⸻
- t検定（t-test）
EN: “We conducted a t-test to determine whether Legendary Pokémon have a significantly higher Speed stat compared to non-Legendary Pokémon.”
JP: 「伝説ポケモンと通常ポケモンの間で、すばやさの平均に有意な差があるかどうかを確認するため、t検定を行いました。」
⸻
- 一元配置分散分析（One-way ANOVA）
EN: “A one-way ANOVA was performed to compare the average Attack stats across different Pokémon types such as Fire, Water, and Electric.”
JP: 「ほのお・みず・でんきなどの異なるポケモンタイプ間で攻撃の平均値を比較するため、一元配置分散分析を行いました。」
⸻
- 単回帰分析（Simple Linear Regression）
EN: “We used simple linear regression to examine the relationship between a Pokémon’s Base Stat Total and its Speed stat.”
JP: 「ポケモンの種族値合計とすばやさの関係を調べるため、単回帰分析を使用しました。」
⸻
- 重回帰分析（Multiple Linear Regression）
EN: “A multiple regression model was used to predict a Pokémon’s HP based on its Attack, Special Attack, and Speed stats.”
JP: 「こうげき、とくこう、すばやさの各種族値に基づいてポケモンのHPを予測するため、重回帰モデルを使用しました。」
⸻
- カイ二乗検定（2群）（Chi-square Test - 2 groups）
EN: “We used a chi-square test to investigate whether Legendary Pokémon are more likely to have the ability ‘Pressure’ compared to non-Legendary Pokémon.”
JP: 「伝説ポケモンが非伝説ポケモンよりも『プレッシャー』という特性を持っている割合が高いかどうかを検証するため、カイ二乗検定を行いました。」
⸻
- カイ二乗検定（多群）（Chi-square Test – multiple groups）
EN:
“A chi-square test was conducted to examine the relationship between a person’s occupation category (e.g. healthcare, education, IT, manufacturing) and their preferred mode of transportation (e.g. car, bicycle, train, walking).”
JP:
「職業カテゴリ（医療、教育、IT、製造など）と、好んで利用する交通手段（自動車、自転車、電車、徒歩）との関連を調べるため、カイ二乗検定を実施しました。」
⸻
- ロジスティック回帰（Logistic Regression）
EN: “We applied logistic regression to predict whether a Pokémon is Legendary based on its Base Stat Total and Speed.”
JP: 「種族値合計とすばやさをもとに、そのポケモンが伝説かどうかを予測するために、ロジスティック回帰を適用しました。」
⸻
- 多変量ロジスティック回帰（Multiple Logistic Regression）
EN: “Multiple logistic regression was used to predict battle outcomes based on type, gender, and various base stats.”
JP: 「タイプ、性別、複数の種族値をもとにバトルの勝敗を予測するため、多変量ロジスティック回帰を用いました。」
⸻