1サンプルの比率検定(One Sample Proportion Test)
1サンプルの比率検定は、1つの標本における特定の結果の比率が、指定された母集団比率と有意に異なるかどうかを判定するために用いる仮説検定です。一連の試行における成功数や、バッチ内の不良品の比率など、データが二項分布に従う場合に通常使用されます。
最終レビュー
重要なポイント
1サンプルの比率検定は、1つの標本における特定の結果の比率が、指定された母集団比率と有意に異なるかどうかを判定するために用いる仮説検定です。
このページの内容
1サンプルの比率検定とは
1サンプルの比率検定は、1つの標本における特定の結果の比率が、指定された母集団比率と有意に異なるかどうかを判定するために用いる仮説検定です。一連の試行における成功数や、バッチ内の不良品の比率など、データが二項分布に従う場合に通常使用されます。この検定は、観測された標本比率が、仮説の母集団比率から、無作為抽出によるばらつきで予想される範囲を超えてずれているかどうかを評価します。
観測された比率を目標値または基準値と比較し、母集団比率を含む可能性の高い信頼区間を計算します。これは、不等性の仮説の検定とも呼ばれます。この検定は、サンプルサイズに応じて、正規近似または二項分布の全数列挙を使用できます。正規近似はサンプルサイズが大きい場合により正確で、二項分布の全数列挙はサンプルサイズが小さい場合により正確です。
1サンプルの比率検定を使用する場面
1サンプルの比率検定は、1つの母集団におけるある特性の比率が、仮説の値と有意に異なるかどうかを判定したい場合に使用します。
- 仮説比率(P0):比較の基準となる、母集団比率の具体的な仮説の値があることを確認してください。
- 2値の結果:データは、2値の結果(例:成功/失敗、はい/いいえ)の形式である必要があります。
- サンプルサイズ:
- 大きなサンプル:サンプルサイズが大きい場合(通常は nP0 ≥ 10 かつ n(1-P0) ≥ 10)は、検定に正規近似の方法を使用します。
- 小さなサンプル:サンプルサイズが小さい場合は、より正確な結果を得るために、二項分布の全数列挙の方法を使用します。
- 無作為抽出:標本は、検定結果の代表性と妥当性を確保するために、母集団から無作為に選ぶ必要があります。
- 独立性:標本内の各試行または観測値は、他のものから独立している必要があります。
- 比率の計算:標本比率(P̂)を、成功数を試行の総数で割った値として計算します。
- 検定の方向:
- 両側検定:標本比率が仮説の比率と有意に異なるか(P̂ ≠ P0)を検定したい場合。
- 片側検定:標本比率が仮説の比率より有意に大きいか(P̂ > P0)、または小さいか(P̂ < P0)を検定したい場合。
1サンプルの比率検定を使用する場面の例を次に示します。
- マーケティング会社が、競合他社のブランドよりも自社のブランドを好む消費者の比率が、50%などの一定の値より高いかどうかを判定したい場合。
- 公衆衛生機関が、ある母集団において特定のワクチンを接種した人の比率が、80%などの一定の値より低いかどうかを判定したい場合。
- 教育機関が、ある試験に合格した学生の比率が、70%などの一定の値より高いかどうかを判定したい場合。
これらのどの場合でも、1サンプルの比率検定を用いて、観測された比率が仮説の値と有意に異なるかどうかを判定します。これは、対象とする母集団についての意思決定や結論の導出に役立ちます。
1サンプルの比率検定を正しく使用するためのガイドライン
- 無作為抽出:母集団について妥当な一般化を行うために、標本データが無作為に選ばれていることを確認してください。
- 2値データ:データには、合格/不合格、1/0など、2つのカテゴリーのみが含まれている必要があります。
- 観測値の独立性:各観測値は、他のすべての観測値から独立している必要があります。
- 適切なサンプルサイズ:精度の高い推定値、有用な信頼区間、第2種の過誤に対する十分な保護を得るのに、サンプルサイズが十分に大きいことを確認してください。
代替手法:1サンプルの比率検定を使用すべきでない場合
- 製品の欠点数などの計数データを扱う場合は、1サンプルポアソン率検定を使用してください。
1サンプルの比率検定の例
マーケティングアナリストが、新製品の郵送広告による反応率が、全国平均と異なるかどうかを判定したいと考えています。広告を送る1000世帯が無作為に選ばれます。標本とした1000世帯のうち、87世帯が広告を受け取った後に購入しました。アナリストは、1サンプルの比率検定を行い、購入した世帯の比率が全国平均の6.5%と異なるかどうかを判定します。手順は次のとおりです。
- データは次のサイトを利用して分析します:https://statsai.zometric.com/
- ツール内で、データを入力します。number of eventsに87、number of trialsに1000、hypothesized proportionに0.065、confidence levelに95を入力します。
