仮説検定入門

仮説検定は、帰無仮説を棄却するのに十分な証拠があるかどうかを判断するための統計的手法です。

帰無仮説と対立仮説

仮説検定では、次のように考えます。

• 帰無仮説（H₀）は、効果や差がないと仮定します。
• 対立仮説（H₁）は、効果や差があることを示します。

t検定の実行

t検定では、2つのグループの平均値に統計的に有意な差があるかどうかを確認します。

data1 <- c(5.1, 6.2, 5.8, 6.5, 5.9)
data2 <- c(7.0, 6.8, 7.5, 7.1, 6.9)
t.test(data1, data2)

p値の解釈

p値は、H₀を棄却するかどうかの判断に役立ちます。

• p値が0.05未満の場合は、H₀を棄却します（有意な結果）。
• p値が0.05を超える場合は、H₀を棄却できません（有意ではありません）。

カイ二乗検定

カイ二乗検定では、カテゴリ変数が独立しているかどうかを確認します。

observed <- matrix(c(20, 30, 50, 40), nrow=2)
chisq.test(observed)

ANOVA検定

ANOVAでは、複数のグループ間で平均値を比較します。

group1 <- c(5.1, 6.2, 5.8)
group2 <- c(7.0, 6.8, 7.5)
group3 <- c(4.9, 5.5, 5.2)
data <- data.frame(value = c(group1, group2, group3), 
                   group = rep(c('A', 'B', 'C'), each=3))
aov_test <- aov(value ~ group, data = data)
summary(aov_test)

効果量

効果量は結果の強さを測定し、実質的な有意性を判断するのに役立ちます。

仮説検定の限界

仮説検定は一定の仮定に基づいており、サンプルサイズやデータの品質の影響を受けることがあります。

まとめ

このレッスンでは、次のことを学びました。

• 仮説検定の実行方法
• t検定、カイ二乗検定、ANOVAの使用方法
• p値と効果量の重要性