p値電卓

zスコア、t統計量、カイ二乗、F統計量などの検定統計量から、片側および両側仮説検定のp値を計算します。

p値電卓

p値電卓は、4つの主要な統計分布（標準正規分布 (z)、スチューデントの t 分布、カイ二乗分布 (χ²)、F 分布）の検定統計量からp値を算出します。片側検定（左および右）と両側仮説検定をサポートし、インタラクティブな分布曲線による視覚化と、統計的有意性の明確な解釈を提供します。

p値とは何ですか？

p値（有意確率）とは、帰無仮説（H₀）が正しいと仮定したときに、実際に観察された値と同等か、それ以上に極端な検定統計量が得られる確率のことです。統計検定における帰無仮説に対する反証の強さを測定します。

両側z検定の場合:

$$p = 2 \times P(Z > |z|) = 2 \times [1 - \Phi(|z|)]$$

小さなp値 (p < 0.05): H₀に対する強い証拠 — 帰無仮説を棄却する
大きなp値 (p ≥ 0.05): H₀に対する弱い証拠 — 帰無仮説を棄却できない

p値はH₀が正しい確率を測定するものでも、効果の大きさや重要性を測定するものでもありません。データがH₀とどの程度適合しているかを示す指標に過ぎません。

この電卓の使い方

検定タイプの選択: 統計検定に一致する分布を選択します。z検定（標準正規分布）、t検定（スチューデントのt）、カイ二乗検定、またはF検定から選びます。
検定統計量の入力: 計算済みの検定統計量の値を入力します。カイ二乗およびF統計量は非負である必要があります。
自由度の入力: t検定およびカイ二乗検定の場合は自由度 (df) を入力します。F検定の場合は、分子 (df₁) と分母 (df₂) の両方の自由度を入力します。
対立仮説（裾）のタイプを選択: 方向性のない仮説の場合は両側を、方向性のある仮説の場合は左または右片側を選択します。
結果の確認: p値、インタラクティブな分布図、複数のアルファ水準での有意性評価、および平易な言葉による解釈を確認します。

サポートされている統計検定

z検定 (標準正規分布)

母標準偏差がわかっている場合や、サンプルサイズが大きい (n > 30) 場合に使用します。z統計量は、H₀の下で標準正規分布 $N(0, 1)$ に従います。

$$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

t検定 (スチューデントの t 分布)

母標準偏差が不明で、サンプルサイズが小さい場合に使用します。t分布は正規分布よりも裾が重く、追加の不確実性を考慮しています。自由度 (df) が大きくなるにつれて、t分布は標準正規分布に近づきます。

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad \text{df} = n - 1$$

カイ二乗検定 (χ² 分布)

適合度検定や、カテゴリデータを用いた独立性の検定に使用されます。カイ二乗分布は右に歪んだ分布で、非負の値に対してのみ定義されます。

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

F検定 (F 分布)

分散分析 (ANOVA) や分散の比較に使用されます。F分布は2つの自由度パラメータ（分子と分母）を必要とし、非負の値に対してのみ定義されます。

$$F = \frac{s_1^2}{s_2^2}, \quad \text{df}_1 = n_1 - 1, \quad \text{df}_2 = n_2 - 1$$

片側検定 vs 両側検定

特徴	両側検定	片側検定
仮説	H₁: μ ≠ μ₀	H₁: μ > μ₀ または H₁: μ < μ₀
棄却域	両方の裾	一方の裾のみ
p値	2 × 片側p値	両側p値の半分
検定力	低い（同じαの場合）	予測した方向において高い
使用場面	事前の方向性の予測がない場合	強い方向性の仮説がある場合

一般的な有意水準

アルファ (α)	信頼水準	典型的な用途
0.10	90%	探索的研究
0.05	95%	ほとんどの科学研究（標準的な閾値）
0.01	99%	より厳格な研究、医学研究
0.001	99.9%	粒子物理学、ゲノミクス

p値に関するよくある誤解

誤解: 「p = 0.03 は H₀ が正しい確率が 3% であることを意味する。」 現実: p値は H₀ が正しいとした場合にそのデータが得られる確率であり、H₀ 自体が正しい確率ではありません。
誤解: 「p値が小さいほど効果が大きい。」 現実: p値は効果の大きさとサンプルサイズの両方に依存します。サンプルサイズが十分に大きければ、極めて小さな効果でも非常に小さなp値が得られることがあります。
誤解: 「p > 0.05 は効果がないことを意味する。」 現実: H₀ を棄却できないことは H₀ が正しいことを証明するものではありません。選択した水準で棄却するには証拠が不十分であることを意味します。
誤解: 「異なる研究間のp値を比較できる。」 現実: 設計、サンプルサイズ、母集団が異なる研究のp値を直接比較することはできません。

よくある質問

p値とは何ですか？

p値とは、帰無仮説が正しいと仮定したときに、実際に観察された値よりも極端な検定統計量が得られる確率のことです。帰無仮説に対する証拠の強さを定量化します。p値が小さいほど、帰無仮説に対する強い反証となります。

片側検定と両側検定の違いは何ですか？

両側検定は両方向（期待値より大きい、または小さい）の効果を確認しますが、片側検定は一方向のみを確認します。両側検定の方が保守的です。片側検定は、データ収集前に強い方向性の仮説がある場合にのみ使用してください。

z検定とt検定はいつ使い分けるべきですか？

母標準偏差がわかっている場合や、サンプルサイズが大きい (n > 30) 場合はz検定を使用します。標本分布が正規分布に近似するためです。母標準偏差が不明でサンプルサイズが小さい場合は、t検定を使用します。t分布は裾が重く、追加の不確実性を考慮に入れているためです。

p値が0.05未満であることは何を意味しますか？

p値が0.05未満であることは、帰無仮説が正しいとした場合に、そのデータ（またはそれ以上に極端なデータ）が観察される確率が5%未満であることを意味します。慣例として、これは統計的に有意と見なされ、研究者は帰無仮説を棄却します。ただし、統計的有意性が必ずしも実務的な重要性を意味するわけではありません。