• 締切済み

「確率・統計」 ウェルチの検定

ウェルチの検定式の導出方法が知りたいです! お時間ありましたら、回答の方よろしくお願いします! 具体的に、教科書には以下のように書いてありました。 ////////////////////////////////////////// 自由度dのt分布に近似的に従うとする。ここで d={[(v1/m)+(v2/n)]^2}/{[(v1/m)^2)/(m-1)]+[(v2/n)^2)/(n-1)]}…(1) とする。ただし、v1、v2はV1,V2の実現値である。 線形補間法を使って近似を求める。数表でd1≦d≦d2を満たすdに1番近い数表にある値d1、d2を探し、その上側α点を使って小数自由度dの上側α点の近似が t(d;α)={[(d2-d)/(d2-d1)]×t(d1;α)}+{[(d-d1)/(d2-d1)]×t(d2;α)}…(2) となり、これがウェルチの検定である。 ///////////////////////////////////////// とあるのですが、(1)から(2)を導出する方法がわかりませんでした…

みんなの回答

  • Tacosan
  • ベストアンサー率23% (3656/15482)
回答No.1

ウェルチの検定がどういうものかは知りませんが, (2)式は (そこに書いてある通り) 単に t(d; α) を t(d1; α) と t(d2; α) から線形近似している だけでは? つまり (1) と (2) は全然関係ないんじゃなかろうかと.

関連するQ&A

  • 自由度νが大きいときの母分散σ^2の区間推定・検定

    自由度νが大きいときの母分散σ^2の区間推定・検定では、z = √(2χ^2) - √(2ν-1)が標準正規分布N(0,1)で近似できることを用いて求められるのはなぜ?そもそも近似式はどのようにして導出されたのか?

  • サイコロのある目が出る確率に関する検定(数理統計)

    サイコロのある目が出る確率に関する検定(数理統計) 現在、数理統計学を独学で勉強していますが、以下のところで 詰まっています。詳しい方のご回答お待ちしております。 サイコロをn回振るとする. p_i を i の目が出る確率としたとき, 帰無仮説 H_0 : p_i = 1/6 , 有意水準εで検定する方法を教えてください。 χ2乗分布に従う統計量をとり、それを使い棄却域を設定するようですがどのような統計量を取れば良いのか分かりません。 解説をみると, 以下のようになっています. (n=120のとき.) i の目がでた回数を f_i (i=1,...,6) としたとき 統計量T = Σ_{i} {(f_i-20)^2 /20} は自由度5のχ2乗分布に従う. この統計量Tが自由度5のχ^2分布に従う根拠はどうなっているのでしょうか。 (うまく確率密度関数を計算できません.) また一般にn回サイコロを振るとすると T= Σ_{i} {(f_i - (n/6))^2 / (n/6)} は自由度 5 のχ2乗分布に従うのでしょうか。 よろしくお願い致します。

  • 熱力学のエントロピーに関する質問

    温度TをU,V,Nの関数と見なし、エントロピーS(T,V,N)をS~(U,V,N)と書くとき、∂S~(U,V,N)/∂V=p(T,V,N)/Tとなることを示すという問題に関して質問です。 テキストに載っている導出は、 p=-∂F(T,V,N)/∂V=T{∂S(T,V,N)/∂V+∂T(U,V,N)/∂V・∂S(T,V,N)/∂T}=T∂S~(U,V,N)/∂V というものです。 ここで、2番目の等号が成り立つのは何故かがどうしても分かりません。 どのような計算過程を経てこうなるのかを教えていただけないでしょうか。

  • 統計力学

    スターリングの公式を使って logΩ(E)=NlogV+(3/2)Nlog(2E/3N)+・・・・・  を導出せよ。 ・・はVとEにはよらない項を表す。 Ω(E)=(1/N!)*(V^N/h^3N)*{π(2π^2mE)^(3/2)N-(1/2)}/Γ{(3/2)N+1}  となっている (^n:n乗) この問題が分からないんで、分かる方は教えてください。お願いします

  • 確率変数について

    確率変数の問題ができなくて困ってます。4問なんですけど、 (1)確率変数Xは母平均0、母分散1^2の標準正規分布N(0、1^2)に従うとき、上側確率が0、0050となる確率点を示せ。 (2)確率変数Xは母平均1、母分散9の標準正規分布N(,3^2)に従うとき、不等式4<X<7を満たす確率を示せ。 (3)確率変数Xが自由度60のt分布に従うとき、上側確率が0、025となる確率点を示せ。 (4)確率変数Xが自由度9のX^2分布に従うとき、下側確率が0、05となる確率点を示せ。 以上が分かりません。分かる問題だけでも結構なので解る方は、やり方も教えて頂けると嬉しいです。

