Summary  
This chapter demonstrates how to implement an independent two-sample t-test in Python using SciPy’s stats.ttest_ind function, printing the t-statistic and p-value to assess whether two group means differ significantly.

General domain of usage  
Statistical data analysis

Pythonでt検定を実行するには、通常`scipy`ライブラリ、特に2つの独立したサンプルの平均を比較するための`scipy.stats.ttest_ind`関数を使用します。この関数は、グループを表す2つの数値配列またはリストを受け取り、**t統計量**と**p値**という2つの重要な値を返します。これらの出力は、設定した仮説に基づいて、グループ間の平均の差が統計的に有意かどうかを判断するのに役立ちます。Pythonでt検定を実行する手順は簡単で、数行のコードで分析ワークフローに組み込むことができます。

import numpy as np
from scipy import stats

# Simulated data for two independent groups
group_a = np.array([23, 21, 19, 24, 20, 22, 25, 23, 21, 20])
group_b = np.array([30, 29, 31, 28, 32, 30, 29, 31, 28, 30])

# Perform an independent two-sample t-test
t_statistic, p_value = stats.ttest_ind(group_a, group_b)

print("t-statistic:", t_statistic)
print("p-value:", p_value)

`ttest_ind`を実行すると、2つの主要な出力が得られます。

- **t統計量**：データ内のばらつきに対して、グループ平均がどれだけ異なるかを測定します。絶対値が大きいほど、グループ間の差が大きいことを示します。
- **p値**：帰無仮説が正しい場合（つまり、グループ平均に実際の差がない場合）に、これほどの差（またはそれ以上の差）が観測される確率を示します。

**p値**が小さい場合（一般的に0.05未満）、観測された差が偶然によるものである可能性は低いと判断されます。この場合、**帰無仮説を棄却**します。

**p値**が大きい場合、差が偶然のばらつきによるものである可能性が高いため、**帰無仮説を棄却しません**。

t検定の文脈で、小さいp値は何を示していますか？

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。

Pythonにおけるt検定