- 上記のツールを使用すると、次のような出力が得られます。

1サンプルの比率検定の実行方法
手順は次のとおりです。
- Zometric Statistical Softwareにログインします:https://statsai.zometric.com/
- ホーム画面でStatistical Tool> Graphical analysis >One sample proportion testを選択します。
- 次に、One sample proportion test をクリックして、ダッシュボードに移動します。
- 次に、データを手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)してここに貼り付けます(Ctrl+V)。
- 次に、number of events、number of trials、hypothesized proportion、confidence levelの値を入力します。
- 最後に、ページ下部のcalculateをクリックすると、目的の結果が得られます。
1サンプルの比率検定のダッシュボードでは、画面に左側の部分のみがあります。

この左側の部分には、次のような多くのオプションがあります。
- Number of events: 1サンプルの比率検定において、イベント数とは、分析対象の標本で、関心のあるイベントが発生した回数を指します。
- Number of trials: 1サンプルの比率検定において、試行数とは、分析対象の標本について行われた、独立で同一の試行または観測の回数を指します。
- Hypothesized proportion: 1サンプルの比率検定において、仮説の比率(帰無仮説の比率とも呼ばれます)とは、検定対象の母集団について真であると仮定される比率です
- Confidence level: 仮説検定において、信頼水準とは、統計分析に対して私たちがもつ確信の程度、すなわち信頼の水準を表します。真の母集団パラメーターが指定された値の範囲に含まれる可能性を示す確率値です。通常、信頼水準はパーセントで表され、(1 - α) で示されます。αは有意水準、すなわち真の帰無仮説を棄却する確率です。たとえば、信頼水準が95%である場合、真の母集団パラメーターが区間推定の範囲内にあることに95%の確信があり、第1種の過誤(真の帰無仮説を棄却すること)を犯す可能性が5%あることを意味します。実用上、信頼水準が高いほど、統計分析と結果に対する確信が高いことを意味します。しかし、信頼水準を高くすると信頼区間の幅も広がり、小さな効果を検出することが難しくなります。したがって、信頼水準の選択は、調査の状況と研究者の目的によって決まります。
- Alternative hypothesis: 仮説検定において、対立仮説(研究仮説とも呼ばれます)とは、帰無仮説とは異なる結論を表す記述です。帰無仮説は通常、現状、すなわち2つ以上のグループまたは変数の間に有意な差や関係がないという仮定を表します。対立仮説は検定される記述であり、調査対象のグループまたは変数の間に有意な差や関係があることを主張します。
- Normal approximation method: 正規近似の方法は、1サンプルの比率検定において、標本比率の標本分布を正規分布で近似するために用いる統計的方法です。この方法は、サンプルサイズが十分に大きく(通常は、サンプルサイズnが30以上)、標本の成功の比率が0や1に近すぎない場合に使用します。
- Load example: サンプルデータが読み込まれます。
よくある質問
1サンプルの比率検定とは何ですか?
1サンプルの比率検定は、1つの標本における結果の比率が、指定された母集団比率と有意に異なるかどうかを判定する仮説検定です。一連の試行における成功数や、バッチ内の不良品など、二項データに使用し、母集団比率の信頼区間も与えます。
正規近似と二項分布の方法は、どのような場合に使い分けますか?
サンプルが大きい場合、通常は nP0 が10以上かつ n(1 - P0) が10以上の場合に、正規近似の方法を使用できます。サンプルが小さい場合は、二項分布の全数列挙のほうがより正確な結果を与えます。正規近似は、サンプルサイズが大きい場合により正確です。
1サンプルの比率検定の前提条件は何ですか?
データは、合格/不合格、はい/いいえなど、2つのカテゴリーのみをもつ2値である必要があります。標本は無作為に選ばれ、各観測値は他の観測値から独立しており、比較の基準となる具体的な仮説比率がある必要があります。また、精度の高い推定値と第2種の過誤に対する保護のために、標本は十分に大きい必要があります。
1サンプルの比率検定を使用すべきでないのはどのような場合ですか?
製品の欠点数のような、1つの品目に複数の欠点が生じうる計数データには使用しないでください。事象の個数には、代わりに1サンプルポアソン率検定を使用します。比率検定は、各試行が成功か失敗かである2値の結果にのみ使用します。
