0.001 未満の p 値を解釈する方法 (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。

仮説検定を実行するときは常に、帰無仮説と対立仮説を定義します。

• 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 値が一定の有意水準 (例: α = 0.001) を下回っている場合、帰無仮説を棄却し、対立仮説が正しいと言える十分な証拠があると結論付けることができます。

p 値が 0.001 以上の場合、帰無仮説を棄却できず、対立仮説が正しいと言える十分な証拠がないと結論付けられます。

次の例では、実際に 0.001 未満の p 値を解釈する方法と 0.001 を超える p 値を解釈する方法を説明します。

例: 0.001 未満の P 値の解釈

ある工場が平均重量 2 オンスのバッテリーを生産すると主張しているとします。

監査人が来て、バッテリーの平均重量は 2 オンスであるという帰無仮説と、平均重量は 2 オンスではないという対立仮説に対して、有意水準 0.001 を使用して検定します。

帰無仮説 (H ₀ ): μ = 2 オンス

対立仮説: ( _HA ): μ ≠ 2 オンス

監査人は平均値の仮説検定を実行し、p 値0.0006に到達します。

p 値0.0006は有意水準0.01より小さいため、監査人は帰無仮説を棄却します。

同氏は、この工場で生産されるバッテリーの真の平均重量が 2 オンスではないと言える十分な証拠があると結論付けています。

例: 0.001 より大きい P 値の解釈

作物が成長期に平均 40 インチ成長するとします。

しかし、ある農学者は、特定の肥料を使用すると、この作物は平均して 40 インチ以上成長するだろうと推定しています。

これをテストするために、彼女は成長期に特定の畑の作物の ランダムサンプルに肥料を適用しました。

次に、次の仮説を使用して仮説検定を実行します。

帰無仮説 (H ₀ ): μ = 40 インチ (肥料は平均成長に影響を与えません)

対立仮説: ( _HA ): μ > 40 インチ (肥料は平均成長の増加を引き起こす)

平均値の仮説検定を実行した後、科学者は0.3488の p 値を取得します。

p 値0.3488は有意水準0.001より大きいため、科学者は帰無仮説を棄却できません。

彼女は、肥料が作物の平均成長を増加させると言える十分な証拠はないと結論付けています。

追加リソース

次のチュートリアルでは、p 値と仮説検定に関する追加情報を提供します。

P値と統計的有意性の説明
統計におけるT値とP値の違い
P 値とアルファ: 違いは何ですか?