最終更新: 2026-06-23

Z値からのp値

p 値は、検定統計量を判断の基準と比べられる一つの数値に変換したものです。この計算では、すでに標準正規分布の単位で表された z 統計量を入力として受け取り、両側検定または片側検定に対応する p 値を求めます。

z 統計量が表すもの

z 統計量は、観測された結果が帰無仮説の予測からどれだけ離れているかを、標準誤差を単位として測った値です。z が 0 のとき観測値は帰無仮説の期待値とちょうど一致し、z が 2 のときは期待値より標準誤差 2 個分だけ上にあることを意味します。統計量がすでに標準化されているため、帰無仮説のもとでの標本分布は平均 0、標準偏差 1 の標準正規分布になります。検定統計量ではなく生の観測値から始める場合は、Zスコア計算ツール でまず標準化する手順を確認できます。

裾の面積と正規分布の累積分布関数

p 値は標準正規曲線の下の面積です。標準正規分布の累積分布関数、すなわちある点より左側の面積を $\Phi$ で表します。

この面積は 正規分布計算ツール で直接可視化できます。どこまでの面積を「同等以上に極端」とみなすかは、対立仮説によって決まります。

両側検定は両方向の極端な結果を数えるため、$|z|$ を超える上側の裾の面積を 2 倍します。片側検定はあらかじめ一方向に定め、その裾だけを数えます。

α と照らした p 値の読み方

p 値は、分析の前に選んだ有意水準 $\alpha$ と比較します。最も多く用いられるのは $\alpha = 0.05$ です。$p \lt \alpha$ であれば、その結果は慣例的に統計的に有意とされ、その水準で帰無仮説は棄却されます。$p \ge \alpha$ であれば、帰無仮説を棄却するだけの証拠はありません。この基準は自然の法則ではなく慣例であり、$\alpha = 0.05$ も $\alpha = 0.01$ もどちらもよく使われ、偽陽性のコストに応じて適切な値を選びます。

計算例

両側の z 検定で z が 2.5 になったとします。その点を超える上側の裾の面積は $1 - \Phi(2.5) \approx 0.00621$ なので、次のようになります。

この値は $0.0124 \lt 0.05$ を満たすため五パーセント水準では有意ですが、$0.0124 \gt 0.01$ であるため一パーセント水準では有意ではありません。同じ統計量を右側検定として解釈すると、p 値は $p = 1 - \Phi(2.5) \approx 0.0062$ となります。

解釈上の注意

p 値は誤解されやすいため、いくつか注意すべき点があります。

• 帰無仮説が真である確率ではありません。 p 値は帰無仮説が真であると仮定して計算されるものであり、仮説ではなくデータを記述します。
• 検定の前提に依存します。 正規分布を用いるには、母標準偏差が既知であるか、標本が正規近似の成り立つ程度に大きいことが必要です。標本が小さく標準偏差を推定する場合は、t 分布の方が適切です。
• 標本が大きいとわずかな効果でも有意になります。 標本が大きくなるにつれて標準誤差は小さくなるため、無視できるほどの差でも小さな p 値を生みます。実質的な重要性を判断するには、p 値を効果量や信頼区間と併せて読む必要があります。

統計的有意性は解釈の出発点であり、それ単独で結論を下すものではありません。