Розмір відео: 1280 X 720853 X 480640 X 360
Показувати елементи керування програвачем
Автоматичне відтворення
Автоповтор
わかりやすくて助かりました😭勉強になりました！ありがとうございました🙇
コメントありがとうございます！講師の平磯です。お役に立てたのであれば、嬉しく思います。他にもいろいろな動画をアップしているので、ぜひご覧ください！
解説が凄く分かりやすくて、助かりました。有難うございました。
いつもありがとうございます。
コメントありがとうございます！講師の平磯です。これからも皆さまのお役に立つような動画をアップしていけたらと思います。
また質問があります。帰無仮説と対立仮説ですが、ある２つのものに差がないことを証明したい場合の帰無仮説は、ある２つのものに差があるで、実際に差がないことを証明したいので、ある２つのものにさがあるという対立仮説でよろしいでしょうか？ネットの記事で、差がないのが帰無仮説、差があるのが対立仮説と書いてあるものがあり、混乱しています？
コメントありがとうございます！ 講師の平磯です。まず、差の比較を行いたいときの帰無仮説は「等しい」という仮説を設定します。そして、対立仮説には「等しくない、一方が大きい/小さい」といった仮説を設定します。差の比較の検定では、主眼が「差があるかどうか」に置かれており、「差がない」ことを確かめることはできません。帰無仮説が棄却されたからと言って「差がない」とはならず、「差があるとは言いきれない」となるためです。そもそもデータにはばらつきが生じ、完全一致することは稀なので、「等しくない」よりも「等しい」ことを示す方が難しかったりします。差がないことを確かめるための検定として同等性の検定などがあります。
とてもわかりやすかったです。ありがとうございました。質問があります。データ分析アドインの等分散を仮定した２標本による検定の設定項目にある「仮説平均との差異」とデータ分析アドインの分散が等しくないと仮定した２標本による検定の設定項目にある「二標本の平均値の差」はどういう時に設定するのでしょうか。
コメントありがとうございます！講師の平磯です。「仮説平均との差異」「二標本の平均値の差」はどちらも同じ考え方で、２群の平均値にある特定の差を仮定する際に設定します。何も入力されていなければ、「0」として計算されます。つまり、2群の平均値の差は0（＝平均値が等しい）と仮定して仮説検定を行います。これを「平均値に5の差がある」と仮定して仮説検定を行うならば、「仮説平均との差異」「二標本の平均値の差」に5を設定します。多くの場合は、平均値に差異がないかを確かめるので、数値を設定することはほとんどないと思います。
@@Odysseymedia 様ありがとうございました。勉強になりました。
わかりやすくて助かりました！質問なのですが、対応のあるt検定は分散が等しいか、等しくないのかは気にする必要がないのでしょうか？
コメントありがとうございます！講師の平磯です。まず、対応のないt検定では2グループの平均値の差を見ており、2グループの分散が等しいかどうかで計算式が異なります。そのため、等分散性を検定する必要があります。一方、対応のあるt検定では、実際は前後の2グループの平均値の比較というより、同じ対象の2データの「差が0になるか」を検定しています。つまり、対応のあるデータ（2つのデータ）について、「2つのデータの差」という1つのデータに計算しなおしてから、その値が0と等しいかを検定しています。1つのデータに変換されたことで、分散が等しいかどうかの比較は不要になります。
@@Odysseymedia 返信ありがとうございます！
分かりやすい説明ありがとうございます。質問があります。集団は同じなのですが、匿名でテストを行ったため、研修前後で比べようとしたときに、人物が対応していません。研修の効果を確かめるためには、この場合は、どのt検定になるのでしょうか。
コメントありがとうございます！講師の平磯です。対応が取れない場合には、「対応のないデータ」としていずれかのt検定を実施する方向で良いと思います。どちらのt検定かは、動画で解説している通り、F検定を実施して判断します。この方法で、前後の集団を1つの塊と見て、「集団に変化があったのか」を確認できます。「研修によって個々人に変化があったのか」は対応のあるt検定を実施する必要があるので、結果の収集（データ分析のデザイン）時点での工夫が必要という話になってきます。
返信ありがとうございます。とても困っていたので、大変助かりました。次からは匿名でも、データを対応できるように工夫します。
いつも有益な動画をありがとうございます。勉強させていただいています。２点質問があります。今回、p値を両側で判断しているのは、成績が上がっている人も下がっている人も両方を判断するためでしょうか。片側検定と、両側検定の違いをおしえていただけたらうれしいです。２つ目なんですが、今回の動画のように常にT検定をやる前にちゃんとF検定をするべきなんでしょうか。実務ではもしかしたら分散が等しいと仮定してT検定やるとか、F検定を省略した形もあったりするのかなと思ったりしました。よろしくおねがいします!
