| 削除: 概要 |
| 追加: 帰無仮説との関係 |
| 削除: 仮説検定では、まず「差や効果がない」とする帰無仮説を設定し、観察されたデータがその仮説とどの程度整合するかを評価する。p値は、帰無仮説が正しいという条件のもとで、観察された値以上に極端な検定統計量が生じる確率を表す。{{ref|1}} |
| 追加: 仮説検定では、まず帰無仮説を設定する。p値は、その帰無仮説が正しいと仮定したときに、観察された検定統計量と同じか、それ以上に極端な値が得られる確率を示す。小さいp値は帰無仮説に反する証拠として扱われる。{{ref|1}} |
| 削除: 有意水準との関係 |
| 追加: 有意水準 |
| 削除: 検定前に有意水準αを定め、p値がその基準より小さい場合に帰無仮説を棄却する方法が一般的である。たとえばα＝0.05では、帰無仮説が実際には正しい場合でも5％の確率で棄却する基準を設定していることになる。{{ref|1}} |
| 追加: 検定前に、帰無仮説を棄却する基準となる有意水準αを設定する。0.1、0.05、0.01などが実務で用いられることがあり、p値が事前に決めた基準を下回るかどうかで統計的判断を行う。{{ref|1}} |
| 削除: 解釈 |
| 削除: 小さなp値は、観察されたデータが帰無仮説のもとでは起こりにくいことを示す。p値は、あらかじめ定めた有意水準と照らして解釈する。{{ref|1}} |
| 削除: 関連項目 |
| 削除: [[絶対リスク]]、[[効果量]]、[[ハザード比]]を参照。 |
| 追加: 使い方 |
| 追加: NISTは、データを検定した後ではなく、検定前にどの程度小さいp値を帰無仮説棄却の基準とするか決めておくことを良い実務としている。これは有意水準をあらかじめ選ぶことに相当する。{{ref|1}} |
