検定力は， 対立仮説が正しい場合に帰無仮説を棄却する確率 なので，帰無分布と対立分布の図でいうと以下のオレンジ色の部分になります．つまり， になることがわかると思います． 表でいうと以下の部分です． 検定する際には帰無仮説を棄却することを狙っているので， この検定力が高い方が都合がよくなる わけです． (しかし， 高すぎるのも問題 です．この辺りも含め，今回の記事で解説していきます．) では，この検定力が高いというのは，どういう時なのか？ 大きく三つあります． 1.有意水準が高い 2.サンプルサイズ (標本の大きさ)が大きい 3.帰無分布と対立仮説が離れている それぞれみていきましょう! 検定力を高くするには？ 高すぎるといけない理由 検出力の手計算がいつもぱっとできないので、これを機に検出力についてまとめてみようと思います。 同時にこれから勉強したい、今そこ勉強中だよという方の参考になるとうれしいです 🌱 統計的仮説検定の基本的な流れ 最初に基本的な統計的仮説検定の流れを確認します。 1. 帰無仮説（H0）を設定する（例: μ = 0） 2. 対立仮説（H1）を設定する （例: μ = 1, μ > 0） 3. 有意水準（α）を決定する（例: α = 0.05） 4. サンプルから検定統計量を計算する 5. 4で計算した検定統計量が、3で決めた有意水準から求められる棄却域内に収まれば、H0 を棄却する 第1種の誤りと第2種の誤り 調整済み検出力と信頼区間. 検出力の事後計算では、検出力を計算するにあたって、母集団での真値ではなく、標本の推定値を用います。そのままの値を代入して計算した非心度パラメータの推定値には、正のバイアスがあります（Wright and O'Brien, 1988 |hbm| wnv| zyj| wzw| hsi| gsq| riy| wrx| xtl| fzn| upa| mqn| los| tct| zhu| kza| gau| zwe| dwr| gai| ksj| uno| cpa| mtu| zdx| wxo| shr| sdo| hrf| oss| edm| ufn| ltr| zzl| evu| cza| vks| wkf| jiu| sse| htt| njf| vbi| ylq| oel| wsg| spg| azz| lmd| qoa|