コメントありがとうございます！講師の平磯です。①片側検定、両側検定についてt検定は2標本の平均値の「差に意味があるかどうか」を調べる手法です。「差に意味がない」という場合は、「2つの平均値の差は0である」という前提で確率（P値）を求めています。つまり反対に、「差に意味はある」という結論になった場合には、2つの平均値に差があり、講師Aの方の平均値が大きいのか、小さいのか両方の可能性が考えられます。その両方の可能性を検証するために両側検定を行います。分析を行う前段階では講師Aの方が平均点が高いのかどうかは分かりえない情報のため、両側検定で分析するのです。ちなみに、得られたデータでは、講師Aの方が平均値が高くなっていますが、この大小はあくまでも今回得られたデータの話ですので、神のみぞ知る真実はどちらか分かりません。ですので、データの中の成績が上がっている人も下がっている人も両方を判断するためということとは少し異なります。②F検定の必要性について動画内37:09～でも解説していますが、F検定を行わずはじめから分散が等しくないと仮定してt検定を行う考え方もあります。実務上はそれでも大きな問題は無いのではと思っています。学術論文などになると厳密に行う必要はあるかもしれません。
@@Odysseymedia とても丁寧な解説ありがとうございます。
わかりやすい内容ありがとうございました。1点確認したいのですが、ｔ検定の使用には、サンプルの母集団の正規性の確認が必要だと思うのですが、本日の例題のように、対応のないグループ（クラスＡとクラスＢのテストの平均点）の差を比較する場合、クラスＡのテストのデータを、サンプルデータとして考えるのか、母集団データとして考えるのですか？ もし、サンプルデータとして考える場合は、その母集団は何になるのでしょうか？ 教えてください。よろしくお願いいたします。
コメントありがとうございます！講師の平磯です。ちょっと長くなりますが、ご容赦ください。おっしゃるようにt検定には正規性の確認が必要ですが、サンプルサイズがある程度大きければ、正規性の確認の有無はあまり気にせず検定を進めても問題はないとされています。サンプルサイズは大きいほど精度としては良いですが、大体各グループ30以上の件数を確保できていれば、正規性を気にせずt検定を進めても良いのではないかと思います。（動画の事例だと30以上を確保できていませんね…。すみません…）また、サンプルデータと考えるのか、母集団データと考えるのかの話ですが、検定では、手元にあるデータをサンプルデータとして考えています。母集団データなのであれば、その平均値は真の平均値ということになりますので、検定を行わずに平均値の大小が比較できてしまうからです。真の平均値がわからず、比較が単純にできないことから、t検定という確率的な推定を行っているのです。逆を言えば、今回の事例で各クラスを母集団と見るならば単純に平均の大小を比較してもいいと思います。ただ、それぞれのクラスの講師から、「今回の受講生だけの結果だけで判断されるはちょっと…」となる可能性もあるので、単純な平均値の差が「意味のある差」なのかを検定しています。つまり、母集団は、今回クラスA/Bに所属した人は別の人たちと考えることができます。クラスのメンバーが変われば結果も変わるかもしれません。あくまで今回手元にあるデータから推測をするとどうなるかという分析です。
わかりやすくて助かりました😭
勉強になりました！ありがとうございました🙇
コメントありがとうございます！講師の平磯です。
お役に立てたのであれば、嬉しく思います。
他にもいろいろな動画をアップしているので、ぜひご覧ください！
解説が凄く分かりやすくて、助かりました。有難うございました。
コメントありがとうございます！講師の平磯です。
お役に立てたのであれば、嬉しく思います。
他にもいろいろな動画をアップしているので、ぜひご覧ください！
いつもありがとうございます。
コメントありがとうございます！講師の平磯です。
これからも皆さまのお役に立つような動画をアップしていけたらと思います。
また質問があります。
帰無仮説と対立仮説ですが、ある２つのものに差がないことを証明したい場合の帰無仮説は、ある２つのものに差があるで、実際に差がないことを証明したいので、ある２つのものにさがあるという対立仮説でよろしいでしょうか？
