タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
統計的仮説検定における効果量の概念と必要サンプルサイズの算出｜Dentsu Digital Tech Blog
この記事について電通デジタルでデータサイエンティストをしている中嶋です。今回の記事では統計的仮説検定における検出力や効果量の概念及び、それらを考慮した事前のサンプルサイズ設計について説明します。読者層としては、既に統計的仮説検定の基本的な使い方を理解している方を主な対象としていますが、そうでない方にもわかるように最初に簡単な復習をします。 統計的仮説検定について 概要 統計的仮説検定（以下、仮説検定）とは、性質の異なるグループ間で平均や分散など各グループを代表するような数値を比較する際に、その差が偶然生じたものか、そうでなく何かしら必然性がありそうかを検証するための統計手法です。例えば比較分析したい2つの群（ex. ユーザーグループ）があった時にある指標（ex. 各群の年齢の平均値）を比較して、統計的に偶然ではないレベルで差異が生じているかを判定したいときに仮説検定を使うことができます。
はじめに こんにちは、Gunosy Tech LabのBIチームに所属しているクボタです。 Gunosyではアプリ内のロジックやUI等の変更において数値ベースでの意思決定を行なっています。 例えば新たなキャンペーンでのCVR増加やUI変更によるA/Bテストでのクリック数増加の効果検証などで統計的に裏打された手法を用いることで正しく意思決定を行うことを目指しています。 data.gunosy.io 本記事ではそのような状況で必要となるサンプルサイズの設計や統計的仮説検定のお話をさせていただきます。 はじめに 検定手法の選択 統計的仮説検定の手順 比較する指標の選定 帰無仮説 と対立仮説 の決定 検定統計量の選定 有意水準の決定 検出力の決定 効果量の決定 サンプルサイズの計算 ノンパラメトリック検定 多重比較 おわりに 参考文献 検定手法の選択 数値による意思決定を行う際に検定はよく利用され
« 読了：「Rによる実証分析」 | メイン | 読了：「JODK 消えたコールサイン」 » 2019年7月 9日 (火) Amrhein, V., Greenland, S., McShane, B. (2019) Retire statistical significance. Nature, 567, 305-307. 最近のNatureに載った仮説検定批判のコメンタリー。話題になっているし、たった3pだし、著者にGreenlandさんがいるので、パラパラめくってみた。 いわく... 有意差がないことをもって差がないと解釈する誤りが世に溢れておる。嘆かわしい。5つのジャーナルから集めた791本の論文のうち、有意差がないことを正しく解しておる論文は49%であった。けしからん。 2016年にはASAの声明がありAmerican Statisticianの特集号があった。Hurlbert,
社会心理学者の山岡重行氏の『腐女子の心理学2』の巻末の統計学用語の説明に関して、社会学者の北田暁大氏が色々と批判している*1。しかし、あれこれ経緯がある*2からだと思うが、全般的に勇み足になっているので指摘しておきたい。山岡氏の記述にも問題が無いとは言い切れないのだが、統計学を学んでいない人向けの説明であろうことを念頭に置くと、山岡氏が統計学に無理解であるかのような批判は適切ではないと思われる。 1. P値の解釈について 北田氏は、山岡氏のように統計的仮説検定で「事実認定」をすることは、アメリカ統計学会（ASA）の声明*3に合致しないと主張しているのだが、何を「事実認定」するのかについて注意が払われていない不適切な批判になっている。 山岡氏の説明では、分類したグループ間の平均値に差があるのか「事実認定」するために、統計的仮説検定を用いることになっている（pp.72–73）。つまり、データと
統計的推定と統計的仮説検定
✧「指導用 高校からの統計・データサイエンス活用～上級編～」 第5部 統計的探究の実践 Ⅳ ～標本データから全体を推測する～ ✧「高校からの統計・データサイエンス活用～上級編～」 第5部 統計的探究の実践 Ⅳ ～標本データから全体を推測する～ 推定の方法 推定は、母集団の特性値（平均や分散など）を標本のデータから統計学的に推測することで、推定には点推定と区間推定があります。点推定で推定するのは1つの値で、区間推定ではある区間（幅）をもって値を推定します。 点推定 点推定は、母集団の平均や分散などの特性値を、1つの値で推定します。 例えば母平均（母集団の平均）の点推定は、大数の法則から標本の大きさが大きくなるほど、標本の平均は母平均に近づくため、標本の平均が母平均の推定値となります。ただし、実際の標本の大きさは無限に大きいものではないため、母平均の推定値は、実際の値と完全には一致しないことが
こんにちは。データサイエンスチーム tmtkです。 この記事では、統計的仮説検定をするときのサンプルサイズの決め方の入門的解説を行います。 この記事は、永田靖『サンプルサイズの決め方』を参考に書かれています。 統計的仮説検定の枠組み 最初に、統計的仮説検定について復習します。 まずは身近な例で説明します。いま、表と裏が等確率で出るとされているコインがあるとします。このコインを10回投げて、10回とも全部表が出たとしたら、コインの表が出る確率が裏が出る確率より高いと疑うのではないでしょうか。実際、表と裏が等確率で出るコインを10回投げて、10回連続で表が出る確率は です。つまり、表裏が等確率で出るコインを投げて表が10回連続で出たとすると、0.1%程度の確率しかないことが起こっているということになります。この場合、非常に低確率なことが起こっているので、「このコインはおかしい」と判断することが
coublood.hatenablog.com 引き続き、統計検定のお勉強。 今回は仮説検定について。 ■ 仮説検定 (Hypothesis Testing) 「仮説検定」とは、実際にデータをもとにして統計的にその仮説を検証すること。 例えば、仮説Xとして「xは正しい」というものを検証するとします。 このとき、２つのグループを用意して、 Group は、そのxを正しいかを検証するために実際にxを行うグループ。 Group は、そのxを否定する検証をするため、xを行わないグループ。 とします。よくあるのが、薬の効果があるかを検証するための判断ですね。 検証したい薬を飲むグループ（上記でいう Group ）と、検証したい薬を飲まないグループ（上記でいう Group ) に分けて、もちろん被験者はその薬の効能を知らない状態で一定期間後に想定通りの結果になるか？ということを見るときなどに使われる手
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
より正しい意思決定のための統計的仮説検定とサンプルサイズ計算 - Gunosyデータ分析ブログ
読書日記: 読了：Amrhein, Greenland, McShane (2019) 仮説検定よ退場せよ in 2019
山岡重行の統計的仮説検定の説明に対する北田暁大の批判について
統計的仮説検定とは？サンプルサイズの決め方も解説
統計検定２級への道 その11 -仮説検定- - Cou氏の徒然日記
sin0.xyz
mainichi.jp
twitter.com
www3.mint.go.jp
digital.asahi.com
note.com/itsuki34