2014年度秋学期 統計学 第14回 分布についての仮説を検証する ―...
TRANSCRIPT
![Page 1: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/1.jpg)
A. A
sano
, Kan
sai U
niv.
2014年度秋学期 統計学
浅野 晃 関西大学総合情報学部
分布についての仮説を検証する ― 検定
第14回
![Page 2: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/2.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 3: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/3.jpg)
A. A
sano
, Kan
sai U
niv.
仮説検定
![Page 4: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/4.jpg)
A. A
sano
, Kan
sai U
niv.
仮説検定の考え方は,単純
![Page 5: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/5.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじのあたり確率
「夏祭り,夜店のくじに当たりなし 露天商の男を逮捕」 (朝日新聞大阪版2013年7月29日)
![Page 6: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/6.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじのあたり確率
「夏祭り,夜店のくじに当たりなし 露天商の男を逮捕」 (朝日新聞大阪版2013年7月29日)
「1万円以上をつぎ込んだ男性が不審に思い、府警に相談。28日に露店を家宅捜索し、 当たりがないことを確認した」
![Page 7: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/7.jpg)
2014
A. A
sano
, Kan
sai U
niv.
半分当たるというくじへの疑問「半分の確率で当たる」というくじを 10回ひいても,1回も当たらなかった
http://epshop.net/epkyoto/7.1/15001/
(新井式回転抽選器)
![Page 8: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/8.jpg)
2014
A. A
sano
, Kan
sai U
niv.
半分当たるというくじへの疑問「半分の確率で当たる」というくじを 10回ひいても,1回も当たらなかった
運が悪いのか?
http://epshop.net/epkyoto/7.1/15001/
(新井式回転抽選器)
![Page 9: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/9.jpg)
2014
A. A
sano
, Kan
sai U
niv.
半分当たるというくじへの疑問「半分の確率で当たる」というくじを 10回ひいても,1回も当たらなかった
運が悪いのか?
それとも 「半分の確率で当たる」というのがウソか?
http://epshop.net/epkyoto/7.1/15001/
(新井式回転抽選器)
![Page 10: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/10.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える警察みたいに全部のくじを調べられないなら,
![Page 11: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/11.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える警察みたいに全部のくじを調べられないなら,
仮に,本当に「確率1/2で当たる」とする
![Page 12: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/12.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える警察みたいに全部のくじを調べられないなら,
仮に,本当に「確率1/2で当たる」とする
そのとき,10回ひいて1回も当たらない確率は,(1/2)10=1/1024
![Page 13: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/13.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える本当に「確率1/2で当たる」なら,10回ひいて1回も当たらない確率は 1/1024(約0.001)
![Page 14: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/14.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える本当に「確率1/2で当たる」なら,10回ひいて1回も当たらない確率は 1/1024(約0.001)
それでも「確率1/2で当たる」を信じるのは,
![Page 15: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/15.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える本当に「確率1/2で当たる」なら,10回ひいて1回も当たらない確率は 1/1024(約0.001)
それでも「確率1/2で当たる」を信じるのは,
確率0.001でしか起きないことが, いま目の前で起きていると信じるのと同じ
![Page 16: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/16.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える確率0.001でしか起きないことが, いま目の前で起きていると信じる
![Page 17: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/17.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える確率0.001でしか起きないことが, いま目の前で起きていると信じる
そりゃちょっと無理がありませんか?
![Page 18: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/18.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える確率0.001でしか起きないことが, いま目の前で起きていると信じる
そりゃちょっと無理がありませんか?というわけで, 「確率1/2で当たる」はウソ,と 考えるほうが自然
![Page 19: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/19.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こう考える確率0.001でしか起きないことが, いま目の前で起きていると信じる
そりゃちょっと無理がありませんか?というわけで, 「確率1/2で当たる」はウソ,と 考えるほうが自然 これが[仮説検定]
![Page 20: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/20.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 21: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/21.jpg)
A. A
sano
, Kan
sai U
niv.
区間推定から導かれる仮説検定
![Page 22: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/22.jpg)
2014
A. A
sano
, Kan
sai U
niv.
正規分布の場合の区間推定標本X1, ... Xnをとりだす サイズn
母集団
母平均μ 母平均μの95%信頼区間が 知りたい正規分布
と仮定する
母分散σ2がわかっているものとする(説明の都合です)
標本平均 X
![Page 23: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/23.jpg)
2014
A. A
sano
, Kan
sai U
niv.
正規分布の場合の区間推定考え方標本は,母集団分布と同じ確率分布にしたがう
正規分布N(μ, σ2)
標本平均は,やはり正規分布にしたがうが,分散が1/nになる 正規分布N(μ, σ2/n)[性質2]
正規分布の[性質1]により
いまから推定する母平均を µとし,母分散(こちらはすでにわかっているものとされています)を σ2
とします。そうすると,母集団分布は平均 µ,分散 σ2の正規分布,すなわちN(µ,σ2)となります。このとき,標本は無作為抽出されていますから,標本は確率変数で,母集団分布と同じ確率分布にしたがいます。すなわち,n人からなる標本のそれぞれの確率分布もまたN(µ,σ2)です。
このとき,標本平均 X̄ は,n人からなる標本をX1, . . . , Xn で表すと,(X1 + · · · + Xn)/nで表されます。
ここで,第11回の講義で述べた「正規分布の性質2(正規分布の再生性)」,すなわち
X1, ..., Xn が独立で,いずれも正規分布 N(µ,σ2)にしたがうならば,それらの平均 (X1 +
...+Xn)/nはN(µ,σ2/n)にしたがう
を用いると,n人からなる標本はこの性質の X1, ..., Xn にあてはまっていますから,「標本平均 X̄ はN(µ,σ2/n)にしたがう」ことがわかります。
さらに,Z =
X̄ − µ!σ2/n
(1)
という値を計算すると,第11回の講義で述べた「正規分布の性質1」から,Zは標準正規分布N(0, 1)
にしたがうことがわかります。
そこで,「Z が入っている確率が 95%である区間」はどういうものか考えてみましょう。第5回の講義の「連続型確率分布」のところで説明したように,Z がある区間に入る確率は,標準正規分布の確率密度関数のグラフの下の,その区間に対応する部分の面積になります。この部分の面積が全体の 95%になるように,左右対称に Z の区間をとることにし,図 3(a)のように表します。このときの Z の区間の両端を−uと uとすると,Z がこの区間に入る確率すなわち P (−u ! Z ! u) = 0.95となります。このとき,図 3(b)のように,P (Z " u) = 0.025となります。P (Z " u) = 0.025となる uは,正規分布の数表から求めることができます。数表によると,u = 1.96のとき,P (Z " 1.96) = 0.024998 ≃ 0.025であることがわかります。すなわち,P (−1.96 ! Z ! 1.96) = 0.95ということがわかります。
ところで,(1)式の関係を P (−1.96 ! Z ! 1.96) = 0.95に用いると,
P (−1.96 ! X̄ − µ!σ2/n
! 1.96) = 0.95 (2)
という関係があることがわかります。ここで,今知りたいのは母集団の平均 µの範囲ですから,(2)式を µの範囲に書き換えると
P (X̄ − 1.96!
σ2/n ! µ ! X̄ + 1.96!
σ2/n) = 0.95 (3)
という関係が得られます。この範囲が,µの 95%信頼区間となります。この問題では,標本平均 X̄ = 50,母集団の分散 σ2 = 25ですから,これらの数値を (3)式に入れると,求める 95%信頼区間は「46.9以上53.1以下」となります。「46.9以上 53.1以下」という区間を,数学では [46.9, 53.1]と書きます。
「95%信頼区間」の真の意味
前節で,母平均µの区間推定の結果を「求める 95%信頼区間は『46.9以上 53.1以下』」と書き,P (46.9 !µ ! 53.1)とは書きませんでした。それは,この書き方は間違いだからです。
浅野 晃/統計学(2013 年度秋学期) 第12回 (2013. 12. 12) http://racco.mikeneko.jp/ 3/5 ページ
は標準正規分布にしたがうN(0, 1)
![Page 24: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/24.jpg)
2014
A. A
sano
, Kan
sai U
niv.
