アルゴリズム(1群のt検定)


1群のt検定は、真の母平均 \mu\,\! が、指定した検定の平均 \mu_0\,\! に等しいかまたは異なるかを検定するのに使用します。検定は 片側または両側のどちらかにすることができ、仮説は次のようになります。

H_0:\mu=\mu_0 , vs H_1:\mu \ne \mu_0, 両側

H_0:\mu \le \mu_0 vs H_1:\mu > \mu_0, 上側

H_0:\mu \ge \mu_0 vs H_1:\mu < \mu_0, 下側

検定統計量

X(x_1,x_2,...,x_n)\,\! を入力データセットとすると、統計t 値は自由度が(n-1)のスチューデントt 分布になり、下記のように計算されます。

t=\frac{\bar{x}-\mu}{s/\sqrt{n}}

ここで \bar{x}=\frac{1}{n}\sum_{i=1}^n x_is=\sqrt{\sum_{i=1}^n \frac{(x_i-\bar{x})^2}{n-1}}

与えられた有意水準 \alpha\,\! において、帰無仮説 H_0\,\! は、次の場合に棄却されます。

|t|>t_{\alpha/2}\,\!, 両側検定

t>t_{\alpha}\,\!, 上側検定

t<-t_{\alpha}\,\!, 下側検定

ここで t_\alpha\,\! は、\alpha\,\! レベルでの自由度(n-1) のt分布からの限界値です。仮説の確率を表すより良い方法は、 P 値も出力することです。そして、p < \alpha\,\! のとき、帰無仮説 H_0\,\! を棄却できます。t 統計に対する P 値は、不完全ベータ関数で計算できます。

p(t>t_{\alpha})=1-I_{\frac{DOF}{DOF+I^2}}(\frac{DOF}{2},\frac{1}{2})


ここで、I_x(\alpha,\beta)=\frac{I'(\alpha+\beta)}{I'(\alpha)\cdot I'(\beta)} \int_0^x t^{\alpha-1}(1-t)^{\beta-1}\,dtです。

信頼区間

指定した有意水準で、標本の平均に対する信頼区間は次式になります。

帰無仮説 信頼区間
H_0:\mu=\mu_0\,\! \left[\bar{x}-t_{n-1,\alpha/2}\frac{s}{\sqrt{n}},\bar{x}+t_{n-1,\alpha/2}\frac{s}{\sqrt{n}}\right]
H_0:\mu \le \mu_0 \left[\bar{x}-t_{n-1,\alpha}\frac{s}{\sqrt{n}}, \infty\right]
H_0:\mu \ge \mu_0 \left[-\infty, \bar{x}+t_{n-1,\alpha}\frac{s}{\sqrt{n}}\right]

検出力解析

1群の t検定の検出力は、その感度の測定です。帰無仮説および対立仮説に関して、検出力は検定する統計量 T が、実際に帰無仮説を棄却すべき(例:与えられた帰無仮説が真でない)ときに、帰無仮説を棄却するのに十分であるという確率です。3つの異なる帰無仮説のそれぞれに対して、検出力は数学的に以下のように定義されます。

帰無仮説 検出力
H_0:\mu=\mu_0 1-P \left\{T \le t_{1-\alpha/2}(n-1)-t\right\}+P\left\{T<t_{\alpha/2}(n-1)-t \right\}
H_0:\mu \le \mu_0 1-P \left\{T \le t_{1-\alpha}(n-1)-t\right\}
H_0:\mu \ge \mu_0 P \left\{T \le t_{\alpha}(n-1)-t\right\}

ここで T は、t 分布(自由度 (n-1) )を持つランダムな変数です。仮説の検出力に対する計算は、検定する統計量 t、限界値、自由度が実際のサンプルサイズを使用するのではなく、仮説のサンプルサイズを使って再計算することを以外は、実際の検出力と同じです。