【Pythonで行う】仮説検定

Pythonを用いた仮説検定について解説します．

仮説検定の選び方や，使用するライブラリなども紹介しています．

仮説検定の選び方

代表的な検定方法の選び方は，以下のフローチャートになります．（日本で最もわかりやすいかつ，正確なフローチャートです）

検定方法を選ぶ際の主な観点は4つになります．より詳しい選び方は以下のページで解説しています．

・データの種類
・対応のある・対応のない
・正規性のある・ない
・標本数

主な検定手法の考え方やExcelを用いた計算方法は以下のページで解説しています．

仮説検定の実行方法（ウェルチのｔ検定）

Pythonで仮説検定を行うための記述例を紹介します．

具体例として，対応のない2群に対して行うウェルチのｔ検定で解説します．記述例は以下になります．

# ライブラリのインポート
from scipy import stats

# データの定義
x = [50, 71, 85, 63, 43, 34, 54, 93, 77, 45]
y = [45, 88, 93, 93, 74, 92, 79, 68, 74, 80]

# 検定の実行
result = stats.ttest_ind(x, y, equal_var=False)

# 結果の出力
print(result)

① ライブラリ・モジュールのインポート

必要なライブラリ・モジュールをインポートします．仮説検定では，主に数値解析用ライブラリであるSciPyのstatsモジュールを用います．

from ライブラリ名 import モジュール名　の形式で記述します．

※ ライブラリは複数のプログラムファイル群で，モジュール（部品）はライブラリ内の1ファイルを意味します．

② データの定義

仮説検定を行う標本の定義を行います．基本的にはデータは配列形式で定義します．

事前に作成したcsvファイルなどからデータを読み込み，定義することもできます．

》【Python用】CSVファイルの作り方・読み込み方

③ 検定の実行

①でインポートしたモジュールの関数を用いて仮説検定を実行します．配列データを引数として指定することで，対象のデータとして計算されます．

モジュール名.関数名(データA, データB)　の形式で記述します．

検定結果は新しい変数（result）に格納します．

④ 結果の出力

検定結果を画面上に出力します．print関数を用いて出力することができます．

検定結果は以下のように出力されます．statisticは検定統計量，pvalueはp値を示しています．

Ttest_indResult(statistic=-2.2065995919387995, pvalue=0.04159065447065379)

以上がPythonを用いた仮説検定になります．

仮説検定の使用するライブラリ一覧

主な仮説検定で使用するライブラリ・モジュール・関数の一覧になります．

カイ二乗検定やフィッシャーの正確確率検定は，クロス集計表の検定方法であるため配列形式ではなく表形式でデータを渡す必要があります．Pythonを用いたクロス集計表の作成方法は補足②で解説しています．

補足① PyCharmを用いた実行環境の構築

Pythonを初めて使う方や，自分のPCにPython・PyCharmが入っていない方は以下のページで解説している手順で実行環境の構築を行ってください．

初めて触る方にもわかりやすいようにPyCharmを用いた手順となっています．仮説検定では，”SciPy”というライブラリを使用します．インストール方法が分からない方は，ライブラリのインストールを参考にしてください．

》Pythonを用いた統計解析【初心者向け】

》実行環境の構築方法【Pycharm使用】
》ライブラリのインストール方法【Pycharm使用】

補足② Pythonを用いたクロス集計表の作り方

PythonのPandasライブラリを用いたクロス集計表の作成方法について解説します．以下のようなデータからクロス集計表作成する例とします．

記述例は以下になります．

# ライブラリのインポート
import pandas as pd

# データフレームの読み込み
df = pd.read_csv(sample.csv)

# クロス集計表の作成
table = pd.crosstab(df["side_job"], df["sex"])

事前に作成したCSVファイルをデータフレームに格納して，crosstab関数を用いて作成します．作成されたクロス集計表は以下のようなデータフレームになります．

side_job  No  Yes  Total
sex                     
man        5    1      6
woman      2    2      4
Total      7    3     10