[{"data":1,"prerenderedAt":113},["ShallowReactive",2],{"unit:shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kentei":3},{"unit":4,"drills":90,"related":95,"topicUnits":100},{"id":5,"exam":6,"subject":7,"subjectName":8,"topic":9,"title":10,"tier":11,"hindo":12,"kijunbi":13,"readingMinutes":14,"sources":15,"factcheck":20,"blocks":24,"pairs":38,"drills":50,"links":87},"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kentei","shindanshi","joho","経営情報システム","計算と統計","仮説検定 — 帰無仮説を疑い、p値で決める",1,"B","2026-05-01",5,[16],{"kind":17,"label":18,"url":19},"kokai","日本中小企業診断士協会連合会「令和8年度第1次試験案内」（帰無仮説・有意水準・p値・第1種\u002F第2種の過誤は仮説検定の標準知識。URLは試験科目・制度の確認用）","https:\u002F\u002Fwww.jf-cmca.jp\u002Fattach\u002Ftest\u002Fr08\u002Fr08_1ji_annai.pdf",{"status":21,"date":22,"scope":23},"passed","2026-07-16","独立監査（opus・2026-07-16）: 素材ゼロ＝数学標準知識からの新規執筆（W34方式）を教科書レベルで全数検証——p値の定義（帰無仮説を仮定した条件下の確率・「正しい確率」の否定）・棄却できない≠正しいの非対称性・第1種α\u002F第2種βの対応・有意水準の大小と棄却の向き・信頼区間95%の頻度論的解釈（母数は定数・動くのは区間・俗解の明示的棄却は模範的と評価）・CV=SD÷平均の検算（0.2\u002F0.1）まで全点正確。W34（分散\u002FSD\u002F68-95-99.7・相関\u002F回帰）と矛盾なし・drill ID重複ゼロ・links全実在。hindo Bの編集判断（W34=A中心論点\u002F本2U=補完）妥当。ドリル8\u002F8成立・judge2対2・文字混入ゼロ・出題水準適合（数表計算に踏み込まず俗解否定まで押さえる適正深度）。S\u002FA\u002FB級ゼロ・C級3件維持可（W34側からの逆リンクは凍結尊重で見送り／無罪証明の言い回しは統計教育の定番＝許容／CVの%表記は比率で内部整合）。PASS。",{"hook":25,"question":26,"intuition":27,"rigor":30,"pitfall":33,"jitsumu":36,"payoff":37},"\n        \u003Cp>新しい販促キャンペーンを打った月の売上が、打たなかった月より伸びていた——このとき「施策が本当に効いた」と言い切れるでしょうか。たまたまのブレ（誤差）で片付く程度の差かもしれません。\u003C\u002Fp>\n        \u003Cp>この「たまたま」と「本物の効果」を切り分ける手続きが\u003Cb>仮説検定\u003C\u002Fb>です。計算そのものより、この手続きの骨格——帰無仮説・有意水準・p値の意味——が問われます。\u003C\u002Fp>","仮説検定はどのような手順で「たまたま」と「本物の効果」を切り分けるのでしょうか。",{"heading":28,"html":29},"「効果はない」と仮に置いて、それを疑う手続きです","\n        \u003Cp>仮説検定はまず\u003Cb>帰無仮説（H0）\u003C\u002Fb>——「施策に効果はない（差はない）」を仮に立てます。目的はこれを「捨てられるかどうか」を確かめること。検証したい主張——「施策には効果がある」の方は\u003Cb>対立仮説（H1）\u003C\u002Fb>と呼びます。\u003C\u002Fp>\n        \u003Cp>手順は、帰無仮説が正しいと仮定した上で、実際に観測されたデータ（あるいはそれ以上に極端なデータ）がどれくらいの確率で起こりうるかを計算する——これが\u003Cb>p値\u003C\u002Fb>です。p値が小さいほど「帰無仮説のもとではめったに起きないことが起きた」ことになり、\u003Cb>帰無仮説を疑う根拠\u003C\u002Fb>が強まります。