を実装するmulttestパッケージがかつては存在しましたが,今はリタイアしているらしい。今はmultcompという別のパッケージで実装するよりなさそうですが,このパッケージではリサンプリングではなく理論的な多変量分布を用いて複数対比の評価を行います。 biomデータの解析結果 結果は以下の通り。 比較 対比 調整P値 0.05でプラトー (-4,1,1,1,1) 0.017 0.2でプラトー (-7,-2,3,3,3) 0.0019 0.6でプラトー (-9,-4,1,6,6) 0.0013 線形 (-2,-1,0,1,2) 0.0014 1で降下 (-8,-3,2,7,2) 0.0022 対比の設定については議論の余地があるものの,この結果から分かることは, P値は全て2.5%より小さいので,有意水準を片側2.5%とすれば,プラセボに比して実薬が有効であろうことは推察できる。 もっともP値が小さいのは「0.6でプラトー」なので,この結果から選ぶ臨床用量候補としては0.6と1ということになる ただし「線形」対比もP値としては近いので,用量1...