2016/09/13
2020/04/14
正規分布の母平均の検定手順(母分散既知,Z検定)
ここでは、正規分布の母平均に関する仮説検定において、母分散\(σ^2\)が既知の場合どのように行うのか(Z検定とも呼ばれる)について解説していきます。そもそも仮説検定が分からないという方は、仮説検定とは?初心者にも分かりやすく解説をご覧ください。
当ページでは、標本\(x_1,x_2,…x_n\)が互いに独立に正規分布\(N(μ,σ^2)\)に従うことを仮定します。
また、この検定では下記を既知な値とします。
・母分散 \(σ^2\)
・帰無仮説による母平均 \(μ_0\)
・標本平均 \(\bar{x}\)
・標本数 \(n\)
両側検定の場合
対立仮説\(H_1\): \(μ ≠ μ_0\)
はじめに標準化を行います。今回は母平均に関する仮説検定を行うので、検定統計量としては、標本平均\(\bar{x}\)を使います。帰無仮説\(H_0\)の下で\(\bar{x}\)~\(N(μ_0,\frac{σ^2}{n})\)となるので、
$$ z = \frac{\bar{x}-μ_0}{\frac{σ}{\sqrt{n}}} ~N(0,1) $$
と標準化します。
これを有意水準5%での検定だとしましょう。標準正規分布表によると P(|z|≧1.96) = 0.05 です。よって、zの絶対値である|z|が1.96より大きいとき帰無仮説\(H_0\)を棄却します。
有意水準1%での検定だとするとどうなるでしょうか。これまた、標準正規分布表から、P(|z|≧2.58) = 0.01となることが分かるので、zの絶対値である|z|が2.58より大きいとき帰無仮説\(H_0\)を棄却します。
まとめると、標本平均\(\bar{x}\)に関して次のように棄却域が得られます。
有意水準5%ならば \(|\bar{x}-μ_0|≧1.96\frac{σ}{\sqrt{n}}\)
有意水準1%ならば \(|\bar{x}-μ_0|≧2.58\frac{σ}{\sqrt{n}}\)
つまり、\(\bar{x}\)が上記の式を満たしているとき、帰無仮説\(H_0\)を棄却するということです。
片側検定の場合
対立仮説\(H_1\): \(μ > μ_0\) または \(H_1\): \(μ < μ_0\)
片側検定では対立仮説は2通り書けます。どちらも手順は同じなので、以下 \(μ > μ_0\)の場合についてのみ解説します。
両側検定と同じく標準化を行い、帰無仮説\(H_0\)の下で
$$ z = \frac{\bar{x}-μ_0}{\frac{σ}{\sqrt{n}}} ~N(0,1) $$
となります。
もし、対立仮説の方が正しければ、検定統計量\(\bar{x}\)は帰無仮説の場合よりも大きな値を取る確率が高くなります。つまり、棄却域は帰無仮説の下で、\(\bar{x}\)が大きな値を取る確率が有意水準αとなるように定めます。
標準正規分布zに対して、標準正規分布表から、P(z≧1.645) = 0.05、P(z≧2.33) = 0.01であることから棄却域は、
有意水準5%ならば \(\bar{x}-μ_0≧1.645\frac{σ}{\sqrt{n}}\)
有意水準1%ならば \(\bar{x}-μ_0≧2.33\frac{σ}{\sqrt{n}}\)
となります。
例題
A高校の入学試験は毎年6000人の人が受験する。過去の入試の結果は平均400点、標準偏差120の正規分布に従う。今年の入学試験も例年同様6000人の人が受験し、採点官の田中さんの採点分45人の平均点は\(\bar{x}\)=440点、標準偏差は\(\hat{σ}\) = 90であった。この結果から志願者のレベルは向上していると言えるだろうか。有意水準5%、1%それぞれで検定した結果を答えよ。
解説
この問題では、母標準偏差120が与えられている。よって正規分布の母分散既知の場合の検定が適用できる。はじめに、二つの仮説を立てる。検証したいのは、学力の向上なので、片側対立仮説を採用する。今回の入試結果の母平均\(μ\)について
帰無仮説\(H_0\): \(μ = 400\)(母平均は過去の入試と変わらず400点)
対立仮説\(H_1\): \(μ > 400\)(母平均は過去の入試の400点より高い)
が今回の検定で用いられる仮説となる。
次に標準化を行う。\(H_0\)の下で、
\begin{eqnarray}z &=& \frac{\bar{x}-μ_0}{\frac{σ}{\sqrt{n}}} ~N(0,1) \\\\&=& \frac{440-400}{\frac{120}{\sqrt{45}}} ~N(0,1) \\\\&≒& 2.236\end{eqnarray}
となる。標準正規分布表より、
有意水準5%のとき \(\bar{x}-μ_0≧1.645\frac{σ}{\sqrt{n}}\)
有意水準1%のとき \(\bar{x}-μ_0≧2.33\frac{σ}{\sqrt{n}}\)
が棄却域となるので、\(H_0\)は有意水準5%で棄却されるが、有意水準1%では棄却されない。
答えは、
有意水準5%で仮説検定したとき、志願者の学力レベルは向上したと言える。
有意水準1%で仮説検定したとき、志願者の学力レベルは向上したと言えない。
となる。
まとめ
今回は、母分散が”既知”の場合の正規分布に従う検定について解説しました。これが、仮説検定の中で最も基本的な手法となります。しかし実際の場面では、母分散は”未知”の場合が多くなります。その場合は、t分布というものを使ってt検定と呼ばれるものを行います。これについては、別ページにて紹介いたしますのでそちらも読んでいただけたら幸いです。→t検定とは?種類と手順を解説!
最新投稿記事
-
AIプロジェクトの企画と失敗しない進め方を解説 2021年1月19日
-
AVILEN人材育成コース受講体験談:山田裕之さん「E資格の”その先”を目指して」 2021年1月8日
-
AI導入とは?RPAとの関係、プロセス、事例、メリット、費用を詳細に解説 2020年12月7日
-
注目のAI開発企業11社!支援領域や提供方法など検証! 2020年10月28日
-
AI人材を育成できる研修プログラムを一挙紹介! 2020年10月20日
-
【2021年版】期待のAI資格11選!就職・転職にも使える! 2020年10月18日
-
JDLAとは?G検定、E資格の認定プログラム、合格者の会など紹介! 2020年10月14日
-
G検定(2020#3)受験申し込み開始、11月7日(土)実施-JDLA 2020年10月1日
-
【独占】コロナ禍で人材登録急増、アノテーション単月売上高は4倍超-パソナJOB HUB 2020年10月1日
-
E資格を転職に活用!評判とデータを徹底調査! 2020年9月29日
週間ランキング
【2021年版】コスパ重視のG検定対策!おすすめの本・講座・教材を一挙紹介! 2020年6月6日
G検定に短期間・独学で合格した勉強法を解説! 2020年8月3日
【2021年版】期待のAI資格11選!就職・転職にも使える! 2020年10月18日
G検定は難しい?難易度・合格ライン・問題を徹底解説! 2020年6月19日
注目のAI開発企業11社!支援領域や提供方法など検証! 2020年10月28日
G検定に落ちた人、合格した人。勉強法の違いはどこにある? 2020年6月25日
最弱オセロを初めて攻略した天才オセロ高校生。負け方を解説! 2020年7月31日
E資格の難易度を、合格率と問題から徹底分析! 2020年8月11日
【2021年版】E資格とは?大注目のディープラーニングの資格を解説! 2020年9月29日
E資格を転職に活用!評判とデータを徹底調査! 2020年9月29日
