片側検定と両側検定の違いをわかりやすく解説

[公開日]2017/06/25[更新日]2017/08/24 [カテゴリー]仮説検定 Written by  IMIN

仮説検定には、片側検定、両側検定とがあります。同一の有意水準を使った場合でも、どちらの検定を用いるかで、棄却域が変わってきます。今回は、それぞれがどのような場面で使うのかについて見ていきましょう。

仮説検定については、仮説検定とは?初心者にもわかりやすく解説!で初心者向けにまとめてあります!

また、棄却域については仮説検定における棄却域とは?求め方も解説で解説していますので合わせてお読みください。

 
 

片側検定(one sided test)とは?

片側対立仮説に対する、仮説検定を片側検定といいます。

例えば、帰無仮説\(μ=0\)に対して、\(μ<0\)や\(μ>0\)を片側対立仮説とよびます。この対立仮説を用いた検定が片側検定です。

正規分布やt分布を用いた検定の場合、棄却域は以下のようになります。

片側検定棄却域

両側検定(two sided test)とは?

両側対立仮説に対する、仮説検定を両側検定といいます。

例えば、帰無仮説\(μ=0\)に対して、\(μ≠0\)を両側対立仮説といいます。この対立仮説を用いた検定が両側検定です。

正規分布やt分布を用いた検定の場合、棄却域は以下のようになります。

両側検定棄却域

 

では、理解をより深めるために具体例を見てみましょう。

具体例~ダイエット薬に効果はあるのか~

下記のような例だと、片側・両側どちらの検定手法がふさわしいのでしょうか?

新しいダイエット薬を作った。その薬の効果を確かめるために、10人に薬を処方し、以下のように体重の変化を表にまとめた。果たしてこの薬に効果はあると言えるのか?

誤りの関係性

この問題の場合、処方前と処方後の体重の差がもっとも着目するべきポイントです。よって、体重の変化の平均値について考え、それが0なのかどうかについて考えます。

そうすると、帰無仮説\(H_0\)は、体重の変化量(差)の母平均\(μ\)を用いて、

\(H_0\):\(μ=0\)(ダイエット薬に効果はない。体重の変化は0。)

と書けます。

これに対して対立仮説は、3通り考えられます。

その1\(H_1\):\(μ≠0\)(ダイエット薬には何らかの効果がある)←両側対立仮説

その2\(H_1\):\(μ<0\)(ダイエット薬には、体重減少の効果がある)←片側対立仮説

その3\(H_1\):\(μ>0\)(ダイエット薬には、体重増加の効果がある)←片側対立仮説

\(μ≠0\)の場合これは、両側対立仮説となりますが、\(μ<0\),\(μ>0\)の場合、これは片方のみを示しているので片側対立仮説となります。

今回の例では、ダイエット薬の効果を確かめたいので、通常はその2の対立仮説を使って、片側検定を行います。

しかし、「ダイエット薬の何らかの効果(増加を含めた逆効果)を確かめたい」場合にはその1を使います。

そして、むしろ薬のせいで太った可能性があると感じたなら、「ダイエット薬が逆効果であると証明」するために、その3の対立仮説を採用します。

つまり、片側検定か両側検定かは、問題によって決まります。どちらの検定が自然であるかによって決まるものであり、厳密な基準があるわけではありません。

仮説検定の目的に応じて、臨機応変に変わっていくものだということです。

ちなみに、片側検定なのか両側検定を行うかは、必ず検定の前に決めておく必要があります。例えば、検定統計量の値を見てから、「こっちの検定にしよう」、と決めたり、「両側検定で有意にならなかったので、片側検定に変える」などしてはいけません。

それは、どちらの検定にするかは、仮説検定の目的によって決まることであり、それは検定後に変わるものではないからです。

  • スポンサーリンク

  • コメントを残す

    メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

    CAPTCHA