ネットの記事で、差がないのが帰無仮説、差があるのが対立仮説と書いてあるものがあり、混乱しています？
コメントありがとうございます！ 講師の平磯です。
まず、差の比較を行いたいときの帰無仮説は「等しい」という仮説を設定します。そして、対立仮説には「等しくない、一方が大きい/小さい」といった仮説を設定します。差の比較の検定では、主眼が「差があるかどうか」に置かれており、「差がない」ことを確かめることはできません。帰無仮説が棄却されたからと言って「差がない」とはならず、「差があるとは言いきれない」となるためです。
そもそもデータにはばらつきが生じ、完全一致することは稀なので、「等しくない」よりも「等しい」ことを示す方が難しかったりします。差がないことを確かめるための検定として同等性の検定などがあります。
とてもわかりやすかったです。ありがとうございました。
質問があります。
データ分析アドインの等分散を仮定した２標本による検定の設定項目にある「仮説平均との差異」とデータ分析アドインの分散が等しくないと仮定した２標本による検定の設定項目にある「二標本の平均値の差」はどういう時に設定するのでしょうか。
コメントありがとうございます！
講師の平磯です。
「仮説平均との差異」「二標本の平均値の差」はどちらも同じ考え方で、２群の平均値にある特定の差を仮定する際に設定します。何も入力されていなければ、「0」として計算されます。つまり、2群の平均値の差は0（＝平均値が等しい）と仮定して仮説検定を行います。これを「平均値に5の差がある」と仮定して仮説検定を行うならば、「仮説平均との差異」「二標本の平均値の差」に5を設定します。多くの場合は、平均値に差異がないかを確かめるので、数値を設定することはほとんどないと思います。
@@Odysseymedia 様
ありがとうございました。
勉強になりました。
わかりやすくて助かりました！
質問なのですが、対応のあるt検定は分散が等しいか、等しくないのかは気にする必要がないのでしょうか？
コメントありがとうございます！
講師の平磯です。
まず、対応のないt検定では2グループの平均値の差を見ており、2グループの分散が等しいかどうかで計算式が異なります。そのため、等分散性を検定する必要があります。
一方、対応のあるt検定では、実際は前後の2グループの平均値の比較というより、同じ対象の2データの「差が0になるか」を検定しています。つまり、対応のあるデータ（2つのデータ）について、「2つのデータの差」という1つのデータに計算しなおしてから、その値が0と等しいかを検定しています。1つのデータに変換されたことで、分散が等しいかどうかの比較は不要になります。
@@Odysseymedia 返信ありがとうございます！
分かりやすい説明ありがとうございます。質問があります。
集団は同じなのですが、匿名でテストを行ったため、研修前後で比べようとしたときに、人物が対応していません。研修の効果を確かめるためには、この場合は、どのt検定になるのでしょうか。
コメントありがとうございます！講師の平磯です。
対応が取れない場合には、「対応のないデータ」としていずれかのt検定を実施する方向で良いと思います。どちらのt検定かは、動画で解説している通り、F検定を実施して判断します。この方法で、前後の集団を1つの塊と見て、「集団に変化があったのか」を確認できます。「研修によって個々人に変化があったのか」は対応のあるt検定を実施する必要があるので、結果の収集（データ分析のデザイン）時点での工夫が必要という話になってきます。
返信ありがとうございます。とても困っていたので、大変助かりました。
次からは匿名でも、データを対応できるように工夫します。
いつも有益な動画をありがとうございます。
勉強させていただいています。
２点質問があります。
今回、p値を両側で判断しているのは、成績が上がっている人も下がっている人も両方を判断するためでしょうか。片側検定と、両側検定の違いをおしえていただけたらうれしいです。
２つ目なんですが、今回の動画のように常にT検定をやる前にちゃんとF検定をするべきなんでしょうか。実務ではもしかしたら分散が等しいと仮定してT検定やるとか、F検定を省略した形もあったりするのかなと思ったりしました。
よろしくおねがいします!
