1サンプル同等性検定の検定

解釈

帰無仮説と対立仮説を使用して、同等性基準が正しいことと、適切な検定対象の対立仮説を選択していることを検証します。

解釈

α（アルファ）水準を使用し、帰無仮説（H₀）を棄却するかどうかを決定します。

p値がα水準未満の場合、H₀を棄却して、結果が統計的に有意であると主張できます。

解釈

Minitabでは、自由度を使用して検定統計量を計算します。 自由度は、サンプルサイズに影響を受けます。サンプルサイズを大きくすると、母集団に関して提供される情報が増え、自由度が高くなります。

解釈

t値を使用して、帰無仮説を棄却するかどうかを判断できます。ただし、ほとんどの人はp値または信頼区間のほうが解釈が容易であるため、こちらを使用します。

一般に、ランダムサンプルの変動性に関して差が大きくなるほど、検定のt値の絶対値が大きくなり、帰無仮説に対する証拠が強力になります。

検定のt値は、対応するp値を計算するために使用されます。p値が有意水準より小さい場合、帰無仮説を棄却して、効果は統計的に有意であると結論付けます。詳細については、p値と決定に関するセクションを参照してください。

解釈

p値を使用して、母集団平均と目標値の差に関する次の帰無仮説を棄却する十分な根拠があるかどうかを判断します。１）差は下側同等性限界（非劣等性）より大きい。２）差は上側同等性限界（非優越性）より小さい。デフォルトでは、同等性検定では、これらの帰無仮説の両方を検定し、検定ごとのp値が含まれます。

それぞれの帰無仮説について、p値を検定の有意水準（アルファまたはαで示される）と比較します。0.05のαが最も一般的です。