Pythonで統計分析！t検定の基礎から実装手順まで徹底解説

データ分析の現場で「2つのグループ間に本当に差があるのか？」を客観的に判断したい場面は少なくありません。例えば、「新しいデザインのWebサイトは、古いデザインよりも滞在時間が長いか？」「新薬は既存薬よりも効果があるか？」といった疑問です。このような時に活躍する統計分析の手法が「t検定（t-test）」です。

この記事では、Pythonを使ってt検定を実装する方法を、統計の基礎知識から具体的なコード例、よくある失敗例まで網羅的に解説します。この記事を読むことで、実務で自信を持ってt検定を行い、データに基づいた意思決定ができるようになります。

統計分析におけるt検定とは？

t検定とは、主に「2つの母集団の平均値に有意な差があるかどうか」を検定する統計学的な手法です。標本（サンプル）から得られたデータを用いて、背後にある母集団全体の傾向を推測します。

t検定の数理的な背景

t検定では、t値と呼ばれる統計量を計算します。t値は以下のブロック数式のように表されます（シンプルな例）。

$$ t = \frac{\bar{x}_1 – \bar{x}_2}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}} $$

ここで、\(\bar{x}\) は標本平均、\(s^2\) は不偏分散、\(n\) はサンプルサイズを表します。この数式が意味するのは、「グループ間の平均の差」を「データのばらつき（標準誤差）」で割っているということです。差が大きく、ばらつきが小さいほど、t値は大きくなり、「有意な差がある」と判定されやすくなります。

t検定の主な種類

• 対応のないt検定（独立標本のt検定）： 異なる2つのグループ（例：A組とB組のテストの点数）を比較する場合に使います。
• 対応のあるt検定（対応標本のt検定）： 同じグループの前後比較（例：同じ生徒の1学期と2学期のテストの点数、ダイエット前後の体重）に使います。
• 1標本のt検定： 1つのグループの平均値が、特定の基準値と異なるかを調べます。

Pythonを使ったt検定の準備

Pythonで統計分析を行う場合、SciPy（サイパイ）という科学技術計算ライブラリを利用するのが一般的です。また、データの操作にはpandas、数値計算にはNumPyを用います。

まずは必要なライブラリをインストールし、インポートしておきましょう。

import numpy as np
import pandas as pd
from scipy import stats

実践：Pythonでt検定を行う手順と具体例

ここからは、実務でよく遭遇するシチュエーションを想定し、Pythonでの実装例を解説します。

ケース1：広告A/Bテスト（対応のないt検定）

Webサイトに2種類の広告（デザインAとデザインB）をランダムに表示し、それぞれのクリック率や滞在時間を測定したとします。「デザインAとBで滞在時間に差があるか」を検証します。

# サンプルデータの生成（滞在時間：秒）
np.random.seed(42)
group_a = np.random.normal(loc=120, scale=20, size=50) # 平均120秒、標準偏差20
group_b = np.random.normal(loc=135, scale=25, size=50) # 平均135秒、標準偏差25

# ウェルチのt検定（等分散を仮定しない）を実行
t_stat, p_value = stats.ttest_ind(group_a, group_b, equal_var=False)

print(f"t値: {t_stat:.3f}")
print(f"p値: {p_value:.4f}")

ここで重要なのが p値（p-value） です。一般的にp値が0.05（5%）を下回った場合、「統計的に有意な差がある」と判断します。この例では、SciPyの ttest_ind 関数を使っています。また、実務では2つのグループの分散が等しいとは限らないため、equal_var=False を指定してウェルチのt検定を行うのが安全です。

ケース2：ダイエットプログラムの効果測定（対応のあるt検定）

同じ参加者20名の、ダイエットプログラム開始前と1ヶ月後の体重を比較します。

# サンプルデータの生成（体重：kg）
weight_before = np.array([75, 80, 68, 92, 85, 78, 88, 70, 77, 95])
weight_after = weight_before - np.random.normal(loc=2, scale=1, size=10) # 平均2kg減