正規分布の場合の区間推定考え方標本は,母集団分布と同じ確率分布にしたがう
正規分布N(μ, σ2)
標本平均は,やはり正規分布にしたがうが,分散が1/nになる 正規分布N(μ, σ2/n)[性質2]
正規分布の[性質1]により
X
いまから推定する母平均を µとし,母分散(こちらはすでにわかっているものとされています)を σ2
とします。そうすると,母集団分布は平均 µ,分散 σ2の正規分布,すなわちN(µ,σ2)となります。このとき,標本は無作為抽出されていますから,標本は確率変数で,母集団分布と同じ確率分布にしたがいます。すなわち,n人からなる標本のそれぞれの確率分布もまたN(µ,σ2)です。
このとき,標本平均 X̄ は,n人からなる標本をX1, . . . , Xn で表すと,(X1 + · · · + Xn)/nで表されます。
ここで,第11回の講義で述べた「正規分布の性質2(正規分布の再生性)」,すなわち
X1, ..., Xn が独立で,いずれも正規分布 N(µ,σ2)にしたがうならば,それらの平均 (X1 +
...+Xn)/nはN(µ,σ2/n)にしたがう
を用いると,n人からなる標本はこの性質の X1, ..., Xn にあてはまっていますから,「標本平均 X̄ はN(µ,σ2/n)にしたがう」ことがわかります。
さらに,Z =
X̄ − µ!σ2/n
(1)
という値を計算すると,第11回の講義で述べた「正規分布の性質1」から,Zは標準正規分布N(0, 1)
にしたがうことがわかります。
そこで,「Z が入っている確率が 95%である区間」はどういうものか考えてみましょう。第5回の講義の「連続型確率分布」のところで説明したように,Z がある区間に入る確率は,標準正規分布の確率密度関数のグラフの下の,その区間に対応する部分の面積になります。この部分の面積が全体の 95%になるように,左右対称に Z の区間をとることにし,図 3(a)のように表します。このときの Z の区間の両端を−uと uとすると,Z がこの区間に入る確率すなわち P (−u ! Z ! u) = 0.95となります。このとき,図 3(b)のように,P (Z " u) = 0.025となります。P (Z " u) = 0.025となる uは,正規分布の数表から求めることができます。数表によると,u = 1.96のとき,P (Z " 1.96) = 0.024998 ≃ 0.025であることがわかります。すなわち,P (−1.96 ! Z ! 1.96) = 0.95ということがわかります。
ところで,(1)式の関係を P (−1.96 ! Z ! 1.96) = 0.95に用いると,
P (−1.96 ! X̄ − µ!σ2/n
! 1.96) = 0.95 (2)
という関係があることがわかります。ここで,今知りたいのは母集団の平均 µの範囲ですから,(2)式を µの範囲に書き換えると
P (X̄ − 1.96!
σ2/n ! µ ! X̄ + 1.96!
σ2/n) = 0.95 (3)
という関係が得られます。この範囲が,µの 95%信頼区間となります。この問題では,標本平均 X̄ = 50,母集団の分散 σ2 = 25ですから,これらの数値を (3)式に入れると,求める 95%信頼区間は「46.9以上53.1以下」となります。「46.9以上 53.1以下」という区間を,数学では [46.9, 53.1]と書きます。
「95%信頼区間」の真の意味
前節で,母平均µの区間推定の結果を「求める 95%信頼区間は『46.9以上 53.1以下』」と書き,P (46.9 !µ ! 53.1)とは書きませんでした。それは,この書き方は間違いだからです。
浅野 晃/統計学(2013 年度秋学期) 第12回 (2013. 12. 12) http://racco.mikeneko.jp/ 3/5 ページ
は標準正規分布にしたがうN(0, 1)
![Page 25: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/25.jpg)
2014
A. A
sano
, Kan
sai U
niv.
正規分布の場合の区間推定考え方標本は,母集団分布と同じ確率分布にしたがう
正規分布N(μ, σ2)
標本平均は,やはり正規分布にしたがうが,分散が1/nになる 正規分布N(μ, σ2/n)[性質2]
正規分布の[性質1]により
X
いまから推定する母平均を µとし,母分散(こちらはすでにわかっているものとされています)を σ2
とします。そうすると,母集団分布は平均 µ,分散 σ2の正規分布,すなわちN(µ,σ2)となります。このとき,標本は無作為抽出されていますから,標本は確率変数で,母集団分布と同じ確率分布にしたがいます。すなわち,n人からなる標本のそれぞれの確率分布もまたN(µ,σ2)です。
このとき,標本平均 X̄ は,n人からなる標本をX1, . . . , Xn で表すと,(X1 + · · · + Xn)/nで表されます。
ここで,第11回の講義で述べた「正規分布の性質2(正規分布の再生性)」,すなわち
X1, ..., Xn が独立で,いずれも正規分布 N(µ,σ2)にしたがうならば,それらの平均 (X1 +
...+Xn)/nはN(µ,σ2/n)にしたがう
を用いると,n人からなる標本はこの性質の X1, ..., Xn にあてはまっていますから,「標本平均 X̄ はN(µ,σ2/n)にしたがう」ことがわかります。
さらに,Z =
X̄ − µ!σ2/n
(1)
という値を計算すると,第11回の講義で述べた「正規分布の性質1」から,Zは標準正規分布N(0, 1)
にしたがうことがわかります。
そこで,「Z が入っている確率が 95%である区間」はどういうものか考えてみましょう。第5回の講義の「連続型確率分布」のところで説明したように,Z がある区間に入る確率は,標準正規分布の確率密度関数のグラフの下の,その区間に対応する部分の面積になります。この部分の面積が全体の 95%になるように,左右対称に Z の区間をとることにし,図 3(a)のように表します。このときの Z の区間の両端を−uと uとすると,Z がこの区間に入る確率すなわち P (−u ! Z ! u) = 0.95となります。このとき,図 3(b)のように,P (Z " u) = 0.025となります。P (Z " u) = 0.025となる uは,正規分布の数表から求めることができます。数表によると,u = 1.96のとき,P (Z " 1.96) = 0.024998 ≃ 0.025であることがわかります。すなわち,P (−1.96 ! Z ! 1.96) = 0.95ということがわかります。
ところで,(1)式の関係を P (−1.96 ! Z ! 1.96) = 0.95に用いると,
P (−1.96 ! X̄ − µ!σ2/n
! 1.96) = 0.95 (2)
という関係があることがわかります。ここで,今知りたいのは母集団の平均 µの範囲ですから,(2)式を µの範囲に書き換えると
P (X̄ − 1.96!
σ2/n ! µ ! X̄ + 1.96!
σ2/n) = 0.95 (3)
という関係が得られます。この範囲が,µの 95%信頼区間となります。この問題では,標本平均 X̄ = 50,母集団の分散 σ2 = 25ですから,これらの数値を (3)式に入れると,求める 95%信頼区間は「46.9以上53.1以下」となります。「46.9以上 53.1以下」という区間を,数学では [46.9, 53.1]と書きます。
「95%信頼区間」の真の意味
前節で,母平均µの区間推定の結果を「求める 95%信頼区間は『46.9以上 53.1以下』」と書き,P (46.9 !µ ! 53.1)とは書きませんでした。それは,この書き方は間違いだからです。
浅野 晃/統計学(2013 年度秋学期) 第12回 (2013. 12. 12) http://racco.mikeneko.jp/ 3/5 ページ
は標準正規分布にしたがうN(0, 1)
![Page 26: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/26.jpg)
2014
A. A
sano
, Kan
sai U
niv.
