ポアソン分布に従うカウントデータの平均値の差の検定 - Qiita
はじめに 業務でポアソン分布に従うカウントデータの平均値の差の検定を行う必要があったのですが、日本語の情報がなく、下記の論文を参考に実装を行ったので備忘録として残しておきます。 A more powerful test for comparing two Poisson means 検定の方法には、the conditional test (C-test) と呼ばれる方法と、この論文で提案されているP値を使った検定 (E-test) があるとのことでしたが、今回は検出力の高い E-test の方を実装しました。 簡単な説明 $n1, n2$：単位時間の経過回数 $k1, k2$：事象の発生回数の全期間の合計 $d$：検定したい平均の差 としたとき、 帰無仮説 $H_0: \lambda_1 = \lambda_2 + d$ 対立仮説 $H_1: \lambda_1 \neq \lambda
http://homepage2.nifty.com/nandemoarchive/toukei_hosoku/kanchigai_asuta.htm
★ まずは有意水準の確認 0.1%の有意水準 ＝ 0.001 1%の有意水準 ＝ 0.01 5%の有意水準 ＝ 0.05 求めたp値が上の値よりも小さければ帰無仮説を棄却することができたわけです。例えば求めたp値が0.023であった場合は0.023＜0.05となるので5%の有意水準で有意差が認められたといえます。逆に求めたp値が0.178であった場合は0.178＞0.05ですから5%の有意水準で有意差は認められないといえます。 ～重要なポイント～ 有意水準～%で検定を行う ＝ ～%の危険率で第1種の誤りを犯す ⇒ 例えば5%の有意水準で検定を行えば,100回同じ検定をした場合に5回は誤った結果を得る。これが1%の有意水準で検定を行えば,100回に1回は誤った結果を得るということになります。0.1%の有意水準であれば100回に1回も失敗しないということ。 ★ 結論 アスタリスクの数が多いこと
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
