合併した分散(併合分散, プールした分散)
2群の分散が同じだと仮定した場合(等分散)

対応のある2群の平均値は1標本の問題となるので、シンプルな分散でした(対応のあるt検定).もし両群の分散(\(\sigma^2\))が既知であったならば、分散の加法性よりZ値は以下のようになります.
X群の平均を\(\bar{X}\)、Y群の平均を\(\bar{Y}\)
X群の母平均を\(\mu_x\)、Y群の母平均を\(\mu_y\)
X群のサンプルサイズを\(n_x\)、Y群のサンプルサイズを\(n_y\)
ただし、\(\sigma^2\) は未知です。各群の不偏分散 \(\hat{s_x}^2\)、\(\hat{s_y}^2\)を自由度で重み付けした併合分散を使います。各群の不偏分散は、偏差平方和をそれぞれn_x − 1、n_y − 1で割った値です。
t分布より
ここでZは標準正規分布、Wは自由度kのカイ二乗分布に従い、ZとWは独立である必要があります。正規母集団からの独立標本では、標本平均と標本分散の独立性により、この条件が満たされます。
X, Yの母集団は正規分布であるため、カイ二乗分布の性質より以下のことが成り立ちます(ここがポイント)
上式を整理すると次の恒等式になります。ただし、Wは未知の母分散を含むため、これだけで母分散が求まるわけではありません。共通の母分散は、後述する併合分散で推定します。
これまでの結果から \(T\) は自由度\(n_x+n_y-2\)のt分布に従います
\(Z\) と \(w\) を上式に当てはめると以下のようになります

これでt値を求めることができます。サンプルデータを当てはめてみましょう!
t値
s2 <- ((28-1)*9.7^2 + (31-1)*8.57^2)/(28+31-2)
(t <- (25.1-30.7)/(sqrt(s2*(1/28+1/31))))[1] -2.354492
Studentのt検定(等分散を仮定):t値・自由度・p値・95%信頼区間をRで手計算する
Rコードを表示
x <- data$X[!is.na(data$X)]
y <- data$Y[!is.na(data$Y)]
nx <- length(x)
ny <- length(y)
sx <- sd(x)
sy <- sd(y)
mx <- mean(x)
my <- mean(y)
sp2 <- ((nx - 1)*sx^2 + (ny - 1)*sy^2)/(nx + ny - 2)
se <- sqrt(sp2*(1/nx + 1/ny))
t_stat <- (mx - my)/se
df <- nx + ny - 2
p_value <- 2*pt(-abs(t_stat), df = df)
ci <- (mx - my) + c(-1, 1)*qt(0.975, df = df)*se
c(t = t_stat, df = df, p = p_value)
ci # 母平均差(X - Y)の95%信頼区間
result <- t.test(x, y, var.equal = TRUE, alternative = "two.sided")
stopifnot(isTRUE(all.equal(unname(result$statistic), t_stat)),
isTRUE(all.equal(result$p.value, p_value)),
isTRUE(all.equal(as.numeric(result$conf.int), ci)))> c(t = t_stat, df = df, p = p_value)
t df p
-2.35573405 57.00000000 0.02194937
> ci # 母平均差(X - Y)の95%信頼区間
[1] -10.3649066 -0.8401625
Welchのt検定
Welchのt検定は、2群の母分散が等しいという仮定を置かない方法です。分散が異なることを証明してから使う方法ではありません。等分散の根拠が乏しい場合に利用でき、Rのt.test()でも既定の方法です。

RでWelchの検定を実行
t.test(data$X, data$Y, var.equal=FALSE) Welch Two Sample t-test
data: data$X and data$Y
t = -2.3408, df = 54.245, p-value = 0.02295
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-10.4005108 -0.8045583
sample estimates:
mean of x mean of y
25.10714 30.70968
◆ t値=-2.3408の求め方
母分散の等しさを仮定せず、帰無仮説を母平均差0とすると、Welchのt統計量は次の式です。
自由度は以下のようになります(整数になるとは限りません)
◆ 実際の数値を代入してみましょう
自由度
d1 <- 9.696656^2/28
d2 <- 8.572023^2/31
df <- (d1+d2)^2/((d1^2/(28-1))+(d2^2/(31-1)))
print(df)[1] 54.24476
t値
t <- (25.10714-30.70968)/sqrt(d1+d2)
print(t)[1] -2.340832
p値
# tの符号にかかわらず使える両側p値
2 * pt(-abs(t), df = df) [1] 0.02294632

結果の解釈と報告
p値は、帰無仮説と検定の前提が成り立つときに、観測された結果以上に極端な結果が出る確率です。「帰無仮説が正しい確率」ではありません。p値が0.05以上でも、母平均が等しいと証明されたわけではありません。平均差の大きさと信頼区間を合わせて判断します。

Studentのt検定では、この例の自由度は28 + 31 − 2 = 57です。掲載の要約値から計算するとt ≈ −2.356、平均差の95%信頼区間は約−10.36~−0.84となります。途中で丸めた数値を使うと結果が少し変わるため、実際の報告には正確な値を使ってください。
