例題 看護師がトレーニング前とトレーニング後の排泄ケア時間に差があるかを調査分析
例題
ある病院で、新しい排泄ケアトレーニングプログラムが導入され、その結果として看護師の排泄ケア時間が変化したかどうかを調査します。10人の看護師がトレーニング前とトレーニング後の排泄ケア時間に関するデータを提供しました。
トレーニング前のデータX=[28,32,25,30,35,28,29,31,27,33]
トレーニング後のデータY=[24,30,22,28,31,26,27,29,23,32]
帰無仮説 トレーニングプログラムの導入後、看護師の排泄ケア時間に変化がない
対立仮説 トレーニングプログラムの導入後、看護師の排泄ケア時間が減少した
ここでは、対応のあるサンプル（同じ看護師の前後のデータ）の場合の対応のあるt検定を使用したPythonコードを示し、そこで計算を行い、結果を解釈してください。
対応のあるサンプル（同じ看護師の前後のデータ）の場合の対応のあるt検定を使用したPythonコードを以下に示します。
from
scipy.stats import ttest_rel
#
トレーニング前のデータ
before_training
= [28, 32, 25, 30, 35, 28, 29, 31, 27, 33]
#
トレーニング後のデータ
after_training
= [24, 30, 22, 28, 31, 26, 27, 29, 23, 32]
#
対応のあるt検定を実行
t_statistic,
p_value = ttest_rel(before_training, after_training)
#
結果の表示
print("対応のあるt検定（ペアサンプルt検定）")
print("t統計量＝", t_statistic)
print("p値＝", p_value)
出力結果
対応のあるt検定（ペアサンプルt検定）
t統計量＝ 7.648529270389177
p値＝ 3.163508346837849e-05
計算結果の解釈としては、t統計量は、トレーニング前後のデータの平均値の差を示します。p値は、帰無仮説「トレーニングプログラムの導入後、看護師の排泄ケア時間に変化がない」が正しい確率を示します。
結果を確認すると、p値が有意水準（通常は0.05）よりも小さいので、帰無仮説を棄却し、「トレーニングプログラムの導入後、看護師の排泄ケア時間が統計的に有意に減少した」と考えられます。つまり、標本間の平均値の差が無作為ではない可能性が高いと結論づけられます。