仮説検定は、帰無仮説 H_0 が真であるという仮定から始まる基本的な統計ツールです。このプロセスでは、第 1 種の過誤と第 2 種の過誤が発生する可能性があります。第 1 種の過誤は、真の帰無仮説を誤って棄却することを指し、第 2 種の過誤は、誤った帰無仮説を棄却し損ねることを指します。
仮説検定では、第 1 種の過誤を犯す確率 (α と表記) は、通常 0.05 に設定されます。この有意水準は、真の帰無仮説を誤って棄却する確率が 5% であることを示します。逆に、第 2 種の過誤を犯す確率 (β と表記) は、通常 0.2 以下に設定され、望ましい検出力を表します。研究の検出力は 1 - β と呼ばれ、真の効果を検出する研究の能力を反映し、望ましい検出力水準は多くの場合 80% 以上に設定されます。
Δ で表される効果量は、仮説検定で比較される母集団間の差異の大きさを定量化します。これは差異の実際的な重要性を判断するのに役立ち、研究結果を解釈する上で重要な要素です。
研究の正確性と精度は、仮説検定における重要な評価基準です。正確性とは、測定値と真の値の近さの度合いを指します。これは、検定結果の正確性を反映し、系統的誤差がないことを示します。
一方、精度は結果の再現性を反映します。これは、同様の条件下で取得された複数の測定値の近さを強調します。高精度は、繰り返し測定間の変動が少ないことを意味し、信頼性が高く一貫した結果を示します。
ただし、系統的誤差は偏りを生じさせ、不正確な結果につながる可能性があることに注意が重要です。系統的誤差は真の値からの一貫した偏差を引き起こし、研究の妥当性と信頼性に影響を与える可能性があります。このような誤差を最小限に抑えるか修正することは、研究結果の完全性を保証するために不可欠です。
仮説検定とこれらの主要な評価指標を理解することで、研究者は情報に基づいた意思決定を行い、結果を正確に解釈し、研究から有意義な結論を導き出すことができます。
章から 2:
Now Playing
2.6 : 仮説検定における精度と誤差
Biostatistics: Introduction
151 閲覧数
2.1 : 生物統計学: 概要
Biostatistics: Introduction
201 閲覧数
2.2 : データ: 種類と分布
Biostatistics: Introduction
641 閲覧数
2.3 : 中心傾向: 分析
Biostatistics: Introduction
125 閲覧数
2.4 : データ: 変動性: 分析
Biostatistics: Introduction
114 閲覧数
2.5 : 統計的仮説検定
Biostatistics: Introduction
1.8K 閲覧数
2.7 : パラメトリックデータを分析するための統計的手法: ANOVA
Biostatistics: Introduction
245 閲覧数
2.8 : パラメトリックデータを分析するための統計的手法: ANOVA
Biostatistics: Introduction
1.5K 閲覧数
2.9 : 仮説検定における統計的推論手法: パラメトリックデータとノンパラメトリックデータ
Biostatistics: Introduction
95 閲覧数
2.10 : バイオ医薬品研究: 臨床研究の基本
Biostatistics: Introduction
106 閲覧数
Copyright © 2023 MyJoVE Corporation. All rights reserved