仮説検定：真実か、それとも偶然か？

科学的な発見は、単に「見た」だけでは成立しません。それは**「仮説検定」**を通じて行われます。私たちが観察した変化が、本当に意味のある「効果」なのか、それとも単なる「偶然の産物」なのかを判断する必要があります。

1. 「否定」のパワー（帰無仮説）

統計学の世界では、謙虚な姿勢から始まります。まず「効果はない」という仮説（帰無仮説, $H_0$ ）を立て、それを覆すだけの圧倒的な証拠がない限り、私たちの新しい主張（対立仮説, $H_1$ ）は認められません。

仮説の設定

H0（効果なし）とH1（新しい主張）を定義します。

有意水準の選択

判断のしきい値(α)を決めます。一般的には0.05です。

統計量の算出

サンプルデータを標準化されたスコア(z値やt値)に変換します。

P値の算出

H0が正しいと仮定したとき、そのデータが得られる確率(P)を求めます。

判断の実効

P < α ならば、H0を棄却してH1を採択します。

P値は科学界で最も誤解されている数字の一つです。P値が0.03であることは、あなたの理論が97%の確率で正しいことを意味するのではなく、「もし効果がゼロだとしたら、そのデータが偶然得られる確率はわずか3%しかない」ということを意味します。

統計学は何かを100%「証明」することはできません。ただ、「これが偶然である確率は極めて低いと言えるほど、証拠は揃っている」と言えるようにしてくれるだけです。サンプルサイズが小さいときには、常に慎重になりましょう。