仮説検定とは ― 営業マネジャーのための「差が本物かを確認する」入門

1. この記事で学べること

2. エピローグ

子供の中学受験が近づいてきた。

塾を選ぶため、2つの候補を比べていた。

A塾: 志望校合格率80%(10人中8人) B塾: 志望校合格率70%(10人中7人)

「A塾の方が合格率が高いから、A塾にしよう。」

そう思いかけた。

でも待てよ、と思った。 10人中8人と10人中7人。たった1人の差だ。 これは本当にA塾の方が優れているのか、 それともたまたまそうなっただけなのか。

もしコインを10回投げたら、8回も表が出ることだってある。 それと同じで、たまたまA塾の年に合格しやすい子が集まっただけかもしれない。

この差は本物なのか。偶然なのか。

いちこ

80%と70%って、結構差がある気がしますけど、偶然の可能性があるんですか？

シュン

10人ずつのデータだと、偶然で1人くらいの差は普通に起きうるんだよね。「差がありそう」という感覚と「統計的に差がある」は別の話で、それを確認するのが仮説検定なんだ。

新任の先生が、新しい授業方法を導入した。

従来の授業を受けたクラスA(30人)と、新しい授業を受けたクラスB(30人)で、学期末のテスト点数を比べた。

クラスA(従来): 平均68点 クラスB(新しい授業): 平均74点

「新しい授業の方が6点高い。効果があった。」

そう結論づけようとした瞬間、先輩の先生が言った。 「それ、本当に授業方法の差なのかな。クラスBにたまたま優秀な生徒が多かっただけじゃないの？」

確かに。ズバっと言い返せない。 6点の差が「授業方法の効果」なのか、「たまたま」なのか。

どうすれば「本物の差」と言えるのか。

いちこ

6点の差って結構大きい気がするんですけど、それでも偶然の可能性があるんですか？

シュン

そうなんだよね。30人ずつのクラスだと、たまたまできる子が片方に偏っただけで6点くらいの差は出ることがあるんだよ。だから「差がありそう」という感覚だけで結論を出すのは危ないんだよね。

いちこ

データで確認してから結論を出す、ということですね。

マーケティング担当者が、2種類の広告バナーを作った。

広告A: クリック率5.2%(1000表示中52クリック) 広告B: クリック率4.1%(1000表示中41クリック)

「Aの方がクリック率が高い。Aを採用しよう。」

でも本当にAが優れているのか。 1000回表示のうち11クリックの差。 たまたまAを表示した時間帯に、クリックしやすいユーザーが多かっただけかもしれない。

「この差が偶然でないことを確認してから採用を決めよう。」

• 塾の合格率。
• 授業方法の効果。
• 広告のクリック率。

この「差が偶然かどうかを確認する手順」が、仮説検定である。

シュン

3つの場面に共通していることが分かるかな？

いちこ

「差がありそう」だけど「偶然かもしれない」という状況ですね。

シュン

そうそう。この「差が偶然なのか、本物なのか」を確認する手順が仮説検定なんだよね。そして面白いのが、「差がある」を直接証明するんじゃなくて、「差がない」という仮説を否定することで証明するんだよ。

いちこ

逆から攻めるんですね。面白い発想だな〜。

3. 仮説検定とは何か

仮説検定とは、データを使って「差が偶然かどうか」を判断する統計的な手順だ。

2つの仮説

逆転の発想がポイント

「差がある」を直接証明するのは難しい。 だから「差がない(帰無仮説)」という前提でデータを見て、「それでもこんな差が出た。偶然とは考えにくい」という形で否定する。

帰無仮説を否定できれば、対立仮説(差がある)を採択する。 これが仮説検定の基本的な考え方だ。

4. 図で見る

仮説検定の手順を広告の例で整理するとこうなる。

Step 1: 仮説を立てる

• 帰無仮説(H₀): 広告AとBのクリック率に差はない
• 対立仮説(H₁): 広告AとBのクリック率に差がある

Step 2: データを集める

広告Aが5.2%、広告Bが4.1%。差は1.1%ポイント。

Step 3: p値を計算する

p値とは「帰無仮説が正しいとしたとき、今回と同じかそれ以上の差が偶然得られる確率」だ。

広告の例でp値を計算すると0.03。 p < 0.05なので「この差は偶然ではない」と判断できる。 つまり、広告Aの方が統計的に優れていると言える。

Step 4: 結論を出す

p値 < 0.05 → 帰無仮説を棄却 → 対立仮説を採択 「広告AとBには統計的に有意な差がある」

ここで2つのことを覚えておいてほしい。

① 「差がある」ではなく「差がないとは言えない」

仮説検定は「差がある」を直接証明するものではない。 「差がないとする帰無仮説を否定できた」というのが正確な表現だ。 この微妙なニュアンスが、仮説検定の本質だ。

② p値は「差の大きさ」ではなく「偶然の確率」

p値が小さいほど「差が大きい」わけではない。 サンプルが多ければ、わずかな差でもp < 0.05になる。 p値と合わせて、差の実際の大きさ(効果量)も確認することが重要だ。

5. 計算式

シュン

教科書的な計算式も紹介しておくね。

いちこ

シーン別の記事では、プロンプトも紹介してくれてますね。まさに生成AIに頼るところですね！

仮説検定の基本的な流れ

具体的な計算式は検定の種類によって異なる。

p値の判断基準

生成AIにデータを渡せば10秒で計算できる。手計算は不要。

6. まとめ

いちこ

この統計テーマを使った事例記事も見てみてね♪

この統計テーマを使った営業シーン記事

• セミナー効果の検証 ― 仮説検定でセミナーの効果を統計的に証明する
• z検定とは ― 仮説検定の具体的な手順をz検定で学ぶ