正規分布の場合の区間推定考え方標本は,母集団分布と同じ確率分布にしたがう
正規分布N(μ, σ2)
標本平均は,やはり正規分布にしたがうが,分散が1/nになる 正規分布N(μ, σ2/n)[性質2]
正規分布の[性質1]により
X
いまから推定する母平均を µとし,母分散(こちらはすでにわかっているものとされています)を σ2
とします。そうすると,母集団分布は平均 µ,分散 σ2の正規分布,すなわちN(µ,σ2)となります。このとき,標本は無作為抽出されていますから,標本は確率変数で,母集団分布と同じ確率分布にしたがいます。すなわち,n人からなる標本のそれぞれの確率分布もまたN(µ,σ2)です。
このとき,標本平均 X̄ は,n人からなる標本をX1, . . . , Xn で表すと,(X1 + · · · + Xn)/nで表されます。
ここで,第11回の講義で述べた「正規分布の性質2(正規分布の再生性)」,すなわち
X1, ..., Xn が独立で,いずれも正規分布 N(µ,σ2)にしたがうならば,それらの平均 (X1 +
...+Xn)/nはN(µ,σ2/n)にしたがう
を用いると,n人からなる標本はこの性質の X1, ..., Xn にあてはまっていますから,「標本平均 X̄ はN(µ,σ2/n)にしたがう」ことがわかります。
さらに,Z =
X̄ − µ!σ2/n
(1)
という値を計算すると,第11回の講義で述べた「正規分布の性質1」から,Zは標準正規分布N(0, 1)
にしたがうことがわかります。
そこで,「Z が入っている確率が 95%である区間」はどういうものか考えてみましょう。第5回の講義の「連続型確率分布」のところで説明したように,Z がある区間に入る確率は,標準正規分布の確率密度関数のグラフの下の,その区間に対応する部分の面積になります。この部分の面積が全体の 95%になるように,左右対称に Z の区間をとることにし,図 3(a)のように表します。このときの Z の区間の両端を−uと uとすると,Z がこの区間に入る確率すなわち P (−u ! Z ! u) = 0.95となります。このとき,図 3(b)のように,P (Z " u) = 0.025となります。P (Z " u) = 0.025となる uは,正規分布の数表から求めることができます。数表によると,u = 1.96のとき,P (Z " 1.96) = 0.024998 ≃ 0.025であることがわかります。すなわち,P (−1.96 ! Z ! 1.96) = 0.95ということがわかります。
ところで,(1)式の関係を P (−1.96 ! Z ! 1.96) = 0.95に用いると,
P (−1.96 ! X̄ − µ!σ2/n
! 1.96) = 0.95 (2)
という関係があることがわかります。ここで,今知りたいのは母集団の平均 µの範囲ですから,(2)式を µの範囲に書き換えると
P (X̄ − 1.96!
σ2/n ! µ ! X̄ + 1.96!
σ2/n) = 0.95 (3)
という関係が得られます。この範囲が,µの 95%信頼区間となります。この問題では,標本平均 X̄ = 50,母集団の分散 σ2 = 25ですから,これらの数値を (3)式に入れると,求める 95%信頼区間は「46.9以上53.1以下」となります。「46.9以上 53.1以下」という区間を,数学では [46.9, 53.1]と書きます。
「95%信頼区間」の真の意味
前節で,母平均µの区間推定の結果を「求める 95%信頼区間は『46.9以上 53.1以下』」と書き,P (46.9 !µ ! 53.1)とは書きませんでした。それは,この書き方は間違いだからです。
浅野 晃/統計学(2013 年度秋学期) 第12回 (2013. 12. 12) http://racco.mikeneko.jp/ 3/5 ページ
は標準正規分布にしたがうN(0, 1)
![Page 27: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/27.jpg)
2014
A. A
sano
, Kan
sai U
niv.
正規分布の場合の区間推定考え方標本は,母集団分布と同じ確率分布にしたがう
正規分布N(μ, σ2)
標本平均は,やはり正規分布にしたがうが,分散が1/nになる 正規分布N(μ, σ2/n)[性質2]
正規分布の[性質1]により
X
いまから推定する母平均を µとし,母分散(こちらはすでにわかっているものとされています)を σ2
とします。そうすると,母集団分布は平均 µ,分散 σ2の正規分布,すなわちN(µ,σ2)となります。このとき,標本は無作為抽出されていますから,標本は確率変数で,母集団分布と同じ確率分布にしたがいます。すなわち,n人からなる標本のそれぞれの確率分布もまたN(µ,σ2)です。
このとき,標本平均 X̄ は,n人からなる標本をX1, . . . , Xn で表すと,(X1 + · · · + Xn)/nで表されます。
ここで,第11回の講義で述べた「正規分布の性質2(正規分布の再生性)」,すなわち
X1, ..., Xn が独立で,いずれも正規分布 N(µ,σ2)にしたがうならば,それらの平均 (X1 +
...+Xn)/nはN(µ,σ2/n)にしたがう
を用いると,n人からなる標本はこの性質の X1, ..., Xn にあてはまっていますから,「標本平均 X̄ はN(µ,σ2/n)にしたがう」ことがわかります。
さらに,Z =
X̄ − µ!σ2/n
(1)
という値を計算すると,第11回の講義で述べた「正規分布の性質1」から,Zは標準正規分布N(0, 1)
にしたがうことがわかります。
そこで,「Z が入っている確率が 95%である区間」はどういうものか考えてみましょう。第5回の講義の「連続型確率分布」のところで説明したように,Z がある区間に入る確率は,標準正規分布の確率密度関数のグラフの下の,その区間に対応する部分の面積になります。この部分の面積が全体の 95%になるように,左右対称に Z の区間をとることにし,図 3(a)のように表します。このときの Z の区間の両端を−uと uとすると,Z がこの区間に入る確率すなわち P (−u ! Z ! u) = 0.95となります。このとき,図 3(b)のように,P (Z " u) = 0.025となります。P (Z " u) = 0.025となる uは,正規分布の数表から求めることができます。数表によると,u = 1.96のとき,P (Z " 1.96) = 0.024998 ≃ 0.025であることがわかります。すなわち,P (−1.96 ! Z ! 1.96) = 0.95ということがわかります。
ところで,(1)式の関係を P (−1.96 ! Z ! 1.96) = 0.95に用いると,
P (−1.96 ! X̄ − µ!σ2/n
! 1.96) = 0.95 (2)
という関係があることがわかります。ここで,今知りたいのは母集団の平均 µの範囲ですから,(2)式を µの範囲に書き換えると
P (X̄ − 1.96!
σ2/n ! µ ! X̄ + 1.96!
σ2/n) = 0.95 (3)
という関係が得られます。この範囲が,µの 95%信頼区間となります。この問題では,標本平均 X̄ = 50,母集団の分散 σ2 = 25ですから,これらの数値を (3)式に入れると,求める 95%信頼区間は「46.9以上53.1以下」となります。「46.9以上 53.1以下」という区間を,数学では [46.9, 53.1]と書きます。
「95%信頼区間」の真の意味
前節で,母平均µの区間推定の結果を「求める 95%信頼区間は『46.9以上 53.1以下』」と書き,P (46.9 !µ ! 53.1)とは書きませんでした。それは,この書き方は間違いだからです。
浅野 晃/統計学(2013 年度秋学期) 第12回 (2013. 12. 12) http://racco.mikeneko.jp/ 3/5 ページ
は標準正規分布にしたがうN(0, 1)
![Page 28: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/28.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この例題は標本X1, ... Xnをとりだす サイズn母集団
(受験者全体)
母平均μ 母平均μの95%信頼区間が 知りたい正規分布
と仮定する
標本平均 X
![Page 29: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/29.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この例題は標本X1, ... Xnをとりだす サイズn母集団
(受験者全体)
母平均μ 母平均μの95%信頼区間が 知りたい正規分布
と仮定する
母分散σ2がわか
標本平均 X
![Page 30: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/30.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この例題は標本X1, ... Xnをとりだす サイズn母集団
(受験者全体)
母平均μ 母平均μの95%信頼区間が 知りたい正規分布
と仮定する
母分散σ2がわか
標本平均 X
らないので,
![Page 31: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/31.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この例題は標本X1, ... Xnをとりだす サイズn母集団
(受験者全体)
母平均μ 母平均μの95%信頼区間が 知りたい正規分布
と仮定する
母分散σ2がわか
標本平均 X
らないので,不偏分散s2で代用
![Page 32: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/32.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t分布
は
t(n-1)
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
自由度(n-1)のt分布にしたがう
t統計量
(「スチューデントのt分布」という)発見者ウィリアム・ゴセットのペンネーム
![Page 33: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/33.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
t分布を用いた区間推定
この区間に入っている確率=95%とすると
は自由度(n-1)のt分布にしたがう
t(n-1)の 確率密度関数
が
面積=95%
境界の値はいくら?