判断の境界線が\u003Cb>有意水準（α）\u003C\u002Fb>——慣習的に5%（0.05）か1%（0.01）が使われ、p値がこれを下回れば「帰無仮説を棄却」——効果があると判断します。\u003C\u002Fp>\n        \u003Cdiv class=\"chorus\">\u003Cspan class=\"chorus-k\">検定の合言葉\u003C\u002Fspan>\u003Cspan class=\"chorus-t\">\u003Cb>帰無仮説（差はない）を仮置き\u003C\u002Fb>——\u003Cb>p値\u003C\u002Fb>（帰無仮説のもとでこのデータ以上に極端な結果が起こる確率）が\u003Cb>有意水準（5%\u002F1%）\u003C\u002Fb>を下回れば棄却\u003C\u002Fspan>\u003C\u002Fdiv>",{"heading":31,"html":32},"「棄却できない」は「帰無仮説が正しい」ではありません","\n        \u003Cp>p値が有意水準を上回り帰無仮説を棄却できなかった場合——これは「効果がないと証明された」わけではなく、\u003Cb>「今回のデータでは効果があるとは言い切れなかった」\u003C\u002Fb>というだけです。証拠不十分であって無罪証明ではない——検定はこの意味で非対称な手続きです。\u003C\u002Fp>\n        \u003Cp>検定にはもう1つの軸として\u003Cb>過誤\u003C\u002Fb>があります。\u003Cb>第1種の過誤\u003C\u002Fb>は、帰無仮説が正しいのに誤って棄却してしまうこと（本当は効果がないのに「効果がある」と判定）——その確率がまさに有意水準αです。\u003Cb>第2種の過誤\u003C\u002Fb>は、対立仮説が正しいのに帰無仮説を棄却できないこと（本当は効果があるのに見逃す）——その確率をβと呼びます。\u003C\u002Fp>",{"heading":34,"html":35},"p値の意味の取り違えと、有意水準の大小関係が的です","\n        \u003Cp>定番の誤りが\u003Cb>p値の意味の取り違え\u003C\u002Fb>——「p値は帰無仮説が正しい確率である」という記述は誤りです。p値はあくまで\u003Cb>「帰無仮説が正しいと仮定した場合に、このデータ以上に極端な結果が観測される確率」\u003C\u002Fb>——帰無仮説そのものの真偽の確率ではありません。\u003C\u002Fp>\n        \u003Cp>もう1つの的が\u003Cb>有意水準の大小関係\u003C\u002Fb>——「有意水準を1%から5%に緩めると、帰無仮説は棄却されにくくなる」は逆です。有意水準を大きくするほど\u003Cb>棄却の基準は緩くなり、棄却されやすく\u003C\u002Fb>なります（第1種の過誤の確率も同時に上がります）。「棄却できない＝帰無仮説が正しいと証明された」も誤りで、上で見た通り証拠不十分というだけです。\u003C\u002Fp>","\n        \u003Cp>顧問先で「新しいPOPを置いた店舗の月商が上がった」という報告を受けたとき、仮説検定の骨格はブレーキ役になります——帰無仮説（POPに効果はない）を立て、有意水準5%で検証する習慣を持てば、「たまたまの月による差」と「本物の効果」を混同した稟議を防げます。サンプル数が少ない店舗データほど誤差が大きく出やすい、という感覚も同時に伝えられます。\u003C\u002Fp>","\n        冒頭の問いに答えます。仮説検定は帰無仮説（差はない）を仮に立て、それが正しいと仮定した場合にこのデータ以上に極端な結果が起こる確率（p値）を計算し、有意水準（5%や1%）を下回れば棄却する手続きです。棄却できてもできなくても、それは確率的な判断——第1種の過誤（本当は差がないのに棄却）と第2種の過誤（本当は差があるのに見逃す）が常に背中合わせにあります。次は、点で終わらない推定——区間推定と変動係数へ。",[39],{"label":40,"left":41,"right":45,"hinge":49},"第1種と第2種",{"badge":42,"name":43,"note":44},"第1種の過誤","帰無仮説を誤って棄却","本当は差がないのに「効果あり」と判定——確率はα（有意水準）",{"badge":46,"name":47,"note":48},"第2種の過誤","帰無仮説を誤って棄却できない","本当は差があるのに見逃す——確率はβ","「本当は正しいのに疑う」か「本当は間違っているのに見逃す」か。