Think Stats 第2版 ―プログラマのための統計入門

132

9 章　仮説検定

したがって、仮説検定を

5

％閾値で行うならば、偽陽性が

20

回に

1

回起こると予

期できます。

9.10

 検出力

偽陰性率は、実際の効果量に依存しており、通常それがわからないので計算ははる

かに困難です。

1

つの選択肢は、仮定した効果量のもとで、偽陰性率を計算すること

です。

例えば、グループ間の観察された差が正しいと仮定すれば、観察標本を母集団のモ

デルとして使用して、シミュレーションしたデータで仮説検定を実行できます。

def FalseNegRate(data, num_runs=100):

group1, group2 = data

count = 0

for i in range(num_runs):

sample1 = thinkstats2.Resample(group1)

sample2 = thinkstats2.Resample(group2)

ht = DiffMeansPermute((sample1, sample2))

pvalue = ht.PValue(iters=101)

if pvalue > 0.05:

count += 1

return count / num_runs

FalseNegRate

は、それぞれのグループについて

1

つずつ、

2

つのシーケンスとい

う形式でデータを取ります。ループを回すたびに、各グループからランダムに標本を

取り出す実験をシミュレーションして、仮説検定を実行します。そして、結果をチェッ

クして、偽陰性の個数を数えます。