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t(n-1)
![Page 34: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/34.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
t0
t分布を用いた区間推定面積=95%
面積=2.5% (左右で5%)
境界の値は自由度によってちがうのでt0.025(n-1)としておく[上側2.5%点]という
![Page 35: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/35.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
t分布を用いた区間推定
この区間に入っている確率=95%が
面積=95%
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 36: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/36.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t分布を用いた区間推定
式で書くと
が -t0.025(n-1) と t0.025(n-1) の間に入っている確率が95%
μの式に直すと
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
![Page 37: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/37.jpg)
2014
A. A
sano
, Kan
sai U
niv.
前回のプリントの例題
μの95% 信頼区間の 下限
μの95% 信頼区間の 上限
標本平均=50 不偏分散=25 標本サイズ=10
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
t0.025(10-1)=2.262
![Page 38: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/38.jpg)
2014
A. A
sano
, Kan
sai U
niv.
前回のプリントの例題
μの95% 信頼区間の 下限
μの95% 信頼区間の 上限
標本平均=50 不偏分散=25 標本サイズ=10
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
t0.025(10-1)=2.262
で,信頼区間を求めるのは, 今日の本題ではありません。
![Page 39: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/39.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 40: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/40.jpg)
A. A
sano
, Kan
sai U
niv.
区間推定と検定
![Page 41: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/41.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
t分布を用いた区間推定
この区間に入っている確率=95%が
面積=95%
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 42: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/42.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この式の意味は(t統計量)が -t0.025(n-1) と t0.025(n-1) の間に入っている確率が95%
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
![Page 43: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/43.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この式の意味は
式で書くと
(t統計量)が -t0.025(n-1) と t0.025(n-1) の間に入っている確率が95%
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
![Page 44: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/44.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この式の意味は
式で書くと
(t統計量)が -t0.025(n-1) と t0.025(n-1) の間に入っている確率が95%
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
![Page 45: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/45.jpg)
2014
A. A
sano
, Kan
sai U
niv.
この式の意味は
式で書くと
(t統計量)が -t0.025(n-1) と t0.025(n-1) の間に入っている確率が95%
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
t統計量が -t0.025(n-1) と t0.025(n-1) の間に入っている, という記述は,確率95%で当たっている
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
![Page 46: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/46.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
見方を変えてみると
面積=95%
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 47: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/47.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
見方を変えてみると
面積=95%
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 48: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/48.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
見方を変えてみると
この区間に入っていない確率=5%が
面積=95%
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 49: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/49.jpg)
2014
A. A
sano
, Kan
sai U
niv.
見方を変えてみると
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
t統計量が -t0.025(n-1) と t0.025(n-1) の間に入っている,という記述は, 確率95%で当たっている
![Page 50: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/50.jpg)
2014
A. A
sano
, Kan
sai U
niv.
見方を変えてみると
t0 t
0.025(n –1)
P(–t0.025
(n –1) ≤ t ≤ t0.025
(n –1)) = 0.95
–t0.025
(n –1)
確率密度
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
tが入る確率95%の区間
図 2: t分布と区間推定
0.025であるような値」とすると
P
!−t0.025(n− 1) ! X̄ − µ"
s2/n! t0.025(n− 1)
#= 0.95 (5)
が成り立ちます(図 2)。この式から,
P
!X̄ − t0.025(n− 1)
$s2
n! µ ! X̄ + t0.025(n− 1)
$s2
n
#= 0.95 (6)
となりますから,µの 95%信頼区間は (6)式のかっこ内の範囲となります。
tα(ν),すなわち自由度 νの 100αパーセント点の値を知るには,一緒に配布した数表(t分布表)を利用することができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα(ν)が縦 ν・横 αの交点の値を読むことで求められます。この問題の場合,標本平均 X̄ = 50,不偏分散 s2 = 25で,数表から t0.025(10− 1) = 2.262ですから,µの 95%信頼区間は「46.4(点)以上 53.6(点)以下」となります。
前回の例のように,母分散が 25とわかっているときには,µの 95%信頼区間は「46.9(点)以上 53.1
(点)以下」でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広いということは,推定が不確かであることを意味しています。これは,不偏分散は母分散そのものではなく,母分散を推定した値であるため,不偏分散にはすでに不確かさが入っているためです。
今日の演習
ある薬品 X の1グラムあたりに含まれる物質 Y の量を 10 回測定すると,測定値の平均は 1.0(ミリグラム),不偏分散は 0.1((ミリグラム)2)でした。測定値は真の含有量を平均値とする正規分布にしたがって分布し,また各測定値はそれらから無作為抽出された標本とみなせるとします。このとき,「Xの1グラムあたりに含まれる物質Yの量」を信頼係数 95%で区間推定してください。
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 3/3 ページ
t統計量が -t0.025(n-1) と t0.025(n-1) の間に入っている,という記述は, 確率95%で当たっている
t統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 確率5%でしか当たっていない
![Page 51: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/51.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな例題(2ページ上)
![Page 52: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/52.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな例題(2ページ上)(前回の区間推定の問題と同じ条件で)
![Page 53: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/53.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな例題(2ページ上)
「受験者全体の平均点(母平均μ)は 54点」 という「仮説」を考えると,
(前回の区間推定の問題と同じ条件で)
![Page 54: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/54.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな例題(2ページ上)
「受験者全体の平均点(母平均μ)は 54点」 という「仮説」を考えると,
(前回の区間推定の問題と同じ条件で)
この仮説は当たっていると いえるでしょうか?
![Page 55: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/55.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は
![Page 56: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/56.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
![Page 57: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/57.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25
![Page 58: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/58.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25標本サイズ=10
![Page 59: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/59.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
さらに μ=54 とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25標本サイズ=10
![Page 60: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/60.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
さらに μ=54 とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25標本サイズ=10
t = -2.53 である。
![Page 61: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/61.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
t0
![Page 62: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/62.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
t0.025(n-1)
t0
![Page 63: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/63.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
t0.025(n-1)標本サイズ=10
t0
![Page 64: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/64.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
t0.025(n-1)標本サイズ=10
=2.262
t0
![Page 65: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/65.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t0
![Page 66: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/66.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t0
![Page 67: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/67.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t0
![Page 68: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/68.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は,
t0
![Page 69: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/69.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 正しい
t0
![Page 70: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/70.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
t0.025(n-1)-t0.025(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 正しい
t0
面積=95%
![Page 71: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/71.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とするとグレー以外に入る確率= あわせて5%
t0.025(n-1)-t0.025(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.025(n-1)標本サイズ=10
=2.262=-2.262
t統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 正しい
t0
面積=95%
![Page 72: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/72.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とすると
![Page 73: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/73.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とするとt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は,
![Page 74: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/74.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とするとt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は,正しい
![Page 75: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/75.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とするとt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は,正しい
この記述は 確率5%でしか当たっていないはずでは?
