
136
■
11
章
仮説検定
like = x**heads * (1-x)**tails
return like
Euro
スイートを作成して、
Likelihood
を呼び出せば、これを使うことができる。
suite = Euro()
likelihood = suite.Likelihood(data, 50)
p(
D
|
F
)
は、
5.5
・
10
−76
であり、特定のデータ集合を取る確率が非常に小さいことを
除いては、大して情報がない。比率を出すのに
2
つの尤度がいるので、
p(
D
|
B
)
も計算
しないといけない。
B
の尤度をどのように計算するかは、「偏っている」とは何を意味するかが明白ではな
いので、はっきりしない。
1
つの可能性は不正行為になるが、仮説を定義する前に、データに目を通すことであ
る。その場合、「偏っている」とは表の出る確率が
140/250
であるということを意味する。
actual_percent = 100.0 * 140 / 250
likelihood = suite.Likelihood(data, actual_percent)
今回の
B
を、
B_cheat
と呼ぶ。
b_cheat
の尤度は
34
・
10
−76
であり、尤度比は
6.1
とな
る。したがって、データは今回の
B
を支持する証拠であると言える。
しかし、仮説を定式化するためにデータを用いることは、明らかにインチキだ。この
定義では、表の出る観察されたパーセントが正確に
50%
でない限り、どんなデータも
B
の証拠となってしまう。
11.2
公正な比較を行