仮説検定の結論の書き方: 例付き


検定仮説は、母集団パラメータに関する仮説が正しいかどうかを検定するために使用されます。

実際の仮説検定を実行するには、研究者は母集団から ランダムなサンプルを取得し、帰無仮説と対立仮説を使用してサンプル データに対して仮説検定を実行します。

  • 帰無仮説 (H 0 ):サンプル データは偶然のみから得られます。
  • 対立仮説 ( HA ):サンプル データは非ランダム原因の影響を受けます。

仮説検定のp 値が特定の有意水準 (例: α = 0.05) を下回る場合、帰無仮説は棄却されます

それ以外の場合、p 値が特定の有意レベル以上であれば、帰無仮説を棄却できません

仮説検定の結論を書くときは、通常、次の内容を含めます。

  • 帰無仮説を棄却するかどうか。
  • 重要度のレベル。
  • 仮説検証のコンテキストでの簡単な説明。

たとえば、次のように書きます。

有意水準 5% で帰無仮説を棄却します

次の主張を裏付ける十分な証拠があります…

あるいは、次のように書きました。

5% の有意水準では帰無仮説を棄却できません

その主張を裏付ける十分な証拠はありません…

次の例は、両方のシナリオで仮説検証の結論を書く方法を示しています。

例 1: 帰無仮説の結論を棄却する

生物学者が、特定の肥料を使用すると、植物は通常よりも 1 か月で成長し、現在 20 インチ成長すると考えたとします。これをテストするために、彼女は研究室の各植物に 1 か月間肥料を適用しました。

次に、次の仮定を使用して 5% の有意水準で仮説検定を実行します。

  • H 0 : μ = 20 インチ (肥料は植物の平均成長に影響を与えません)
  • H A : μ > 20 インチ (肥料により植物の成長が平均的に増加します)

検定の p 値が 0.002 であることが判明したとします。

彼女は仮説テストの結果をどのように報告するかを次に示します。

有意水準 5% で帰無仮説を棄却します

この特定の肥料が植物を 1 か月にわたって通常よりも成長させるという主張を裏付ける十分な証拠があります。

例 2: 帰無仮説の結論を拒否しない

製造工場のマネージャーが、新しい方法によって月あたりに生産される欠陥のあるウィジェットの数 (現在 250 個) が変わるかどうかをテストしたいとします。これをテストするために、彼は、製品の使用前と使用後に生成された欠陥のあるウィジェットの平均数を測定します。新しい方法。 1ヶ月の方法。

次の仮定を使用して、10% の有意水準で仮説検定を実行します。

  • H 0 : μ after = μ before (新しい方法を使用する前後で、欠陥のあるウィジェットの平均数は同じです)
  • H A : μ after ≠ μ before (新しい方法を使用する前後で生成される欠陥ウィジェットの平均数が異なります)

検定の p 値が 0.27 であることが判明したとします。

仮説テストの結果は次のように報告されます。

10% の有意水準では帰無仮説を棄却できません

新しい方法により、1 か月あたりに生成される欠陥のあるウィジェットの数が変化するという主張を裏付ける十分な証拠はありません。

追加リソース

次のチュートリアルでは、仮説検定に関する追加情報を提供します。

仮説検定の概要
仮説検定の 4 つの実際の例
帰無仮説の書き方

コメントを追加する

メールアドレスが公開されることはありません。 が付いている欄は必須項目です