Summary
Implementing a paired t-test using a library function to compare the means of two related data samples.

General domain of usage
Statistical data analysis

**対応のあるt検定**は、2つの関連するグループの平均を比較するために使用される統計手法です。この検定は、同じ被験者から2回測定を行った場合（例：治療前後の結果や実験におけるマッチしたペア）に用いられます。対応のあるt検定は、これらのペア観測値間の平均差がゼロと有意に異なるかどうかを判断するのに役立ちます。

対応のあるt検定を使用すべき場合：
- 同じ被験者グループを2回測定する場合（例：介入前後）；
- 双子やマッチした被験者など、各ペアが両方の条件を経験するマッチドペアがある場合；
- 一方のグループのデータポイントが他方のグループのデータポイントと直接関連している場合。

これは、2つの無関係なグループを比較する独立t検定とは異なります。対応のあるt検定は、データポイントが独立していないことを考慮するため、統計的検出力が高まり、被験者間の違いによるばらつきが減少します。

Pythonでは、`ttest_rel`の`scipy.stats`関数を使って対応のあるt検定を実行します。この関数は、2つの関連サンプルを比較し、ペア観測値間の差に基づいて平均値が有意に異なるかどうかを計算します。

import numpy as np
from scipy.stats import ttest_rel

# Example: Before and after test scores for the same students
before_scores = np.array([78, 85, 69, 90, 88, 76, 95, 80])
after_scores = np.array([82, 88, 70, 92, 91, 78, 97, 85])

# Perform paired t-test
t_stat, p_value = ttest_rel(after_scores, before_scores)

print(f"T-statistic: {t_stat:.3f}")
print(f"P-value: {p_value:.4f}")

次のうち、独立t検定ではなく対応のあるt検定が最も適切なシナリオはどれですか？

データアナリスト向けの仮説検定の基礎に特化した簡潔な初心者向けコース。仮説の立案、t検定（1標本、2標本、対応あり）、z検定、カイ二乗検定、検定の前提条件、適切な統計検定の選択方法を扱います。