# 対応のあるt検定を実行
t_stat, p_value = stats.ttest_rel(weight_before, weight_after)

print(f"t値: {t_stat:.3f}")
print(f"p値: {p_value:.4f}")

対応のあるt検定には ttest_rel を使用します。これにより、個人の元の体重（個体差）の影響を排除して、純粋なプログラムの効果を分析できます。

t検定を行う際の注意点・よくある落とし穴

Pythonを使えば数行のコードでt検定を実行できますが、統計的な前提条件を満たしていないデータを無理に検定すると、誤った結論を導く危険性があります。

• 外れ値の影響を受けやすい： t検定は平均値を基に計算されるため、極端に大きな（または小さな）値が1つあるだけで結果が歪みます。分析前に箱ひげ図などでデータを確認し、必要に応じて除外などの前処理を行いましょう。
• 正規性の仮定： 原則として、データが正規分布（釣鐘型の分布）に従っていることが前提です。サンプルサイズが小さい（おおむね30未満）場合は特に注意が必要で、シャピロ・ウィルク検定などで正規性を確認するか、ノンパラメトリック検定（マン・ホイットニーのU検定など）への切り替えを検討します。
• p値のハッキング： 有意な結果（p \( \lt 0.05 \)）が出るまでデータを削ったり、様々な変数を手当たり次第に検定したりする行為は不適切です。分析の目的と仮説は事前に設定しましょう。

コピペで使える！Python・t検定チェックリスト付きテンプレート

実務でそのまま活用できる、対応のないt検定（ウェルチのt検定）のテンプレート関数です。データフレームから対象の列を抽出し、結果をわかりやすく出力します。

import pandas as pd
from scipy import stats

def perform_ab_test(data_group_1, data_group_2, alpha=0.05):
    """
    2つのグループ間でウェルチのt検定を行い、結果を出力する関数
    """
    t_stat, p_val = stats.ttest_ind(data_group_1, data_group_2, equal_var=False)
    
    print("--- t検定結果 ---")
    print(f"グループ1 平均: {data_group_1.mean():.2f}")
    print(f"グループ2 平均: {data_group_2.mean():.2f}")
    print(f"t値: {t_stat:.3f}, p値: {p_val:.4f}")
    
    if p_val < alpha:
        print("結論: 有意水準 {} で、2つのグループには統計的に有意な差があります。".format(alpha))
    else:
        print("結論: 有意水準 {} で、2つのグループに有意な差があるとは言えません。".format(alpha))

# 使用例
# perform_ab_test(df['A_score'], df['B_score'])

よくある質問（FAQ）

Q1. サンプルサイズ（データ数）はどのくらい必要ですか？

A. 一般的には各グループに30以上のサンプルがあれば、中心極限定理により平均値の分布が正規分布に近づくため、t検定を適用しやすいと言われています。少なすぎる場合（例：5個ずつなど）は、結果の信頼性が下がるため注意が必要です。

Q2. 3つ以上のグループを比較したい場合はどうすればいいですか？

A. t検定は「2グループ間」の比較にしか使えません。3つ以上のグループ（例：デザインA、B、C）を比較する場合は、t検定を繰り返すのではなく、「分散分析（ANOVA）」を使用します。t検定を繰り返すと、誤って「差がある」と判定してしまう確率（第一種の過誤）が上昇してしまうからです。

Q3. p値が0.05より大きかった場合、「2つのグループは完全に同じ」と言えますか？

A. 言えません。p値が0.05以上だった場合は、「差があるとは証明できなかった（手持ちのデータからは判断を保留する）」という意味になります。「差がないことが証明された」わけではない点に注意してください。

まとめ

Pythonを使ったt検定の実装方法について解説しました。SciPy を使えば複雑な計算を意識することなく、数行のコードで統計分析が可能です。

しかし、分析ツールを動かすこと以上に重要なのは、「データが検定の前提条件を満たしているか」「対応のある・なしどちらの手法を選ぶべきか」を正しく判断することです。今回紹介したテンプレートや注意点を参考に、ぜひご自身の手元のデータでt検定を実践してみてください。