![Page 76: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/76.jpg)
2014
A. A
sano
, Kan
sai U
niv.
「μ=54である」とするとt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は,
確率5%でしか当たっていないはずの 記述が 当たっていることになってしまう
正しい
この記述は 確率5%でしか当たっていないはずでは?
![Page 77: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/77.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 確率5%でしか当たっていないはず
![Page 78: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/78.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 確率5%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
![Page 79: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/79.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 確率5%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
n=10のとき t0.025(10-1)=2.262
![Page 80: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/80.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
確率5%でしか当たっていないはずの 記述が,いま偶然当たっている と考えざるをえない
t統計量が -t0.025(n-1) 以下か t0.025(n-1) 以上である,という記述は, 確率5%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
n=10のとき t0.025(10-1)=2.262
![Page 81: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/81.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
![Page 82: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/82.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
![Page 83: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/83.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
![Page 84: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/84.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
![Page 85: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/85.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
![Page 86: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/86.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
![Page 87: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/87.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
![Page 88: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/88.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
![Page 89: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/89.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
帰無仮説を[棄却する]
![Page 90: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/90.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
帰無仮説を[棄却する]
![Page 91: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/91.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
帰無仮説を[棄却する]
[対立仮説]
![Page 92: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/92.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
帰無仮説を[棄却する]
[対立仮説]
![Page 93: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/93.jpg)
2014
A. A
sano
, Kan
sai U
niv.
これが[仮説検定](検定)仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことが偶然おきていると考えるよりも
仮説「μ=54」は間違っていると判断する
仮説「μ=54でない」が正しいと判断する
[帰無仮説]
帰無仮説を[棄却する]
を[採択する][対立仮説]
![Page 94: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/94.jpg)
2014
A. A
sano
, Kan
sai U
niv.
[有意]という考え仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
![Page 95: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/95.jpg)
2014
A. A
sano
, Kan
sai U
niv.
[有意]という考え仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
![Page 96: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/96.jpg)
2014
A. A
sano
, Kan
sai U
niv.
[有意]という考え仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
![Page 97: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/97.jpg)
2014
A. A
sano
, Kan
sai U
niv.
[有意]という考え仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
![Page 98: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/98.jpg)
2014
A. A
sano
, Kan
sai U
niv.
[有意]という考え仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
確率が5%なら, それは「小さな確率」と考えている
![Page 99: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/99.jpg)
2014
A. A
sano
, Kan
sai U
niv.
[有意]という考え仮説「μ=54」が正しいとすると 確率5%でしか当たっていないはずの 記述が いま偶然当たっていると考えざるをえない
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
確率が5%なら, それは「小さな確率」と考えている
[有意水準]
![Page 100: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/100.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 101: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/101.jpg)
A. A
sano
, Kan
sai U
niv.
両側検定と片側検定
![Page 102: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/102.jpg)
2014
A. A
sano
, Kan
sai U
niv.
ここまでで説明した検定
t0
この区間に入っていない確率=5%が
面積=95%
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 103: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/103.jpg)
2014
A. A
sano
, Kan
sai U
niv.
0t
棄却域
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 104: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/104.jpg)
2014
A. A
sano
, Kan
sai U
niv.
0t
棄却域面積=あわせて5%
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 105: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/105.jpg)
2014
A. A
sano
, Kan
sai U
niv.
0t
棄却域面積=あわせて5%
が
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 106: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/106.jpg)
2014
A. A
sano
, Kan
sai U
niv.
0t
棄却域
このどちらかの区間に入っている確率=5%
面積=あわせて5%
が
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
![Page 107: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/107.jpg)
2014
A. A
sano
, Kan
sai U
niv.
0t
棄却域
このどちらかの区間に入っている確率=5%
面積=あわせて5%
が
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t0.025(n-1)-t0.025(n-1)
t(n-1)
入っているとき帰無仮説を棄却するので [棄却域]という
![Page 108: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/108.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
こんな棄却域でもいいは
-t0.05(n-1)
t(n-1)
![Page 109: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/109.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
こんな棄却域でもいいは面積=ここだけで5%
-t0.05(n-1)
t(n-1)
![Page 110: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/110.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
こんな棄却域でもいいは面積=ここだけで5%
が
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
-t0.05(n-1)
t(n-1)
![Page 111: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/111.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
こんな棄却域でもいいは
この区間に入っている確率=5%
面積=ここだけで5%
が
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
-t0.05(n-1)
t(n-1)
![Page 112: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/112.jpg)
2014
A. A
sano
, Kan
sai U
niv.
t0
こんな棄却域でもいいは
この区間に入っている確率=5%
面積=ここだけで5%
が
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
-t0.05(n-1)
t(n-1)
入っているとき帰無仮説を棄却する [棄却域]
![Page 113: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/113.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定と片側検定
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 114: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/114.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定と片側検定棄却域が両側にある [両側検定]
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 115: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/115.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定と片側検定棄却域が両側にある [両側検定]
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
棄却域が片側にある [片側検定]
![Page 116: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/116.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定と片側検定
どう違う?
棄却域が両側にある [両側検定]
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
棄却域が片側にある [片側検定]
![Page 117: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/117.jpg)
2014
A. A
sano
, Kan
sai U
niv.
例題のt統計量は
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は
![Page 118: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/118.jpg)
2014
A. A
sano
, Kan
sai U
niv.
例題のt統計量は
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
![Page 119: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/119.jpg)
2014
A. A
sano
, Kan
sai U
niv.
例題のt統計量は
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25
![Page 120: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/120.jpg)
2014
A. A
sano
, Kan
sai U
niv.
例題のt統計量は
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25標本サイズ=10
![Page 121: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/121.jpg)
2014
A. A
sano
, Kan
sai U
niv.
例題のt統計量は
さらに,帰無仮説が正しいときμ=54とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25標本サイズ=10
![Page 122: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/122.jpg)
2014
A. A
sano
, Kan
sai U
niv.
例題のt統計量は
さらに,帰無仮説が正しいときμ=54とすると
X1 X2
母平均
...
X
標本平均とのへだたりの和は,母平均とのへだたりの和よりもたいてい小さい
2つの標本の値の、
さまざまな可能性
X1 X2X
X1 X2X
母平均とのへだたり標本平均とのへだたり
図 1: なぜ n− 1で割るのか?
t分布と区間推定
前回の例で,母集団分布が母平均 µ,母分散 σ2の正規分布で,そこから n個の標本を取り出したときの標本平均が X̄ であるとき,
Z =X̄ − µ!σ2/n
(3)
とおくと,Z は標準正規分布N(0, 1)にしたがうことを説明しました。これまでの例では,Z のこの性質を用いて,母平均 µの区間推定を行いました。
では,母分散 σ2が不明であるとしましょう。このとき,(3)式には µと σ2の2つの未知の量があるので,µの区間推定ができません。そこで,母分散 σ2を,標本から計算される不偏分散 s2でおきかえた
t =X̄ − µ!s2/n
(4)
というものを考えます。この tを t統計量といいます。Zは標準正規分布にしたがいますが,tはどのような分布にしたがうでしょうか?
この t統計量がしたがう確率分布は,標準正規分布ではなく,自由度 n− 1の t分布(スチューデントの t分布)という確率分布で,これを t(n− 1)と書きます。t分布の確率密度関数は標準正規分布とよく似ており,t = 0を中心とした左右対称の形になっています。
t分布を用いると,母分散が不明の場合でも,標準正規分布の場合と同様に母平均の信頼区間を求めることができます。次の問題を考えてみましょう。
ある試験の点数の分布は正規分布であるとします。この試験の受験者から 10人の標本を無作為抽出して,この 10人の点数を平均したところ 50点で,またこの 10人の点数の不偏分散が 52でした。このとき,受験者全体の平均点の 95%信頼区間を求めてください。
自由度 n− 1の t分布において,t0.025(n− 1)を「t統計量がその値以上になる確率が 0.025であるような値」(「2.5パーセント点」といいます)とし,−t0.025(n− 1)を「t統計量がその値以下になる確率が
浅野 晃/統計学(2013 年度秋学期) 第13回 (2013. 12. 19) http://racco.mikeneko.jp/ 2/3 ページ
t統計量の値は標本平均=50
不偏分散=25標本サイズ=10
t = -2.53 である。
帰無仮説においてμが大きいと,t統計量は小さくなるμが小さいと,t統計量は大きくなる
![Page 123: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/123.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
![Page 124: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/124.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
![Page 125: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/125.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか)
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
![Page 126: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/126.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
![Page 127: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/127.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
![Page 128: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/128.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
![Page 129: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/129.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか)
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
![Page 130: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/130.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
![Page 131: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/131.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右の棄却域に
入ったら棄却
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
![Page 132: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/132.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右の棄却域に
入ったら棄却
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはずμはもっと 大きいはず
![Page 133: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/133.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右の棄却域に
入ったら棄却μが大きすぎても 小さすぎても棄却。
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはずμはもっと 大きいはず
![Page 134: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/134.jpg)
2014
A. A
sano
, Kan
sai U
niv.
両側検定では帰無仮説が正しい時,t統計量が 左右どちらかの棄却域に入ったら棄却
2.5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
2.5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右の棄却域に
入ったら棄却μが大きすぎても 小さすぎても棄却。 対立仮説は「μは◯◯でない」
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはずμはもっと 大きいはず
![Page 135: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/135.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 136: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/136.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 137: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/137.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか)
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 138: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/138.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 139: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/139.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 140: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/140.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 141: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/141.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか)
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 142: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/142.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 143: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/143.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右には棄却域
はない
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 144: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/144.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右には棄却域
はない
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
棄却しない
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 145: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/145.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右には棄却域
はないμが大きすぎる ときだけ棄却。
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
棄却しない
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 146: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/146.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右には棄却域
はないμが大きすぎる ときだけ棄却。
対立仮説は「μは◯◯よりもっと小さい」
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
棄却しない
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
![Page 147: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/147.jpg)
2014
A. A
sano
, Kan
sai U
niv.
片側検定では帰無仮説が正しい時,t統計量が 左にある棄却域に入ったら棄却
5%
大きすぎるとき (μ=70とか) 小さすぎて 左の棄却域に
入ったら棄却小さすぎるとき (μ=30とか) 大きすぎて 右には棄却域
はないμが大きすぎる ときだけ棄却。
対立仮説は「μは◯◯よりもっと小さい」
帰無仮説のμが t統計量が 帰無仮説が 棄却されたら
μはもっと 小さいはず
棄却しない
t
確率密度
– t0.05
(n – 1)
P(t ≤ – t0.05
(n – 1)) = 0.05
[棄却域]t
0 t0.025
(n –1)– t0.025
(n –1)
P(t ≥ t0.025
(n –1)) = 0.025P(t ≤ –t0.025
(n –1)) = 0.025
確率密度
[棄却域][棄却域]
(a) (b)
図 1: 検定の棄却域.(a)両側検定,(b)片側検定
は,図 1(a)のようにヒストグラムにおいて左右対称になっていました。
しかし,「t統計量が入っている確率が 95%である区間」を求めるだけなら,別に左右対称でなければならない理由はありません。ですから,次の式で表される区間も,やはり「t統計量が入っている確率が95%である区間」です。
P
!−t0.05(n− 1) ! X̄ − µ"
s2/n
#= 0.95 (3)
この場合をヒストグラムで表すと,図 1(b)のようになります。この区間を使った検定を考えてみましょう。
(3)式は,「t統計量が−t0.05(n− 1)以下である」という記述が当たっている確率は,5%でしかないということを述べています。
ここで,上の両側検定の例と同じ問題例を考えて,同様に「真の沸点(母平均)は 101℃である(µ = 101)」という帰無仮説が正しいとしましょう。そうすると,上の例と同じく,t統計量は t = −3.41となります。
一方,t0.05(9−1) = 1.860です。したがって,仮にµ = 101が正しいとすると,「t統計量が−t0.05(n−1)
以下である」という,当たっている確率が 5%でしかないはずの記述が当たっていることになります。
つまり,
「t統計量が−t0.05(9− 1)以下である」という記述は,当たっている確率が 5%でしかない→仮に「µ = 101である」という帰無仮説が正しいとすると, そのとき t統計量は t = −3.41で,一方 t0.05(9− 1) = 1.860であるから, 「t統計量が−t0.05(9− 1)以下である」という記述が正しいことになる→「当たっている確率が 5%でしかないはずの記述が, いま偶然当たっていると考えざるを得ない→ 5%の確率でしか起きないはずことが,いま偶然起きていると考えるのは不合理なので, 「µ = 101である」という帰無仮説は間違っていると判断する(帰無仮説を棄却する)
という推論ができます。
浅野 晃/統計学(2013 年度秋学期) 第14回 (2014. 1. 9) http://racco.mikeneko.jp/ 4/6 ページ
たとえ帰無仮説がμ=0であっても棄却しない。
![Page 148: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/148.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと帰無仮説:「当たり確率は50%である」
![Page 149: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/149.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
くじをひく立場なら帰無仮説:「当たり確率は50%である」
![Page 150: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/150.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
くじをひく立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さいし, しかも結果に不満だから棄却したい
![Page 151: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/151.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
くじをひく立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さいし, しかも結果に不満だから棄却したい
10回中10回当たったら → 帰無仮説が正しいとするとき, そんなことが起きる確率はやはり小さい
![Page 152: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/152.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
くじをひく立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さいし, しかも結果に不満だから棄却したい
10回中10回当たったら → 帰無仮説が正しいとするとき, そんなことが起きる確率はやはり小さいが,
![Page 153: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/153.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
くじをひく立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さいし, しかも結果に不満だから棄却したい
10回中10回当たったら → 帰無仮説が正しいとするとき, そんなことが起きる確率はやはり小さい
結果に不満はないから棄却しないが,
![Page 154: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/154.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
くじをひく立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さいし, しかも結果に不満だから棄却したい
10回中10回当たったら → 帰無仮説が正しいとするとき, そんなことが起きる確率はやはり小さい
結果に不満はないから棄却しないが,
片側検定
![Page 155: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/155.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと帰無仮説:「当たり確率は50%である」
![Page 156: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/156.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
賞品を出す立場なら帰無仮説:「当たり確率は50%である」
![Page 157: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/157.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
賞品を出す立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さい
![Page 158: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/158.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
賞品を出す立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さい が,
![Page 159: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/159.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
賞品を出す立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さい
とくに損はしないから棄却しないが,
![Page 160: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/160.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
賞品を出す立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さい
10回中10回当たったら → 帰無仮説が正しいとするとき, そんなことが起きる確率はやはり小さい それでは破産してしまうので棄却したい
とくに損はしないから棄却しないが,
![Page 161: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/161.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
賞品を出す立場なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったら → 帰無仮説が正しいとするとき, そんなことが起きる確率は小さい
10回中10回当たったら → 帰無仮説が正しいとするとき, そんなことが起きる確率はやはり小さい それでは破産してしまうので棄却したい
とくに損はしないから棄却しないが,
やはり 片側検定
![Page 162: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/162.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと帰無仮説:「当たり確率は50%である」
![Page 163: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/163.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
中立の立場(商店会長?)なら帰無仮説:「当たり確率は50%である」
![Page 164: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/164.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
中立の立場(商店会長?)なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったときも 10回中10回当たったときも → 帰無仮説が正しいとするとき, そんなことが起きる確率はどちらも小さい
![Page 165: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/165.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
中立の立場(商店会長?)なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったときも 10回中10回当たったときも → 帰無仮説が正しいとするとき, そんなことが起きる確率はどちらも小さいし,
![Page 166: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/166.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
中立の立場(商店会長?)なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったときも 10回中10回当たったときも → 帰無仮説が正しいとするとき, そんなことが起きる確率はどちらも小さい
どちらにしても信用にかかわるので棄却したいし,
![Page 167: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/167.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
中立の立場(商店会長?)なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったときも 10回中10回当たったときも → 帰無仮説が正しいとするとき, そんなことが起きる確率はどちらも小さい
これが 両側検定
どちらにしても信用にかかわるので棄却したいし,
![Page 168: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/168.jpg)
2014
A. A
sano
, Kan
sai U
niv.
