外れ値検定の主要な結果を解釈する

外れ値検定を解釈するには、次の手順を実行します。主要な結果には、p値、外れ値、外れ値プロットが含まれます。

ステップ1: 外れ値が存在するかどうかを判断する

外れ値が存在するかどうかを判断するには、p値を有意水準と比較します。通常は、有意水準(αまたはアルファとも呼ばれる)として0.05が適切です。有意水準が0.05の場合は、実際には外れ値が存在しないのに外れ値が存在すると結論付けるリスクが5%あることを示します。
P値 ≤ α: 外れ値が存在します(H0を棄却する)
p値が有意水準以下の場合は、帰無仮説を棄却する決定を下し、外れ値が存在すると結論付けます。外れ値がある場合は、その原因を特定します。データ入力誤差や測定誤差はすべて修正します。異常な1回だけの事象(特殊原因)に関連付けられたデータ値を除外することを検討してください。
P値 > α: 外れ値が存在すると結論付けることはできません(H0を棄却しない)
p値が有意水準値より大きい場合は、外れ値が存在すると結論付けるだけの十分な証拠がないため、帰無仮説を棄却しない決定を下します。外れ値を検出するのに十分な検出力が検定にあることを確認してください。詳細は、検出力の増加を参照してください。

外れ値検定: 破壊強度

方法 帰無仮説 すべてのデータ値は同じ正規母集団から取得します 対立仮説 最小のデータ値が外れ値 有意水準 α = 0.05
Grubbsの検定 変数 N 平均 標準偏差 最小値 最大値 G p値 破壊強度 14 123.4 46.3 12.4 193.1 2.40 0.044
外れ値 変数 行 外れ値 破壊強度 10 12.38
主要な結果: P

この結果で、帰無仮説では、すべてのデータ値が同じ正規母集団から取得されたと仮定します。p値が0.044で有意水準0.05より小さいため、帰無仮説を棄却と判定し、外れ値が存在すると結論付けます。

ステップ2: 外れ値の値を判断する

検定でデータに外れ値があることが識別された場合、Minitabでは外れ値表が表示されます。外れ値表を使用して、外れ値の値と、外れ値が含まれるワークシートの行を判断します。

外れ値検定: 破壊強度

方法 帰無仮説 すべてのデータ値は同じ正規母集団から取得します 対立仮説 最小のデータ値が外れ値 有意水準 α = 0.05
Grubbsの検定 変数 N 平均 標準偏差 最小値 最大値 G p値 破壊強度 14 123.4 46.3 12.4 193.1 2.40 0.044
外れ値 変数 行 外れ値 破壊強度 10 12.38
主要な結果: 行、外れ値

この結果で、外れ値の値は12.38で、この外れ値は行10にあります。

ステップ3: 外れ値を視覚的に識別する

外れ値プロットを使用して、データ内の外れ値を視覚的に識別します。 外れ値が存在する場合は、プロットに赤い四角で表示されます。 外れ値の原因を特定する必要があります。データ入力や測定の誤差を修正します。異常な1回きりの事象(特別原因)のデータ値は除外することを検討します。

この外れ値プロットで、最小値12.38は外れ値です。

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