Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
1 2023.09.02 Tokyo.R #108 同じデータでもP値が変わる話
Slide 2
Slide 2 text
2 統計的仮説検定 同じデータからは同じ検定結果が得られるもの と考えられがちですが 実際には必ずしもその通りではありません。
Slide 3
Slide 3 text
3 例えば コイン投げをして24回中7回が表になるという単純な データを考えてみましょう。 このようなデータでも、実験の設定や投げる回数の制 約によって、統計的仮説検定の結果が変わることがあ るのです。
Slide 4
Slide 4 text
4 コインを1回投げる 𝑝 𝑦 𝜃 = 𝜃𝑦(1 − 𝜃)(1−𝑦) 𝜃 = 0.5 ベルヌーイ分布 y=1 は表, y=0 は裏
Slide 5
Slide 5 text
5 コインをN回投げる 裏裏表表裏裏表裏裏裏裏裏裏裏裏裏表裏裏表表裏裏表 表が出る確率 θ 投げる回数 N 表の回数 z 二項分布
Slide 6
Slide 6 text
6 統計的仮説検定の流れ 帰無仮説をたてる ↓ 標本分布を計算する ↓ データを観測してP値を求める
Slide 7
Slide 7 text
7 帰無仮説をたてる ある統計量がある値と等しいということを帰無仮説と して設定します。 例） コインの裏表が出る確率が50%と等しい 平均値が等しい
Slide 8
Slide 8 text
8 標本分布を計算する 帰無仮説が成り立つ場合にその統計量が従うであろう 確率分布、標本分布を計算します。 例） コインの裏表が出る確率 → 二項分布など 平均値 → t分布など
Slide 9
Slide 9 text
9 データを観測してP値を求める 実際に観測された値、もしくはそれ以上に極端な値が 標本分布に占める面積、つまりそのような値が観測さ れる確率（P値）を求めます。
Slide 10
Slide 10 text
10 P値があらかじめ設定したしきい値（たとえば5%）よ りも小さければ、そもそも帰無仮説が間違っていたの だと結論づけます。 逆に小さくなければ帰無仮説を棄却せず、判断を保留 します。 P値で判断
Slide 11
Slide 11 text
11 コインを24回投げて7回表が出た このコインは公平か。 データ観測者の意図 コインを24回投げると決めていた。結果として7回表 がでた。
Slide 12
Slide 12 text
12 標本分布 表が出る確率 θ 投げる回数 N 表の回数 z
Slide 13
Slide 13 text
13 データを観測 θ = 0.5 N = 24 z = 7 P値 = 0.064 Sample Proportion z/N p(z/N)
Slide 14
Slide 14 text
14 Rのコード
Slide 15
Slide 15 text
15 コインを24回投げて7回表が出た このコインは公平か。 データ観測者の意図 7回表が出るまで投げ続けると決めていた。結果として 24回投げた。 ↓ 23回投げた時点で6回表が出ており、24回目では表が 出た。
Slide 16
Slide 16 text
16 標本分布 N-1回投げた時点でz-1回表が出て N回目は表
Slide 17
Slide 17 text
17 データを観測 θ = 0.5 z = 7 N = 24 P値 = 0.017 Sample Proportion z/N p(z/N)
Slide 18
Slide 18 text
18 Rのコード
Slide 19
Slide 19 text
19 投げる回数N 表が出る回数 z • Nを固定する意図ではP値=0.064（判断を保留） • zを固定する意図ではP値=0.017（帰無仮説を棄却） 同じデータを観測しても、観測者の意図によって 検定結果が変わる！
Slide 20
Slide 20 text
20 意外にも 観察者の意図やデータ収集の方法が、統計的な結果に 影響を与える可能性があるのです。 このような現象は、統計的な検定の限界や留意すべき 要点を浮き彫りにします。単に数値を見るだけではな く、実験の文脈や条件を正しく理解することの重要性 を示しています。
Slide 21
Slide 21 text
21 参考書 飯塚修平. ウェブ最適化ではじめる機械学習. オライ リー・ジャパン, 2020 John K. Kruschke. Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan EDITION 2. Academic Press, 2014