くじびきの例でいうと
中立の立場(商店会長?)なら帰無仮説:「当たり確率は50%である」
10回中1回も当たらなかったときも 10回中10回当たったときも → 帰無仮説が正しいとするとき, そんなことが起きる確率はどちらも小さい
これが 両側検定
どちらにしても信用にかかわるので棄却したいし,
どの検定を用いるかは, 「立場」にもとづいて先に決めておかなければならない
![Page 169: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/169.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 170: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/170.jpg)
A. A
sano
, Kan
sai U
niv.
棄却されないときは
![Page 171: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/171.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準1%とすると
t統計量が -t0.005(n-1) と t0.005(n-1) の間に入っている,という記述は, 確率99%で当たっている
![Page 172: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/172.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準1%とすると
t統計量が -t0.005(n-1) と t0.005(n-1) の間に入っている,という記述は, 確率99%で当たっている
t統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 確率1%でしか当たっていない
![Page 173: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/173.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 確率1%でしか当たっていないはず
![Page 174: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/174.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 確率1%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
![Page 175: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/175.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 確率1%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
n=10のとき t0.005(10-1)=3.250
![Page 176: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/176.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 177: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/177.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
t0.005(n-1)
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 178: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/178.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
t0.005(n-1)標本サイズ=10
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 179: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/179.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
t0.005(n-1)標本サイズ=10
=3.250
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 180: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/180.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
t0.005(n-1)標本サイズ=10
=3.250=-3.250
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 181: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/181.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.005(n-1)標本サイズ=10
=3.250=-3.250
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 182: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/182.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.005(n-1)標本サイズ=10
=3.250=-3.250
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 183: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/183.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.005(n-1)標本サイズ=10
=3.250=-3.250
t統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は,
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 184: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/184.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
t0.005(n-1)-t0.005(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.005(n-1)標本サイズ=10
=3.250=-3.250
t統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 正しくない
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 185: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/185.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるここに入る確率= あわせて1%
t0.005(n-1)-t0.005(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.005(n-1)標本サイズ=10
=3.250=-3.250
t統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 正しくない
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 186: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/186.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるここに入る確率= あわせて1%
t0.005(n-1)-t0.005(n-1)
t(n-1)
μ=54であるとすると t統計量 t = -2.53
t0.005(n-1)標本サイズ=10
=3.250=-3.250
t統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 正しくない
[棄却域]
確率密度
t
– t0.05(n – 1)
P(t ≤ – t0.05(n – 1)) = 0.05
t 0 t0.025(n –1) – t0.025(n –1)
P(t ≥ t0.025(n –1)) = 0.025P(t ≤ –t0.025(n –1)) = 0.025
確率密度
[棄却域] [棄却域]
(a) (b)
0 t 0
0 t
![Page 187: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/187.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができるt統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 確率1%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
n=10のとき t0.005(10-1)=3.250
![Page 188: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/188.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論ができる
確率1%でしか当たっていないはずの 記述が,いま偶然当たっている とまではいえない
t統計量が -t0.005(n-1) 以下か t0.005(n-1) 以上である,という記述は, 確率1%でしか当たっていないはず
μ=54であるとすると t統計量 t = -2.53
n=10のとき t0.005(10-1)=3.250
![Page 189: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/189.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
![Page 190: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/190.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっているとまではいえない
![Page 191: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/191.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
確率1%でしかおきないことが偶然おきている
とまではいえない
![Page 192: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/192.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
確率1%でしかおきないことが偶然おきているとまではいえない
とまではいえない
![Page 193: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/193.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
確率1%でしかおきないことが偶然おきている
帰無仮説「μ=54」は間違っている
とまではいえない
とまではいえない
![Page 194: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/194.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
確率1%でしかおきないことが偶然おきている
帰無仮説「μ=54」は間違っているとは言い切れない
とまではいえない
とまではいえない
![Page 195: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/195.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
確率1%でしかおきないことが偶然おきている
帰無仮説「μ=54」は間違っているとは言い切れない
とまではいえない
帰無仮説は棄却されない。
とまではいえない
![Page 196: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/196.jpg)
2014
A. A
sano
, Kan
sai U
niv.
こんな推論になる帰無仮説「μ=54」が正しいとすると 確率1%でしか当たっていないはずの 記述が いま偶然当たっている
確率1%でしかおきないことが偶然おきている
帰無仮説「μ=54」は間違っているとは言い切れない
とまではいえない
帰無仮説は棄却されない。 煮え切らない 結論…
とまではいえない
![Page 197: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/197.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合帰無仮説が棄却されるのは 帰無仮説が正しいとすると, とても小さな確率でしか起きないはずのことが,いま起きていることになるから
![Page 198: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/198.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合
帰無仮説が棄却されないときは 「いま起きていることがおきる確率は とても小さい,とまではいえない」
帰無仮説が棄却されるのは 帰無仮説が正しいとすると, とても小さな確率でしか起きないはずのことが,いま起きていることになるから
![Page 199: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/199.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合帰無仮説が棄却されないときは 「いま起きていることがおきる確率は とても小さい,とまではいえない」
![Page 200: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/200.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合帰無仮説が棄却されないときは 「いま起きていることがおきる確率は とても小さい,とまではいえない」
だから 「帰無仮説が棄却されない」とは
![Page 201: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/201.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合帰無仮説が棄却されないときは 「いま起きていることがおきる確率は とても小さい,とまではいえない」
だから 「帰無仮説が棄却されない」とは
帰無仮説が正しい
![Page 202: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/202.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合帰無仮説が棄却されないときは 「いま起きていることがおきる確率は とても小さい,とまではいえない」
だから 「帰無仮説が棄却されない」とは
帰無仮説が正しい
![Page 203: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/203.jpg)
2014
A. A
sano
, Kan
sai U
niv.
棄却されない場合帰無仮説が棄却されないときは 「いま起きていることがおきる確率は とても小さい,とまではいえない」
だから 「帰無仮説が棄却されない」とは
帰無仮説が間違っているとはいいきれない帰無仮説が正しい
![Page 204: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/204.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 205: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/205.jpg)
A. A
sano
, Kan
sai U
niv.
有意水準について
![Page 206: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/206.jpg)
2014
A. A
sano
, Kan
sai U
niv.
今日の例題では
有意水準5%だと 帰無仮説を 棄却する
有意水準1%だと 帰無仮説を 棄却しない
![Page 207: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/207.jpg)
2014
A. A
sano
, Kan
sai U
niv.
今日の例題では
有意水準5%だと
有意水準が違うと 結論が正反対だけど,いいの?
