2標本t検定の前提条件を理解する問題です。
2標本t検定（等分散仮定）
2標本t検定は、2つの独立した群の母平均の差を検定する手法で、いくつかの前提条件があります。
基本的な前提条件
1. 独立性（Independence）：
- 2つの標本が互いに独立して抽出されている
- 同一個体の測定（対応のあるデータ）ではない
- 一方の群の観測値が他方の群に影響しない
2. 正規性（Normality）：
- 各群の母集団分布が正規分布に従う
- 標本サイズが小さい場合は特に重要
- 大標本では中心極限定理により緩和される
3. 等分散性（Equal Variance）：
- 2群の母分散が等しい：$\sigma_1^2 = \sigma_2^2$
- プールされた分散を使用する根拠
- この仮定が成り立たない場合はWelchの検定を使用
等分散仮定下の検定統計量
プールされた標準偏差：
$s_p = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1 + n_2 - 2}}$
検定統計量：
$t = \frac{\bar{x}_1 - \bar{x}_2}{s_p\sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$
自由度：$df = n_1 + n_2 - 2$
前提条件の診断と対応
正規性の確認：
- 図的診断： QQプロット、ヒストグラム
- 統計的検定： Shapiro-Wilk検定、Anderson-Darling検定
- 対処法： 変数変換、ノンパラメトリック検定
等分散性の確認：
- 図的診断： 箱ひげ図、散布図
- 統計的検定： Levene検定、Bartlett検定
- 対処法： Welchのt検定（等分散を仮定しない）
独立性の確認：
- 研究デザイン： 無作為割り当て、無作為抽出
- データ収集： 測定順序のランダム化
- 対処法： 対応のあるt検定（ペア設計の場合）
実際のデータ分析では、これらの前提条件を事前に確認し、満たされない場合は適切な代替手法（Welchのt検定、ノンパラメトリック検定など）を選択することが重要です。
したがって、2標本t検定（等分散仮定）に必要な前提は独立標本かつ各群が近似的に正規、分散が等しいです。