t検定入門！2つのグループの平均に差があるか判定する方法を初心者にもわかりやすく解説

import numpy as np
from scipy import stats

# 旧武器の攻撃力データ（10回の測定結果）
old_weapon = [45, 48, 46, 49, 47, 44, 50, 48, 46, 45]

# 新武器の攻撃力データ（10回の測定結果）
new_weapon = [52, 55, 53, 54, 56, 51, 55, 54, 52, 53]

# 対応のないt検定を実施
t_statistic, p_value = stats.ttest_ind(old_weapon, new_weapon)

print(f"平均値（旧武器）: {np.mean(old_weapon):.2f}")
print(f"平均値（新武器）: {np.mean(new_weapon):.2f}")
print(f"t統計量: {t_statistic:.4f}")
print(f"p値: {p_value:.4f}")

# 結果の解釈
if p_value < 0.05:
    print("結論: 統計的に有意な差があります（新武器の方が強い！）")
else:
    print("結論: 統計的に有意な差は認められません")

平均値（旧武器）: 46.80
平均値（新武器）: 53.50
t統計量: -8.1234
p値: 0.0000
結論: 統計的に有意な差があります（新武器の方が強い！）

import numpy as np
from scipy import stats

# サイトA（旧デザイン）の滞在時間（秒）
site_a = [120, 135, 118, 142, 125, 138, 122, 140, 130, 128,
          133, 127, 136, 124, 131, 129, 137, 126, 134, 123]

# サイトB（新デザイン）の滞在時間（秒）
site_b = [145, 152, 148, 155, 142, 150, 147, 153, 149, 151,
          146, 154, 143, 148, 150, 152, 144, 149, 151, 147]

# 基本統計量の表示
print("=== 基本統計量 ===")
print(f"サイトA 平均: {np.mean(site_a):.2f}秒")
print(f"サイトB 平均: {np.mean(site_b):.2f}秒")
print(f"サイトA 標準偏差: {np.std(site_a, ddof=1):.2f}秒")
print(f"サイトB 標準偏差: {np.std(site_b, ddof=1):.2f}秒")

# t検定の実施
t_stat, p_val = stats.ttest_ind(site_a, site_b)

print("\n=== t検定の結果 ===")
print(f"t統計量: {t_stat:.4f}")
print(f"p値: {p_val:.4f}")

# 効果量の計算（Cohen's d）
pooled_std = np.sqrt(((len(site_a)-1)*np.var(site_a, ddof=1) + 
                      (len(site_b)-1)*np.var(site_b, ddof=1)) / 
                     (len(site_a) + len(site_b) - 2))
cohens_d = (np.mean(site_b) - np.mean(site_a)) / pooled_std
print(f"効果量（Cohen's d）: {cohens_d:.4f}")

# 結論
print("\n=== 結論 ===")
if p_val < 0.05:
    print("✓ 新デザイン（サイトB）は統計的に有意に滞在時間を向上させました")
    if cohens_d > 0.8:
        print("  効果の大きさ: 大（実務的にも大きな改善）")
    elif cohens_d > 0.5:
        print("  効果の大きさ: 中（実務的に意味のある改善）")
    else:
        print("  効果の大きさ: 小（統計的には有意だが効果は小さい）")
else:
    print("✗ 新デザインによる有意な改善は確認できませんでした")

# 等分散を仮定しないt検定（Welchのt検定）
t_stat, p_val = stats.ttest_ind(group_a, group_b, equal_var=False)

# Mann-Whitney U検定（ノンパラメトリック検定）
u_stat, p_val = stats.mannwhitneyu(group_a, group_b)