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（前の例題との違い）
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、スチューデントの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。
スチューデントのt検定（独立サンプル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_ind
#
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]
#
スチューデントのt検定を実行
t_statistic,
p_value = ttest_ind(before_training, after_training)
#
結果の表示
print("スチューデントのt検定（独立サンプルt検定）")
print("t統計量＝", t_statistic)
print("p値＝", p_value)
出力結果
スチューデントのt検定（独立サンプルt検定）
t統計量＝ 1.8027756377319957
p値＝ 0.08819202918610555
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、独立のあるスチューデントのt検定の結果、t統計量は1.80であり、p値は0.0882となっています。この結果から、2つの独立した標本間には統計的に有意な差があるとは言えません。p値が0.05よりも大きいため、差が無作為である可能性が高いです。
前の例題との違いについて、データは同じでもｔ統計量やp値の計算結果は同じにはなりません。それは、対応のあるt検定と独立したスチューデントのt検定は、データの関係性に基づいて異なる検定手法であることに注意が必要です。対応のあるt検定と独立したスチューデントのt検定の違いは、比較するデータに対応があるかどうかです。対応のあるt検定は、同じ個体から取得した対応のある測定値を比較するために使用します。一方、独立したスチューデントのt検定は、比較するサンプルに対応がない場合に使用します。対応のあるt検定の結果は、t統計量は7.65であり、p値は0.0000316と非常に小さな値となっています。この結果から、2つの関連する標本間には統計的に有意な差があることが示唆されます。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のです。