コメントありがとうございます！講師の平磯です。
①片側検定、両側検定について
t検定は2標本の平均値の「差に意味があるかどうか」を調べる手法です。「差に意味がない」という場合は、「2つの平均値の差は0である」という前提で確率（P値）を求めています。つまり反対に、「差に意味はある」という結論になった場合には、2つの平均値に差があり、講師Aの方の平均値が大きいのか、小さいのか両方の可能性が考えられます。その両方の可能性を検証するために両側検定を行います。分析を行う前段階では講師Aの方が平均点が高いのかどうかは分かりえない情報のため、両側検定で分析するのです。ちなみに、得られたデータでは、講師Aの方が平均値が高くなっていますが、この大小はあくまでも今回得られたデータの話ですので、神のみぞ知る真実はどちらか分かりません。ですので、データの中の成績が上がっている人も下がっている人も両方を判断するためということとは少し異なります。
②F検定の必要性について
動画内37:09～でも解説していますが、F検定を行わずはじめから分散が等しくないと仮定してt検定を行う考え方もあります。実務上はそれでも大きな問題は無いのではと思っています。学術論文などになると厳密に行う必要はあるかもしれません。
@@Odysseymedia
とても丁寧な解説ありがとうございます。
わかりやすい内容ありがとうございました。
1点確認したいのですが、ｔ検定の使用には、サンプルの母集団の正規性の確認が必要だと思うのですが、本日の例題のように、対応のないグループ（クラスＡとクラスＢのテストの平均点）の差を比較する場合、クラスＡのテストのデータを、サンプルデータとして考えるのか、母集団データとして考えるのですか？ もし、サンプルデータとして考える場合は、その母集団は何になるのでしょうか？ 教えてください。よろしくお願いいたします。
コメントありがとうございます！講師の平磯です。ちょっと長くなりますが、ご容赦ください。
おっしゃるようにt検定には正規性の確認が必要ですが、サンプルサイズがある程度大きければ、正規性の確認の有無はあまり気にせず検定を進めても問題はないとされています。サンプルサイズは大きいほど精度としては良いですが、大体各グループ30以上の件数を確保できていれば、正規性を気にせずt検定を進めても良いのではないかと思います。（動画の事例だと30以上を確保できていませんね…。すみません…）
また、サンプルデータと考えるのか、母集団データと考えるのかの話ですが、検定では、手元にあるデータをサンプルデータとして考えています。母集団データなのであれば、その平均値は真の平均値ということになりますので、検定を行わずに平均値の大小が比較できてしまうからです。真の平均値がわからず、比較が単純にできないことから、t検定という確率的な推定を行っているのです。逆を言えば、今回の事例で各クラスを母集団と見るならば単純に平均の大小を比較してもいいと思います。
ただ、それぞれのクラスの講師から、「今回の受講生だけの結果だけで判断されるはちょっと…」となる可能性もあるので、単純な平均値の差が「意味のある差」なのかを検定しています。つまり、母集団は、今回クラスA/Bに所属した人は別の人たちと考えることができます。クラスのメンバーが変われば結果も変わるかもしれません。あくまで今回手元にあるデータから推測をするとどうなるかという分析です。