統計学基礎
p値・有意水準・信頼区間をどう区別するか。
読者の問い
「有意差あり」と判断する基準や、p値と信頼区間の本質的な違いとは何か？
帰無仮説と対立仮説の設定
仮説検定では、検証する基準となる帰無仮説（H0）と、対立仮説（H1）をデータを見る前に定めます。平均点を比較する例なら、H0を「母平均の差は0」、H1を「母平均の差は0ではない」とする両側検定が考えられます。「新しいアプリの方が高い」と方向を決めるなら片側検定です。
検定でH0を棄却してもH1が証明されたわけではありません。どの集団をどう集めたか、差の大きさ、測定上の偏りを合わせて判断します。
p値と有意水準（α）の正しい判断ルール
p値は、H0と検定に用いたモデルの前提が成り立つとき、観測した検定統計量と同じかそれ以上に極端な値が得られる確率です。H0が真である確率や、結果が偶然だけで生じた確率ではありません。
有意水準（α）はデータを見る前に決める判定基準です。p値がα以下なら設定した手順でH0を棄却し、上回れば棄却できません。棄却できないことも「差がない」の証明ではありません。例えばp=0.03、α=0.05なら手順上は棄却しますが、効果の大きさや実用上の重要性は別に確認します。
信頼区間と仮説検定の数学的な結びつき
頻度論の95%信頼区間は、同じ方法で標本抽出と区間計算を繰り返したとき、長期的に約95%の区間が固定された真の母数を含むよう設計された手順です。得られた一つの区間に母数が95%の確率で入る、とは読みません。
同じモデル・同じ両側検定と対応する95%信頼区間を使う場合、差の区間が0を含まなければ5%水準でH0を棄却します。0を含むなら棄却できません。区間の作り方と検定が異なる場合は、この対応を機械的に当てはめません。
よくある誤りとその理由
誤り：p値を「帰無仮説が正しい確率」と解釈してしまうこと。
理由：p値は「帰無仮説が正しいという条件（前提）のもとで、手元のデータまたはそれ以上に極端な結果が得られる確率」であって、「帰無仮説そのものが正しい確率」ではありません。これは条件付き確率の前提と結果を取り違える誤解であり、検定の論理を根本から誤って解釈することにつながります。
参照資料
関連する学習機能
本ガイドに関連する統計検定2級の演習・復習アプリ機能です。実際に手を動かして理解を深めましょう。
関連するオリジナル例題
本ガイドの理解を深めるための、解説・途中計算付きの練習問題です。
母分散未知における母平均の95%信頼区間の算出
母分散既知における母平均の両側仮説検定
標本比率の標本分布と標準誤差の算出
対応のある2標本の母平均の差のt検定
大標本における母比率の95%信頼区間の算出
独立2標本の母平均の差のt検定（等分散仮定・プールされた分散）
2つの母分散の比のF検定（等分散性の検定）
カイ二乗分布を用いた母分散の95%信頼区間の算出
第1種の過誤・第2種の過誤と検出力（仮説検定の意思決定理論）
2つの母比率の差の検定（A/Bテストにおけるプールされた比率とz検定）
制作・検証情報
- 執筆・構成
- kuma / bearworks.uk
- 検算・内容確認
- 初版：kuma / bearworks.uk。2026-10-03改訂：Codex（統計的な説明・数値例・参照資料を点検）、Luna（読み取り専用の一次監査）
- 最終公開確認
- kuma / bearworks.uk（2026-10-03に改訂内容を確認し、公開原稿として承認）
AIを使用した工程
初版の構成案や実装補助にAIを使用しました。2026-10-03改訂の監査と文章修正にAI（Codex、Luna）を使用しました。
人が確認した工程
初版は運営者が公開を判断しました。2026-10-03に運営者が8ガイドの改訂内容を確認し、公開原稿として承認しました。専門家による第三者査読ではありません。
コード・データ・検証記録
更新・訂正履歴
- 初版8本の統計学習ガイドを公開し、数値例と参照情報を確認しました。
- 訂正8本の説明を点検し、p値・信頼区間・検定の前提・標本抽出・多重比較などの表現を訂正。運営者が公開原稿として確認しました。
内容の誤りや再検証のご連絡は、お問い合わせページから受け付けています。
誤りを報告する