2 サンプル仮説検定

2 サンプル仮説検定を使用して、2 つのサンプルを互いに比較します。

2 サンプル仮説検定の出力を追加するには、に進みます。

2 サンプルの比率

2 サンプルの比率検定を使用して、2 つのグループの母集団比率が異なるかどうかを判断します。 母集団比率間の差を含む可能性が高い値の範囲を計算することもできます。

たとえば、プロセスに変更が加えられる前と後でプロセス不良率が同じかどうかをテストできます。例を参照するには、Minitab ヘルプ:2 サンプルの比率の例に移動します。

データに関する考慮事項

データには、合格・不合格などの 2 種類のカテゴリのみを含めることができます。さらなる詳細については、Minitab ヘルプ:2 サンプルの比率のデータに関する注意事項を参照してください。

2 サンプル t

2 サンプル t 検定を使用して、2 つのグループの母平均が等しいかどうかを決めるための手法です。 母平均間の差を含む可能性が高い値の範囲を計算することもできます。

たとえば、工程に変更が加えられる前と後で工程平均が同じかどうかをテストできます。例を参照するには、Minitab ヘルプ:2 サンプル t の例に移動します。

データに関する考慮事項

データは Y (出力) の連続値である必要があります。サンプルデータが大きく歪んでおらず、各サンプルサイズが 15 より大きい必要があります。さらなる詳細については、Minitab ヘルプ:2 サンプル t のデータに関する注意事項を参照してください。

Mann-Whitney

マン・ホイットニー検定を使用して、2 つのグループの母集団中央値が異なるかどうかを判断します。 母集団中央値間の差を含む可能性が高い値の範囲を計算することもできます。

この検定は、2 サンプル t 検定の代替であり、2 つのサンプルからのデータが合理的に正規でない場合に使用されます。

たとえば、経営コンサルタントが 2 つの会社の給与台帳を比較して、給与の中央値が異なるかどうかを確認するとします。2 つの会社の中央値が異なる場合、コンサルタントは、信頼区間を使用して差が実質的に有意かどうかを判断します。例を参照するには、Minitab ヘルプ:マン・ホイットニーの例に移動します。

データに関する考慮事項

各サンプルの母集団の形状と広がりが同じでなければならない。データが正規分布である必要はありません。ただし、各サンプルの観測値の数が15より多いか、データが大きく歪んでいない場合は、検定の検出力が高いため、2 サンプル t 検定を使用します。さらなる詳細については、Minitab ヘルプ:マン・ホイットニーのデータに関する注意事項を参照してください。

対応のある t

対応のある t 検定を使用して、2 つの対応のあるサンプル間の差の平均が 0 (または目標値)と異なるかどうかを判断します。 差の母平均を含む可能性が高い値の範囲を計算することもできます。

対応のある t 検定は、2 つの異なる条件下で測定された項目の同じセット、同じ被検体に対する治療の前後の測定値の差、または同じ被検体への 2 つの治療の間の差を分析するのに役立ちます。

例えばある生理学者は、特定のタイプのフィットネスプログラムが安静時の心拍数に影響を及ぼすかどうかを調べようとしています。無作為に選ばれた 15 人の心拍数は、プログラム前に測定され、1 年後に再び測定されました。このようにして、プログラム参加前後の測定が各人について行われ、観測値のペアが取得されました。例を参照するには、Minitab ヘルプ:対応のあるtの例に移動します。

データに関する考慮事項

データは Y (出力) の連続値である必要があります。異なる条件下で同じ項目について測定された測定値などの対応のある (従属) 観測値のセットがあることが必要です。さらなる詳細については、Minitab ヘルプ:対応のある t のデータに関する考慮事項を参照してください。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください