仮説検定

ある仮説が統計的に正しいかどうかを、データに基づいて判定する手法。帰無仮説と対立仮説を立て、有意水準を設定してデータの検定統計量から判定を行う。

統計データに基づいて帰無仮説の採否を判定する手法。有意水準（通常5%や1%）を設定し、検定統計量がその水準を超えた場合に帰無仮説を棄却する。第1種の誤り（偽陽性）と第2種の誤り（偽陰性）のバランスが重要。

母集団についての仮説が、得られた標本から見て妥当かを統計的に判断する手続き。差が偶然の範囲かどうかを有意水準に照らして判定する。

母集団についての仮説が正しいかを、標本のデータから確率的に判断する統計手法。「差がない」などの帰無仮説を立て、それが正しいとしたときに観測結果以上に極端な結果が得られる確率（p値）が有意水準を下回れば、帰無仮説を棄却して対立仮説を採択する。正しい帰無仮説を棄却する第1種の誤りと、誤った帰無仮説を棄却しない第2種の誤りがある。

母集団について立てた仮説が正しいかを、標本のデータから確率的に判断する統計手法。否定したい帰無仮説を立て、帰無仮説が正しいとしたときに観測結果以上に極端な結果が得られる確率（p値）が有意水準（5%など）を下回れば、帰無仮説を棄却して対立仮説を採択する。

母集団の平均などが入ると考えられる範囲を、確からしさ（信頼度）とともに示す推定方法。「95%信頼区間」は、同じ調査を繰り返せば95%の割合でその区間が真の値を含むという意味である。

仮説検定で、否定されることを期待して立てる仮説。「差がない」「効果がない」という形をとる。データがこの仮説の下では起こりにくいと判断されたときに棄却し、逆の主張（対立仮説）を採用する。

仮説検定で帰無仮説を棄却するかどうかの境目となる確率。5%や1%が使われる。正しい帰無仮説を誤って棄却してしまう確率の上限にあたるので、小さくするほど判定は慎重になる。

仮説検定で、本当は正しい帰無仮説を誤って棄却してしまう誤り。「差がないのに差があると判定する」あわてものの誤りで、その確率は有意水準に等しい。セキュリティ分野の誤検知（フォールスポジティブ）と同じ考え方。

仮説検定で、本当は誤っている帰無仮説を棄却できない誤り。「差があるのに差がないと判定する」ぼんやりものの誤り。これを起こさない確率を検出力（検定力）といい、標本数を増やすと高まる。

n個の異なるものからr個を取り出して一列に並べる場合の数。nPr = n!/(n-r)!で計算される。並べる順序を区別する点が組合せと異なる。