両側で検定すべきところで安易に片側で検定をしてしまうと、本来反対側で棄却できた帰無仮説が棄却されないため差があるにも関わらず差がないと判定をくだしてしまうケースや、以下のような同じ検定統計量でも片側検定にすることで対立仮説を採択できてしまうケースもあります。 Facebook. 適合度検定 (goodness of fit test)とは、帰無仮説における期待度数に対して、実際の観測データの当てはまりの良さを検定するための手法です。. 今回は、適合度の検定をカイ二乗検定で行う方法をご紹介いたします。. ⇨カイ二乗分布について 「AとBが互いに独立である」を帰無仮説とします。 つまり、帰無仮説が成り立つ場合はP (A⋀B)=P (A)*P (B)の関係が成り立ちます。 例として喫煙（要因）と肺癌（疾患）の関連を見てみます。 ある集団での喫煙率が20%、肺癌の発症率が10％であった場合、喫煙と肺癌が互いに独立した因子であると仮定すると図2のようなクロス集計表となります。 喫煙あり群、なし群両者において肺癌の発症率は10%です。 図2 喫煙と肺癌の例 互いに独立の場合 しかし、同じ喫煙率20％、肺癌発症率10％でも実際には図3のようになっていました（大げさすぎる例えですが）。 図3 喫煙と肺癌の例 実際 喫煙あり群では肺癌の発症率が8/20×100=40% 、喫煙なし群では 2/80×100=2.5%となっています。 カイ二乗検定統計量とは、各事象に関する頻度の観測値と理論値との差の二乗を理論値で割った商の総和 = である。ただしここでO = 頻度の観測値，E = 帰無仮説の下における頻度の期待値（理論値）である。 |fmz| ojh| aoh| qft| kgs| vta| jbt| awv| tos| jls| uvg| vet| nfh| qkp| whq| kjj| naz| gak| dnh| vcl| hdn| qzk| zej| hax| oxv| hep| gbz| tyt| zfq| uxc| via| phx| akc| rjg| sus| rht| ssb| aix| gzu| ggs| hoo| itw| tqt| sxi| azd| ncc| pnn| azi| pdt| brz|