仮説検定はどのように機能し、どんな問題を解決できるのでしょうか？その答えを探るために、1標本の比率検定のワークフローをたどります。その過程で、zスコア、p値、偽陰性と偽陽性のエラーといった重要な概念に触れます。

仮説検定とzスコア

A/B テストの活用例

標本平均の計算

zスコアを計算する

p値

刑事裁判と仮説検定

左側、右側、両側

p値を計算する

統計的有意性

p値からの意思決定

信頼区間を計算する

第I種の誤りと第II種の誤り

仮説検定の基礎

このチャプターでは、t検定を使って2つのグループ間の平均の差を検定し、さらにANOVAとペアごとのt検定を用いて2つ以上のグループへと拡張します。

t 検定を実行する

仮説検定のワークフロー

2標本平均の検定統計量

t統計量からp値を計算する

なぜ t が必要？

t分布

t から p へ

対応のあるt検定

対応あり vs. 対応なしのt検定

対応あり

対応なし

対応は必要？

差を可視化する

ttest() を使う

ANOVA 検定

多数のカテゴリを可視化する

ANOVA 検定を実行する

ペアごとのt検定

2標本検定とANOVA

ここでは、2つのグループ間で比率の差を検定する比率検定に取り組みます。ハンズオンの演習を通して、比率検定を2つ以上のグループに拡張するカイ二乗独立性検定を学び、さらに1標本の場合に戻ってカイ二乗適合度検定を行います。

1標本の比率検定

割合でtを使う？

1標本の比率の検定

2標本比率検定

2つの比率の検定

2標本のための proportions_ztest()

カイ二乗独立性の検定

カイ二乗分布

カイ二乗検定では片側はどちら？

カイ二乗検定を実行する

カイ二乗適合度検定

適合度を可視化する

適合度検定を実行する

比率検定

最後に、パラメトリックな仮説検定が仮定している前提を学び、それらが満たされないときに非パラメトリック検定をどのように活用できるかを見ていきます。

仮説検定における前提条件

仮説検定に共通する前提条件

標本サイズの検定

ノンパラメトリック検定

どの母数検定？

Wilcoxonの符号付き順位検定

ノンパラメトリックANOVAと対応のないt検定

Wilcoxon-Mann-Whitney

Kruskal-Wallis

おめでとうございます！

非パラメトリック検定

U.S. Republican Votes 2008/2012

Late Shipments

Stack Overflow

Course Glossary

U.S. Democrat Votes 2012/2016

仮説検定を使うと、データセットについて統計的に厳密な方法で問いに答えられます。本コースでは、t検定、比率検定、カイ二乗検定などの代表的な検定を、どのような場面でどのように使うかを学びながら、Pythonによる分析スキルを伸ばします。Stack Overflowのユーザーフィードバックや医療用品のサプライチェーンデータなど、実データを扱いながら、各検定の仕組みとその前提条件を深く理解します。さらに、非パラメトリック検定を用いて、従来の仮説検定の制約を乗り越える方法も学びます。

動画にはライブトランスクリプトがあります。動画左下の"Show transcript"をクリックすると表示できます。
コース用語集は右側のリソースセクションにあります。
CPEクレジットを取得するには、コースを完了し、認定アセスメントで70%のスコアを達成する必要があります。右側のCPEクレジットの案内をクリックするとアセスメントに移動できます。

Sampling in Python

Pythonでt検定、比率検定、カイ二乗検定の使い方とタイミングを学ぶ。

Pythonで学ぶ仮説検定

Pythonにおいて、t検定、比率検定、カイ二乗検定といった一般的な仮説検定を、どのような状況でどのように使用するのかを学びましょう。

t統計量からp値を計算する

Create Your Free Account