Rのフィッシャーテスト

次のデータセットがあるとします。

                Men    Women    
Dieting         10      30
Non-dieting     5       60

私がフィッシャーの正確検定をRで実行する場合、何をalternative = greater（またはそれ以下）意味しますか？例えば：

mat = matrix(c(10,5,30,60), 2,2)
fisher.test(mat, alternative="greater")

私が得るp-value = 0.01588とodds ratio = 3.943534。また、次のように分割表の行を反転すると、

mat = matrix(c(5,10,60,30), 2, 2)
fisher.test(mat, alternative="greater")

その後、私が得るp-value = 0.9967とodds ratio = 0.2535796。しかし、代替引数なしで2つの分割表（つまり、fisher.test(mat)）を実行すると、が得られますp-value = 0.02063。

1. その理由を教えていただけませんか。
2. また、上記の場合の帰無仮説と対立仮説は何ですか？

3. 次のような分割表でフィッシャーテストを実行できますか？

   mat = matrix(c(5000,10000,69999,39999), 2, 2)

PS：私は統計学者ではありません。私はあなたの助け（簡単な英語での回答）が高く評価されるように統計を学ぼうとしています。

greater（またはless）は、帰無仮説を比較片側検定を指すp1=p2代替にp1>p2（又はp1<p2）。対照的に、両側検定は、帰無仮説をにp1等しくない 対立仮説と比較しますp2。

テーブルの場合、男性のダイエットの比率は、サンプルの1/4 = 0.25（40のうち10）です。一方、男性である非ダイエターの割合は、1/13、またはサンプルの0.077に等しい（65のうちの5）。したがって、の推定値p1は0.25で、の推定値p2は0.077です。したがって、それはそうです p1>p2。

これが、片側代替p1>p2のp値が0.01588である理由です。（p値が小さいと、帰無仮説は起こりにくく、対立仮説はありそうです。）

代替案がある場合、p1<p2違いが間違っている（または予期しない）方向であることをデータが示していることがわかります。

そのため、この場合、p値は0.9967と非常に高くなります。両側代替の場合、p値は片側代替の場合よりも少し高くなるはずですp1>p2。そして、確かに、それは0.02063に等しいp値を持ちます。