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。

母集団についての仮説が正しいかを標本データから統計的に判断する手続き。否定したい仮説（帰無仮説）を立て、それが正しいとしたら起こりにくいデータが得られた場合に棄却する。A/Bテストの評価などに使う。

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。

仮説検定で、帰無仮説が棄却されたときに採択される仮説。「差がある」「効果がある」のように分析者が本来示したい主張を対立仮説とし、それを否定する帰無仮説を立てて検定する。

仮説検定で、帰無仮説を棄却するかどうかの基準となる確率で、5％や1％がよく使われる。p値が有意水準以下であれば帰無仮説を棄却し、「統計的に有意」と判断する。正しい帰無仮説を誤って棄却する第1種の誤りを犯す確率の上限に当たり、検定を行う前に決めておく。

帰無仮説が正しいと仮定したとき、実際に観測された結果か、それ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する。p値は帰無仮説が正しい確率でも効果の大きさでもなく、標本が大きければわずかな差でも小さくなるため、効果量や信頼区間と併せて解釈する。

仮説検定で、帰無仮説が実際には正しいのに、誤って棄却してしまう誤り。本当は効果がないのに効果があると判断するもので、その起こる確率は有意水準αに等しい。αを小さくすると第1種の誤りは減るが、第2種の誤りが増える。