
125
125
9.4 他の検定統計量
図
9-1
に結果を示します。
CDF
は、
0.83
で観察された差と交わります。これは、
p
値
0.17
の補数の値です。
同じ分析を出生時体重について行うと、計算した
p
値は
0
です。
1,000
回試みた後で、
シミュレーションは、観察された差の
0.12
ポンドほど大きな効果を生成することは
ありませんでした。したがって、
p
<
0.001
という報告で、出生時体重の差は統計的
に有意だと結論します。
9.4
他の検定統計量
最適な検定統計量の選択は、どのような質問に答えるかに依存します。例えば、質
問が第一子について妊娠期間に差があるかというものなら、前節で行ったように平均
の差の絶対値を検定することに意味があります。
何らかの理由で、第一子の出産が遅れると考えるなら、差の絶対値を取るのではな
くて、次のような検定統計量を使います。
class DiffMeansOneSided(DiffMeansPermute):
def TestStatistic(self, data):
group1, group2 = data
test_stat = group1.mean() - group2.mean()
return test_stat
DiffMeansOneSided
は、
DiffMeansPermute
から
MakeModel
と
RunModel
を継承します。
唯一の違いは、
TestStatistic
が差の絶対値を取らないことです。この種の検定は、
差の分布の片側しか考えないので、片側検定(