最近、統計について考えることも出てきたので仮説検定について一枚絵で整理しました。昔、勉強したけど使っていないと忘れていますね。それにしても統計や機械学習の用語って、非常にとっつきにくいと感じるのは私だけでしょうか?
帰無仮説と対立仮説
帰無仮説(Null Hypothesis)
帰無仮説(Null Hypothesis)は、以下の説明がわかりやすいです。「帰無仮説」の「無」に注目して覚えれば良いでしょう。
帰無仮説(H0)とは,“差がない(差は0)”,“関係がない(相関が0)”などの無(=0)を意味する仮説です.研究では通常,「運動療法前と比較して一定期間の運動療法後は,筋力が増強する」とか,「患者群の歩行速度は健常群の歩行速度よりも遅い」などの差(違い)を証明します.そのために統計的検定では“運動療法前後でも差がない”とか“患者群と健常群の歩行速度は差がない”などの帰無仮説を想定し,この仮説が成立する有意確率p値を求めます.有意確率が有意水準よりも小さければ(p<0.05のとき),対立仮説(H1)を採択する(差がある)という判断をします.
対立仮説(Alternative Hypothesis)
帰無仮説に対立する仮説(H1)です.反対(対立)の意味を持つ仮説なので,“差がある(差は0ではない)”,“関係がある(相関が0ではない)”などの意味を持つ仮説です.
一枚絵で整理
例
コインを投げて裏表を出した場合の例を一枚絵に書き込みました。
参考ページ
Python例もやろうと思いましたが力尽きました。リンクだけ。