有意水準はα過誤の確率そのものです。",[51,62,75,82],{"type":52,"id":53,"prompt":54,"options":55,"correct":60,"explanation":61},"quiz","joho-tk3-q1","仮説検定における「p値」の説明として、最も適切なものはどれか。",[56,57,58,59],"帰無仮説が正しいと仮定した場合に、実際に観測された結果以上に極端な結果が得られる確率である。","帰無仮説が正しい確率そのものである。","対立仮説が正しい確率である。","有意水準を上回っていれば、帰無仮説を棄却できる。",0,"\u003Cstrong>正解：ア\u003C\u002Fstrong>　p値は「帰無仮説を仮定した条件下」での確率であり、帰無仮説そのものが正しい確率ではありません。\u003Cbr>イ・ウ＝仮説そのものの真偽の確率との混同、エ＝棄却は有意水準を\u003Cb>下回った\u003C\u002Fb>場合であり、上回った場合ではありません。",{"type":63,"id":64,"prompt":65,"ask":66,"choices":67,"correctKey":72,"explanation":74},"judge","joho-tk3-j1","「帰無仮説を棄却できなかった場合、それは帰無仮説が正しいことが証明されたことを意味する」との記述がある。","この記述は適切か。",[68,71],{"key":69,"label":70},"ok","適切",{"key":72,"label":73},"ng","不適切","\u003Cb>不適切\u003C\u002Fb>です。棄却できないことは「証拠不十分」を意味するだけで、帰無仮説が正しいと証明されたわけではありません——今回のデータでは対立仮説を支持する十分な根拠が得られなかった、というだけです。",{"type":63,"id":76,"prompt":77,"ask":66,"choices":78,"correctKey":69,"explanation":81},"joho-tk3-j2","「第1種の過誤とは、帰無仮説が正しいにもかかわらずこれを棄却してしまう誤りであり、その確率は有意水準に等しい」との記述がある。",[79,80],{"key":69,"label":70},{"key":72,"label":73},"\u003Cb>適切\u003C\u002Fb>です。有意水準αはそのまま第1種の過誤が起こる確率——「本当は差がないのに、差があると判定してしまう」確率です。逆に本当は差があるのに見逃す誤りが第2種の過誤（β）です。",{"type":83,"id":84,"prompt":85,"answer":86},"blank","joho-tk3-b1","帰無仮説を棄却するかどうかを判断する基準となる確率（慣習的に5%や1%が用いられる）を〔?〕という。","有意水準",[88,89],"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kiso","shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-suitei",[91,92,93,94],{"unitId":5,"unitTitle":10,"topic":9,"item":51},{"unitId":5,"unitTitle":10,"topic":9,"item":62},{"unitId":5,"unitTitle":10,"topic":9,"item":75},{"unitId":5,"unitTitle":10,"topic":9,"item":82},[96,98],{"id":88,"title":97},"分散と標準偏差 — ばらつきを1つの数字にする",{"id":89,"title":99},"区間推定と変動係数 — 幅で語り、比率で比べる",[101,104,105,108,111,112],{"id":102,"title":103},"shindanshi\u002Fjoho\u002Fkeisan\u002Fshinraisei","信頼性計算 — 直列は掛けて下がり、並列は冗長で上がる",{"id":88,"title":97},{"id":106,"title":107},"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kankei","相関と回帰 — 関係の強さを測り、直線で予測する",{"id":109,"title":110},"shindanshi\u002Fjoho\u002Fkeisan\u002Fsaishin-yougo","IT用語の現在地 — なぜ生まれたかで覚える",{"id":5,"title":10},{"id":89,"title":99},1784210666939]