対立仮説を選択し、標本比率を保存するか、または乱数ジェネレータの初期値を設定します。
この片側検定を使用して、母比率が仮説比率より小さいかどうかを判定します。この片側検定の検出力は両側検定よりも高いですが、母比率が仮説比率よりも大きいかどうかは判断できません。
たとえば、あるエンジニアがこの片側検定を使用して不良品の比率が0.001(0.1%)よりも低いかどうかを判定するとします。この片側検定の検出力は高く、比率が0.001よりも低いかどうかは判定できますが、0.001よりも高いかどうかは判定できません。
この両側検定を使用して、母比率が仮説比率と異なるかどうかを判定します。両側検定により、仮説値より小さい差か大きい差かは検出できますが、検出力は片側検定の場合よりも低くなります。
たとえば銀行のマネージャが、今年度、普通預金口座を持つ顧客の比率が昨年度の比率の0.57(57%)と異なるかどうかを検定するとします。昨年度の比率との差は重要なため、マネージャはこの両側検定を使用して今年度の比率が昨年度の比率より大きいか小さいかを判定します。
この片側検定を使用して、母比率が仮説比率より大きいかどうかを判定します。この片側検定の検出力は両側検定よりも高いですが、母比率が仮説比率よりも小さいかどうかは判断できません。
たとえば、ある品質分析者が許容できる電気スイッチの比率が0.98よりも高いかどうかを判定するとします。この片側検定の検出力は高く、比率が0.98よりも高いかどうかは判定できますが、0.98よりも低いかどうかは判定できません。
片側または両側の対立仮説の選択についての詳細は、帰無仮説と対立仮説についてを参照してください。
ワークシートで各再標本の比率を保存するよう、選択します。Minitabでは、データの最後列の後、列比率に値が保存されます。
(オプション)乱数ジェネレータの初期値で、1以上の整数を入力して、ブートストラップ標本の無作為選定の開始点を指定することができます。同じ初期値を使用すると、同じ標本を得ます。
たとえば、教授が授業で使うために、元のデータの再標本を50個生成するとします。教授と生徒各々が、初期値を1と設定して同じブートストラップ分布、したがって同じ分布結果を生成します。