  • スミルノフ-グラベス棄却検定、両側検定について

    現在必要にせまられ、 スミルノフーグラベスの棄却検定を勉強しています。 有意点tの求め方について、わからなくなりました。 調査していると 有意点tを求める際のt分布で 両側検定を採用しているものと、片側検定を採用しているものとが あるようです。両者で有意点がやや異なるのですが。。。 このような棄却検定で、両側検定を行う意味がよくわかりません。 たとえばn=5で、3、3、3、3、14というデータ群があった場合 14は、あきらかに平均値より高い値のはずです。 つまり、棄却検定を行う場合は 「上側確率」あるいは「下側確率」が対象であることがはっきりするはずで、両方を含めて検定する必要性が感じられないのです。 棄却検定に両側検定を適用する意味があるのでしょうか。 統計に明るくなく、素人くさい質問ですみません。 もしよろしければ、詳しい方、おしえていただけませんでしょうか。

  • 統計熱力学

    Hamiltonianが H=Σ(Pi^2/2m+mω^2xi^2/2+αxi^4)  α>0 (Σはi=1からN) で与えられるN個の非線形振動子系の比熱を求め、αが非常に小さいとして比熱をαの一次までの範囲で近似したところ、 C=NkB-Nα3(2kB/mω^2)T/2  (kB=ボルツマン定数) という答えが得られました。これはあっているはずなのですが、物理的解釈がうまくできません。 これによると温度Tが上がるにつれて比熱Cが小さくなるということになりますが、うまくイメージできないので何か良い例など思いついた方は教えてください!

  • t検定におけるt値の求め方について

    母平均の検定(1群を母平均と同じか検定)でt検定を行う際に、 T=(標本平均-母平均)÷(標本標準偏差)*√(n-1) と教科書にありました。ただ、次のサイト https://bellcurve.jp/statistics/course/9405.html を見ると、同じT値でも、 T=(標本平均-母平均)÷(不偏分散の標準偏差)*√(n) と書いてありました。不偏分散を求めるときに、n-1とするのは知っており、結局同じ式にはなっているのかと思いました。 以下質問ですが、 ①上の式はt検定なので√(n-1)は自由度を反映しているのだと思うのですが、自由度が違えば、下の式の不偏分散の求め方も、n-1で割るのではなく、n-2になったりするのでしょうか? ②以下のサイトに、nが大きければ、標本分散S²を母分散とみなしてz検定を行い、nが小さければ不偏分散を母分散とみなしてt検定をするとあります。 https://www.geisya.or.jp/~mwm48961/linear_algebra/t_test2.htm これは正しいですか?更に別の教科書には、nの数によって標本分散と不偏分散を使い分けるが、両方とも検定統計量Tを求めるとありました。それで、nが大きければTをZ分布表と比較すると書いてありました。 t検定は、サンプルが少ない時に使う確率密度のt分布表を使っていて、そもそもサンプルが小さい時点でt値を求めているから、比較先はt分布表だと思うのですが、、、。 解説のホームページによってかなりバラバラでどれが正しいのかわかりません。どうなっているのでしょうか。

  • エクセルにて、この関数はありますか?

    エクセルにてt検定(ウェルチの検定)を行いたいと思います。 ツール→分析ツールより、t検定・分散が等しくないと仮定した2標本による検定を行おうとしましたが、手持ちのデータが結果のみ(データの平均、標準偏差、分散)なので、行うことができません。 そのため、公式を元に計算しようかと思うのですが、手入力で作成すると間違えそうなので、簡単な関数でこれがないか調べていますが、見つかりません。 平均の検定:異分散の場合(ウェルチのt検定)の、「t0」と「v」 http://ja.wikipedia.org/wiki/T%E6%A4%9C%E5%AE%9A どなたか、関数を知っている、または、この公式のエクセル用に演算した式を知っている方がいましたら、教えてください。

  • ラグランジュの補間について

    ラグランジュの補間の導出にて 多項式近似にて近似式をPn(x)とすると xとf(x)が既知の場合 Pn(x)=Σf(xk)Qk(x)   (k=0,1,・・・・n) のように仮定して未知関数Qk(x)を求めますが、 イメージがわきません。 どうして、このように仮定するのでしょうか?