仮説検定とは
仮説検定は統計学の行為であり、アナリストは母集団パラメーターに関する仮定を検定します。 アナリストが採用する方法論は、使用するデータの性質と分析の理由に依存します。 仮説検定は、より大きな母集団のサンプルデータに対して実行された仮説の結果を推測するために使用されます。
重要なポイント
- 仮説検定は、大規模な母集団のサンプルデータに対して実行された仮説の結果を推測するために使用されます。分析した。
仮説検定の仕組み
仮説検定では、アナリストが帰無仮説を受け入れるか拒否することを目的に、統計サンプルを検定します。 このテストは、アナリストに彼の主要な仮説が正しいかどうかを伝えます。 そうでない場合、アナリストはテストする新しい仮説を策定し、データが真の仮説を明らかにするまでプロセスを繰り返します。
統計アナリストは、分析対象の母集団の無作為標本を測定および検査することにより、仮説をテストします。 すべてのアナリストは、ランダムな母集団サンプルを使用して、帰無仮説と対立仮説という2つの異なる仮説をテストします。
帰無仮説は、アナリストが真実であると信じている仮説です。 アナリストは、対立仮説が真実ではないと信じており、事実上帰無仮説の反対になっています。 したがって、それらは相互に排他的であり、1つだけが真になります。 ただし、2つの仮説のうちの1つは常に真になります。
仮説検定の4つのステップ
すべての仮説は、4段階のプロセスを使用してテストされます。
- 最初のステップは、アナリストが2つの仮説を述べて、1つだけが正しいことを示すことです。次のステップは、データの評価方法を概説する分析計画を策定することです。 4番目の最終ステップは、結果を分析し、帰無仮説を受け入れるか拒否するかです。
仮説検定の実世界の例
たとえば、ペニーが頭に着地する確率が正確に50％であることをテストしたい場合、帰無仮説はyesになり、対立仮説はnoになります（頭に着地しません）。 数学的には、帰無仮説はHo：P = 0.5として表されます。 対立仮説は「Ha」と示され、50％に等しくないことを意味する等号の取り消し線を除いて帰無仮説と同一です。
コインフリッパーのランダムな母集団からコインフリップ100個のランダムなサンプルが取得され、帰無仮説がテストされます。 100コインフリップが40頭と60尾として分布していることがわかった場合、アナリストはペニーが頭に着地する確率が50％でないと仮定し、帰無仮説を棄却し、対立仮説を受け入れます。 その後、新しい仮説がテストされます。今回は、ペニーが頭に着く確率が40％であるということです。
