DS検定 用語解説
帰無仮説とは
仮説検定で、差や効果がないものとして棄却できるかを判断する基準の仮説。
まず押さえる結論
帰無仮説は、DS検定の「第4章 統計・推定・検定」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-12。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×母平均・母分散と標本平均・標本分散（不偏分散）の取り違え。母集団の値と標本から計算した値は別物。
×p値を『帰無仮説が正しい確率』と誤解する。p値は帰無仮説のもとで観測結果以上に極端な結果が得られる確率。
×相関関係と因果関係の混同。ピアソンの相関係数が大きくても因果関係を示すとは限らない。
関連する確認問題
第4章 統計・推定・検定 / 推定・検定
検定で「帰無仮説を棄却する基準」として使われる値として最も適切なものはどれか。
正解は「有意水準」である。有意水準は、p値と比較して帰無仮説を棄却するかを判断する基準として使われる。決定係数は回帰モデルの当てはまり、特異度は分類モデルで陰性を正しく陰性と判定した割合、第三正規化はデータベース設計の概念であり、検定の棄却基準ではない。設問中の「帰無仮説」と「棄却する基準」を対にして、推定・検定の用語を探す。モデル評価やデータ構造の指標を除外し、有意水準を選ぶ。p値と比較する値を問う表現も特に重要な判断の手掛かりになる。
第4章 統計・推定・検定 / 推定・検定
帰無仮説のもとで、観測値以上に極端な結果が出る確率を報告した。この値はどれか。
この事例では、状況を表す条件を定義や役割へ対応させると「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」に絞れる。正解は「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」である。p値は、帰無仮説が正しいと仮定したうえで、今回の観測結果と同じかそれ以上に極端な結果がどの程度起こり得るかを表す確率であり、確率が指し示す対象は観測結果側の極端さである。「帰無仮説が正しい確率」と「対立仮説が正しい確率」は、いずれも仮説そのものの真偽に確率を割り当てる主張であり、p値が観測結果側の確率を表すという定義とは対象が異なる点で誤りである。「信頼区間」は点推定に幅を持たせた区間推定の結果であり、確率の値そのものを示すp値とは示す情報の形が異なる。
第4章 統計・推定・検定 / 推定・検定
効果がないのに、検定結果から効果があると誤って結論づけた。この誤りはどれか。
この事例では、状況を表す条件を定義や役割へ対応させると「第1種の過誤」に絞れる。正解は「第1種の過誤」である。第1種の過誤は、本当は正しい帰無仮説を誤って棄却してしまう誤りを指す。これに対して第2種の過誤は、誤っている帰無仮説を棄却できずに受け入れてしまう誤りであり、設問が問う向きとは逆である。「標本誤差」は標本を抽出する際に偶然生じるばらつきであり、「サンプリングバイアス」は抽出方法が偏ることで生じる系統的な誤差であって、いずれも帰無仮説を棄却するかどうかという検定の判断の誤りを指す語ではない。検定では、正しい帰無仮説を棄却する誤りと誤った帰無仮説を棄却できない誤りのどちらを避けたいかを意識して、有意水準の設定を考える。
同じ章で確認したい用語
到達チェック
- 帰無仮説を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、帰無仮説に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）