帰無仮説を 棄却する
有意水準1%だと 帰無仮説を 棄却しない
![Page 208: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/208.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです有意水準は 物言いの慎重さを表す
![Page 209: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/209.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
有意水準が
有意水準は 物言いの慎重さを表す
![Page 210: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/210.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
大きい(5%)有意水準が
有意水準は 物言いの慎重さを表す
![Page 211: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/211.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
大きい(5%)
小さい(1%)
有意水準が
有意水準は 物言いの慎重さを表す
![Page 212: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/212.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
大きい(5%)
小さい(1%)
確率5%でおきることでも 「こんなことがおきるのは偶然 とは思えない」として棄却
有意水準が
有意水準は 物言いの慎重さを表す
![Page 213: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/213.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
大きい(5%)
小さい(1%)
確率5%でおきることでも 「こんなことがおきるのは偶然 とは思えない」として棄却
有意水準が
有意水準は 物言いの慎重さを表す
大胆だが,蛮勇
![Page 214: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/214.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
大きい(5%)
小さい(1%)
確率5%でおきることでも 「こんなことがおきるのは偶然 とは思えない」として棄却
有意水準が
有意水準は 物言いの慎重さを表す
大胆だが,蛮勇
確率1%より大きいことなら 「偶然でないと言い切れない」 として棄却しない
![Page 215: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/215.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定とはそういうものです
大きい(5%)
小さい(1%)
確率5%でおきることでも 「こんなことがおきるのは偶然 とは思えない」として棄却
有意水準が
有意水準は 物言いの慎重さを表す
大胆だが,蛮勇
確率1%より大きいことなら 「偶然でないと言い切れない」 として棄却しない
慎重だが,臆病
![Page 216: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/216.jpg)
A. A
sano
, Kan
sai U
niv.
![Page 217: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/217.jpg)
A. A
sano
, Kan
sai U
niv.
検定は どんなときにするものなのか
![Page 218: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/218.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
有意水準5%のときは
![Page 219: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/219.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
有意水準5%のときは
![Page 220: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/220.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
有意水準5%のときは
![Page 221: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/221.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
有意水準5%のときは
![Page 222: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/222.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
でも,確率5%でしかおきないことは,
有意水準5%のときは
![Page 223: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/223.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り
確率5%でしかおきないことがおきているなら,それは偶然ではないと考える
[有意]
でも,確率5%でしかおきないことは,言い換えれば,確率5%でおきるのでは?
有意水準5%のときは
![Page 224: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/224.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り確率5%でしかおきないことは, 確率5%でおきる
![Page 225: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/225.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り確率5%でしかおきないことは, 確率5%でおきる
区間推定において 「95%信頼区間」が 確率5%ではずれるように
母平均
XX
XX
含む
含む含ま ない含む
![Page 226: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/226.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り確率5%でしかおきないことは, 確率5%でおきる
区間推定において 「95%信頼区間」が 確率5%ではずれるように
母平均
XX
XX
含む
含む含ま ない含む
![Page 227: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/227.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り確率5%でしかおきないことは, 確率5%でおきる
帰無仮説が正しくても, 偶然標本が偏っていたために, 棄却してしまう確率が5%
区間推定において 「95%信頼区間」が 確率5%ではずれるように
母平均
XX
XX
含む
含む含ま ない含む
![Page 228: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/228.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り確率5%でしかおきないことは, 確率5%でおきる
帰無仮説が正しくても, 偶然標本が偏っていたために, 棄却してしまう確率が5%
区間推定において 「95%信頼区間」が 確率5%ではずれるように
[第1種の誤り]母平均
XX
XX
含む
含む含ま ない含む
![Page 229: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/229.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤り確率5%でしかおきないことは, 確率5%でおきる
帰無仮説が正しくても, 偶然標本が偏っていたために, 棄却してしまう確率が5%
区間推定において 「95%信頼区間」が 確率5%ではずれるように
[第1種の誤り]その確率=有意水準
母平均
XX
XX
含む
含む含ま ない含む
![Page 230: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/230.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤りつまり
帰無仮説が本当に正しいとしても, 有意水準5%の仮説検定を何度も行うと, そのうちの5%では第1種の誤りを犯す
![Page 231: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/231.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤りつまり
帰無仮説が本当に正しいとしても, 有意水準5%の仮説検定を何度も行うと, そのうちの5%では第1種の誤りを犯す
![Page 232: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/232.jpg)
2014
A. A
sano
, Kan
sai U
niv.
有意水準と第1種の誤りつまり
帰無仮説が本当に正しいとしても, 有意水準5%の仮説検定を何度も行うと, そのうちの5%では第1種の誤りを犯す
正しいはずの帰無仮説を棄却し, 採択すべきでない対立仮説を採択してしまう
![Page 233: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/233.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定の結論が言っていること検定で「帰無仮説を棄却する」とは
私は,帰無仮説は間違いだ,と判断する。
![Page 234: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/234.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定の結論が言っていること検定で「帰無仮説を棄却する」とは
私は,帰無仮説は間違いだ,と判断する。
ただし
![Page 235: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/235.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定の結論が言っていること
私は100回中5回はウソを言う (第1種の誤りを犯す)。
検定で「帰無仮説を棄却する」とは
私は,帰無仮説は間違いだ,と判断する。
ただし
![Page 236: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/236.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定の結論が言っていること
私は100回中5回はウソを言う (第1種の誤りを犯す)。
検定で「帰無仮説を棄却する」とは
私は,帰無仮説は間違いだ,と判断する。
ただし
私が今回,本当のことを言っているのか, ウソを言っているのか, それは誰にもわからない。
![Page 237: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/237.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定はどんなときに何度でも標本をとりだして検定できるようなら, 検定などする必要はない
![Page 238: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/238.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定はどんなときに
小さな標本を1回しかとりだせないときに, それでも十分にいえる結論を導く
何度でも標本をとりだして検定できるようなら, 検定などする必要はない
![Page 239: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/239.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定はどんなときに
小さな標本を1回しかとりだせないときに, それでも十分にいえる結論を導く
何度でも標本をとりだして検定できるようなら, 検定などする必要はない
何度も検定をすれば, 棄却されないはずの帰無仮説も たまには棄却される
![Page 240: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/240.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定はどんなときに
小さな標本を1回しかとりだせないときに, それでも十分にいえる結論を導く
何度でも標本をとりだして検定できるようなら, 検定などする必要はない
何度も検定をすれば, 棄却されないはずの帰無仮説も たまには棄却される
「血液型と性格に関係がない」という帰無仮説も たまに棄却されることがある
![Page 241: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/241.jpg)
2014
A. A
sano
, Kan
sai U
niv.
最近はこんな研究も
![Page 242: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/242.jpg)
2014
A. A
sano
, Kan
sai U
niv.
最近はこんな研究も血液型と性格「関連なし」 読売新聞 2014.7.19
![Page 243: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/243.jpg)
2014
A. A
sano
, Kan
sai U
niv.
最近はこんな研究も血液型と性格「関連なし」
血液型と性格の関連性に科学的根拠はないとする統計学的な解析結果を、九州大の縄田健悟講師(社会心理学)が発表した。 日米の1万人以上を対象にした意識調査のデータを分析した。 質問に対する回答のうち、血液型によって差があったのは3項目だけで、その差もごくわずかだったため「無関連であることを強く示した」と結論づけた。
読売新聞 2014.7.19
![Page 244: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/244.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定で,標本サイズが大きいと
区間推定では 信頼区間が狭くなる検定では 棄却域が広くなる
標本サイズが大きいと
![Page 245: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/245.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定で,標本サイズが大きいと
区間推定では
標本サイズが非常に大きいと
信頼区間が狭くなる検定では 棄却域が広くなる
標本サイズが大きいと
![Page 246: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/246.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定で,標本サイズが大きいと
区間推定では
標本サイズが非常に大きいと
信頼区間が狭くなる検定では 棄却域が広くなる
標本サイズが大きいと
帰無仮説が ちょっとでも疑わしいと棄却される
![Page 247: 2014年度秋学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 1. 14)](https://reader034.vdocuments.mx/reader034/viewer/2022051400/55ab8bec1a28abcb1c8b4613/html5/thumbnails/247.jpg)
2014
A. A
sano
, Kan
sai U
niv.
検定で,標本サイズが大きいと
区間推定では
標本サイズが非常に大きいと
信頼区間が狭くなる検定では 棄却域が広くなる
標本サイズが大きいと
帰無仮説が ちょっとでも疑わしいと棄却されるそれでも「血液型と性格に関係がない」という帰無仮説が棄却されないなら 「無関連であることを強く示し」ている