同等性プロット
等値プロットには、同等性限界、同等性の信頼区間、および同等性を主張できるかどうかについての決定が表示されます。
解釈
等値プロットを使用して、同等性検定の結果の記述統計グラフ要約を表示し、同等性を主張できるかどうかを判定します。
信頼区間を同等性限界と比較します。信頼区間が同等性限界内に完全に含まれている場合、検定母集団の平均は参照母集団の平均と同等であると言うことができます。信頼区間の一部が同等性限界を外れている場合、同等であると言うことはできません。
この結果で、95%信頼区間は下側同等性限界（LEL）と上側同等性限界（UEL）によって定義される同等区間に完全に含まれています。したがって、検定平均値は参照平均値と同等であると結論付けることができます。
ヒストグラム
ヒストグラムでは標本値が多くの区間に分割されており、各区間におけるデータ値の頻度がバーで表されています。
解釈
ヒストグラムを使用してデータの形状と広がりを評価します。ヒストグラムは、サンプルサイズが20より大きい場合に最適です。
- 歪んだデータ
-
データに歪みがあるかどうかを判定します。データが歪んでいる場合、ほとんどのデータがグラフの上下に向いていることになります。箱ひげ図やヒストグラムでは歪みを識別するのが最も簡単であるケースが多いです。
右方向の歪み
左方向の歪み
例えば、右方向に歪んだヒストグラムは、給与データを示します。多数の従業員の給与は比較的少額ですが、少数の給与は多額です。左方向に歪んだヒストグラムは、故障率を示します。少数のアイテムは早く失敗する一方で、多数のアイテムは後で失敗します。
データが大きく歪んでいると、サンプルサイズが小さい場合（20未満）に検定結果の妥当性が影響を受けます。データが大きく歪んでいて、サンプルサイズが小さい場合はサンプルサイズを増やすことを検討します。
- 外れ値
-
外れ値は、他の大部分のデータから遠くに離れているデータ点のことで、結果に大きな影響を及ぼします。外れ値は、箱ひげ図で容易に識別できます。
ヒストグラムでは、両端の孤立したバーによって潜在的な外れ値が示されます。
外れ値がある場合は、その原因を特定してください。データ入力や測定の誤差を修正します。特定の原因に関連するデータを削除し、分析を再度実行することを検討してください。特殊原因の詳細は、 管理図を使用した一般原因による変動と特殊原因による変動の検出をご覧ください。
個別値プロット
個別値プロットは横の列に標本の個別の値を表示します。各円は1つの観測値を表します。個別値プロットは観測値が比較的少なく、各観測値の効果を評価する場合に役立ちます。
解釈
- 歪んだデータ
-
データに歪みがあるかどうかを判定します。データが歪んでいる場合、ほとんどのデータがグラフの上下に向いていることになります。箱ひげ図やヒストグラムでは歪みを識別するのが最も簡単であるケースが多いです。
右方向の歪み
左方向の歪み
例えば、右方向に歪んだ個別値プロットは、給与データを示します。多数の従業員の給与は比較的少額ですが、少数の給与は多額です。左方向に歪んだ個別値プロットは、故障率を示します。少数のアイテムは早く失敗する一方で、多数のアイテムは後で失敗します。
データが大きく歪んでいると、サンプルサイズが小さい場合（20未満）に検定結果の妥当性が影響を受けます。データが大きく歪んでいて、サンプルサイズが小さい場合はサンプルサイズを増やすことを検討します。
- 外れ値
-
外れ値は、他の大部分のデータから遠くに離れているデータ点のことで、結果に大きな影響を及ぼします。外れ値は、箱ひげ図で容易に識別できます。
個別値プロットでは、異常に低いか、または高いデータ値によって、潜在的な外れ値が示されます。
外れ値がある場合は、その原因を特定してください。データ入力や測定の誤差を修正します。特定の原因に関連するデータを削除し、分析を再度実行することを検討してください。特殊原因の詳細は、 管理図を使用した一般原因による変動と特殊原因による変動の検出をご覧ください。
箱ひげ図
箱ひげ図は、形状、中心傾向、および変動性を示す各サンプルの分布の記述統計グラフ要約です。グループの比較が簡単になります。
解釈
箱ひげ図を使用して、データの広がりを調べ、潜在的な外れ値を識別します。箱ひげ図は、サンプルサイズが20より大きい場合に最適です。
- 歪んだデータ
-
データに歪みがあるかどうかを判定します。データが歪んでいる場合、ほとんどのデータがグラフの上下に向ていることになります。箱ひげ図やヒストグラムでは歪みを識別するのが最も簡単であるケースが多いです。
右方向の歪み
左方向の歪み
例えば、右方向に歪んだ箱ひげ図は、給与データを示します。多数の従業員の給与は比較的少額ですが、少数の給与は多額です。左方向に歪んだ箱ひげ図は、故障率を示します。少数のアイテムは早く失敗する一方で、多数のアイテムは後で失敗します。
データが大きく歪んでいると、サンプルサイズが小さい場合（20未満）に検定結果の妥当性が影響を受けます。データが大きく歪んでいて、サンプルサイズが小さい場合はサンプルサイズを増やすことを検討します。
- 外れ値
-
外れ値は、他の大部分のデータから遠くに離れているデータ点のことで、結果に大きな影響を及ぼします。外れ値は、箱ひげ図で容易に識別できます。
箱ひげ図では、アスタリスク（*）によって外れ値が識別されます。
外れ値がある場合は、その原因を特定してください。データ入力や測定の誤差を修正します。特定の原因に関連するデータを削除し、分析を再度実行することを検討してください。特殊原因の詳細は、管理図を使用した一般原因による変動と特殊原因による変動の検出をご覧ください。
- 等分散（オプション）
-
データの広がりを比較する
デフォルトでは、同等性検定は各グループの分散が等しいとは見なしません。ですが、検定で等分散を仮定(E)オプションを選択した場合は、各グループのグラフを比較して、データの広がりが類似していることを確認します。広がりに大きな違いがある場合は、検定を行う際に等分散だと仮定すべきではありません。
注
等分散性かどうかを正式に確認するには、2サンプルの分散の検定を使用します。
