T検定計算機

このツールの使い方

以下の手順に従ってt検定の計算を実行してください：

1. ドロップダウンから必要なt検定の種類を選択します：1標本、独立2標本、または対応のある検定。
2. 選択した検定の種類に必要な入力値を入力します。標本平均、標準偏差、標本サイズなどが含まれます。
3. ドロップダウンから希望する有意水準（アルファ）を選択します（ほとんどの学術研究では0.05が標準です）。
4. 「計算」ボタンをクリックして結果を生成するか、「リセット」をクリックしてすべての入力をクリアします。
5. 「結果をコピー」ボタンを使用して、実験レポートや課題用に出力を保存します。

公式とロジック

t検定は、データのばらつきに対する群間平均の差を測定するt統計量を計算します。公式は検定の種類によって異なります：

1標本t検定

t = (x̄ - μ) / (s / √n)。ここでx̄は標本平均、μは母平均、sは標本標準偏差、nは標本サイズです。自由度（df）= n - 1。

独立2標本t検定（等分散）

t = (x̄₁ - x̄₂) / √(sₚ²(1/n₁ + 1/n₂))。ここでsₚ²はプールされた分散：((n₁-1)s₁² + (n₂-1)s₂²) / (n₁ + n₂ - 2)。df = n₁ + n₂ - 2。

独立2標本t検定（不等分散／ウェルチの検定）

t = (x̄₁ - x̄₂) / √(s₁²/n₁ + s₂²/n₂)。dfはウェルチ・サタスウェイトの式で計算され、小数点以下2桁に丸められます。

対応のあるt検定

t = (d̄) / (s_d / √n)。ここでd̄は対応のある差の平均、s_dは差の標準偏差、nはペア数です。df = n - 1。

p値はt分布の累積分布関数から導出され、ほとんどの学術的な仮説検定では両側p値が使用されます。

実用的な注意点

これらのヒントは、学術的な文脈でt検定の結果を適用するのに役立ちます：

• ほとんどの学術雑誌や課題では0.05の有意水準を使用しますが、特定の要件については課題のガイドラインを確認してください。
• 独立2標本検定では、F検定で分散が類似していることを確認した場合にのみ等分散オプションを使用してください。分散が不明な条件ではウェルチの検定の方が安全です。
• 対応のあるt検定は、介入前後の比較など、チュータリングプログラムの前後での学生のテストスコアを比較するような前後比較のシナリオに最適です。
• 小標本（n < 30）ではより厳密な検証が必要です。t検定は小標本ではデータがほぼ正規分布に従うことを前提としているためです。
• 学術研究や課題の透明性基準を満たすために、すべての結果値（t統計量、df、p値）を報告してください。

このツールが役立つ理由

この計算機は、一般的な学術シナリオの統計分析を効率化します：

• 学生は手計算をすることなく、宿題や実験レポートの計算を検証できます。
• 教師は課題の採点やクラスの成績データの検証を迅速に行えます。
• 学術アドバイザーはグループ間の成績差を分析して、カリキュラムやサポートプログラムを調整できます。
• 研究者は小規模な教育研究の予備的な仮説検定を実行できます。

よくある質問

2つの異なるクラスの試験スコアを比較するには、どのt検定の種類を使用すべきですか？

2つのクラスは無関係なグループであるため、独立2標本t検定を使用してください。クラスのスコアのばらつきが類似している場合にのみ等分散オプションを選択してください。

α = 0.05でp値が0.03の場合、どのように解釈すればよいですか？

p値0.03は有意水準0.05より小さいため、帰無仮説を棄却します。これは、グループ間の観察された差が統計的に有意であることを意味します。

標本サイズが10未満でもこのツールを使用できますか？

はい、ただし非常に小さい標本（n < 10）のt検定結果は、基礎となるデータが正規分布に従うことを確認できない限り、信頼性が低くなります。可能であれば、より多くのデータを収集することを検討してください。

追加のガイダンス

学術研究でt検定の結果を使用する際は、以下のベストプラクティスに従ってください：

• バイアスを避けるために、検定を実行する前に必ず帰無仮説と対立仮説を明示してください。
• カテゴリカルデータ（例：合格/不合格の数）にはt検定を使用しないでください。代わりにカイ二乗検定を使用してください。
• 実験レポートや研究の付録に含めるために、入力と結果のコピーを保存してください。
• 結果が期待される結果と矛盾する場合は、入力ミスが一般的であるため、指導教員や統計学者に相談してください。