「対応のある2標本t検定」の原理は「1標本t検定」。「対応のない2標本t検定」との違いは?

แชร์
ฝัง
  • เผยแพร่เมื่อ 6 ก.พ. 2025
  • 今回は、対応のある2標本t検定についてわかりやすく解説します。
    同じ2標本t検定でも、「対応のある2標本t検定」は、「対応のない2標本t検定」とは考え方が異なり、実は「1標本t検定」と同じ考え方です。
    だから、考え方さえわかってしまえば「対応のない2標本t検定」よりも易しいですよ。
    QC検定のお勉強にもお役立てください。
    皆さまのお役に立てる動画配信をしていきますので、応援していただけると嬉しいです(^-^)
    =======================
    【関連動画】
    ▼t検定を学ぶ前に見るべし!母分散が既知の場合の平均値の検定。
      • t検定を学ぶ前に見るべし!母分散既知の場合の...
    ▼t検定のわかりやすい解説。なぜ自由度が関係するのか?t値の計算の意味は?
      • t検定のわかりやすい解説。なぜ自由度が関係す...
    ▼「Studentのt検定」「Weltchのt検定」の違いも含めて、対応のない2標本t検定を完全解説!
      • 「Studentのt検定」「Welchのt検...
    ▼Excelでt検定。操作からアウトプットの解釈までまるっと解説!
      • Excelでt検定。操作からアウトプットの解...
    ▼仮説検定。なぜ「ではないとは言えない」と表現するのか?p値とは?
      • 統計的仮説検定。なぜ「ではないとは言えない」...
    ▼プーリングがスッキリ理解できる!イメージは不偏分散の合体。
      • プーリングがスッキリ理解できる!イメージは不...
    =======================
    チャンネル登録はこちら
    ☞ / @datasciencelab.
    #QC検定1級成績優秀表彰者が解説します

ความคิดเห็น • 18

  • @Resc-q3i
    @Resc-q3i ปีที่แล้ว +1

    あー!対応のある、が、やっとわかった!

  • @西嶌徹
    @西嶌徹 ปีที่แล้ว +3

    対応の有る無しにどういう意味があるのか、トイックの例が素晴らしゅうございました。内容を定着させるよう言語化出来そうです。ありがとうございました!

    • @DataScienceLab.
      @DataScienceLab.  ปีที่แล้ว +2

      コメントありがとうございます(^-^)
      お役に立てて嬉しく思います!

  • @metabomaguro
    @metabomaguro 2 ปีที่แล้ว +4

    最後の事例が素晴らしい説明でした。神様みたいでした。

    • @DataScienceLab.
      @DataScienceLab.  2 ปีที่แล้ว +1

      ありがとうございます(^-^)
      誤った手法選択の危険性を伝えたくて考えてみました。
      いつも神様認定ありがとうございますw
      今後も認定継続していただけるよう励みます!

  • @浩音堅
    @浩音堅 ปีที่แล้ว +2

    非常に為になりましたQC検定2級絶対取りたいので力を貸して下さい

    • @DataScienceLab.
      @DataScienceLab.  ปีที่แล้ว +1

      着実に勉強すれば、結果はついてくると思います(^-^)

  • @teruteru2145
    @teruteru2145 ปีที่แล้ว +3

    いつも関心しながら、視聴させて頂いております(^^)
    どんなテキストよりもわかりやすく、理解の一助となっております!
    本当に助かっています。
    これからも参考にさせて頂きます。😂

    • @DataScienceLab.
      @DataScienceLab.  ปีที่แล้ว +2

      コメントありがとうございます(^-^)
      お役に立ててよかったです!

  • @saorin8321
    @saorin8321 ปีที่แล้ว

    わかりやすいです♡
    QC検定2級の勉強をしています。
    テキストを出版して欲しいですー!

    • @DataScienceLab.
      @DataScienceLab.  ปีที่แล้ว

      コメントありがとうございます(^-^)
      書籍出版は私の夢の一つです。
      いつか叶えられるように頑張ります!

  • @metabomaguro
    @metabomaguro 2 ปีที่แล้ว +2

    乱塊法、分割法、枝分かれ法について詳しく違いを教えていただきたいです

    • @DataScienceLab.
      @DataScienceLab.  2 ปีที่แล้ว +1

      乱塊法:実験の場の変動の影響が大きい時、局所管理によって、実験の場の差の成分が各実験に均一に分散されるように工夫された実験方法。
      分割法:乱塊法と似ているが、『実験の場』単位で同じ内容の実験をするのではなく、『ある要因の水準』単位で同じ内容の実験をする。2段階で分割して評価するイメージ(だから、F値を計算する際の分母が、1次誤差だったり2次誤差だったりする)。
      枝分かれ実験:分割法が何段も繰り返されるイメージ(だから、F値を計算する際の分母が、下位の要因の平均平方)。
      私のスキル不足で、コメント欄のみではうまく説明できていないと思います、すみません(泣)
      それぞれの動画を作成予定なので、そこで解説させてくださいm(_ _)m

  • @atussy7465
    @atussy7465 3 ปีที่แล้ว +1

    先ほどは気付いてしまって申し訳ありませんでした。
    内容はもんんんんんんんんんんんんのすごく分かりやすくて入り込んでしまいました!

    • @DataScienceLab.
      @DataScienceLab.  3 ปีที่แล้ว +2

      嬉しいコメントありがとうございます(^-^)
      とっても励みになります!!

  • @atussy7465
    @atussy7465 3 ปีที่แล้ว +1

    最後が#5になっているのはご愛敬ということで良いのですよね?

    • @DataScienceLab.
      @DataScienceLab.  3 ปีที่แล้ว +2

      4:13 のところですね。
      すみません、気づかなかったです(>-