#統計 医療統計の分野では、 ❌正規母集団でなければt検定をつかえない。 という酷い教え方のせいで、...

❌正規母集団でなければt検定をつかえない。
という酷い教え方のせいで、
❌ノンパラメトリック検定ならばいつでも使える。
という極めて有害な誤解に誘導され、実際に安易にノンパラ検定を使って論文を書いてしまう科学的に有害な人達を増やして来た。
大問題。
x.com/kent_sak/statu…
best-biostatistics.com/stat-test/w-te… の添付画像の部分を見て、【日本の生物統計の第一人者の大橋靖男先生】について検索してみた。
論理を蔑ろにしてかつ権威に頼る議論の仕方は、非科学的という形容がふさわしいやり方の典型例になる。続く
正規でなければt検定を使えないという誤解によって、常に使用可能なわけではないノンパラメトリック検定に安易に誘導することになる有害なフローチャートを引用していた。
これはアウト!
google.com/search?q=%22%E…
kasuya.ecology1.org/stats/utest01.…
おそらく、丹後氏のような致命的な誤解をしている人達がかなりいるのでしょう。
❌等分散であればMann-WhitneyのU検定=Wilcoxonの順位和検定を使える。
と誤解する危険性があるので注意してください。
等分散性は十分条件ではありません。
同様に、Brunner-Munzel検定の論文 researchgate.net/profile/Edgar-… は2000年に出版されているのに、なぜか今もWilcoxonの順位和検定を勧める傾向がある。
MWのU検定では2つの母集団分布が等しいという超絶強い仮定を使って検定統計量の分散を見積もるが、BM検定はそうではない。
しかし、安易にBM検定を勧めることも科学的に有害。違いの指標選択に無頓着に「有意差を出す」という発想自体が有害。
母平均の差 = E[X] - E[Y]
を違いの指標として使います。Brunner-Munzel検定やWilcoxonの順位和検定では
Y側の勝率=P(X<Y)+P(X=Y)/2
と1/2の差を違いの指標として使います。
全然違う「違い」をみています。
こういう当たり前の考え方をせずに、とにかく有意差を出せばよいとするのはおかしいです。
そして、偉くなった先生達が当たり前の科学的に常識的な考え方を蔑ろにしていることを発見したら、言葉を濁さずに明瞭に否定することも必要だと思います。
それをできない人達は権威に負けており、科学的ではない。
謝罪
↓

best-biostatistics.com/stat-test/w-te… (添付画像)
に【大橋靖男先生】と書いてあったのをそのままコピーして使っていたせいで、正しくは大橋靖雄先生であったことに気付いてませんでした。
名前を繰り返し間違って書いてしまったことを大橋先生と読者の皆さんにお詫び致します。ごめんなさい。
どうして同業者達が訂正させる方向に動かないのか?
私は誤りを指摘してくれる人達にいつも助けられています。
そういう世界になっていないように見える。
事例
↓

jstage.jst.go.jp/article/kagaku…
改訂増補版:統計検定を理解せずに使っている人のためにII
池田 郁男
化学と生物57 巻 (2019) 9 号
これは3年前なのですが、いつものよく見る誤解がもろに説明されています。
現代でもこういうので統計学入門の勉強をしてしまう人達がいるわけです。非常に残念。続く
誤りを認め、どこが誤りだったかを正確に説明して、訂正版の文に差し替える、というプロセスを見てみたい。
そもそも誤りだと思っていないのか、誤りだと認識しているが訂正の仕方がわからないのか、全てが不明。
事例
↓

なぜならば酷く間違った考え方をしているからです。
以下では「2群」の場合に制限して、具体的にどこが間違っているかを説明します。続く
comicalcommet.github.io/r-training-202…
h(x,y)=if x<y then 1 else if x=y then 1/2 else 0
とおいたときの、2つの標本X₁,…,XₘとY₁,…,Xₙに関する
U=Σh(Xᵢ,Yⱼ)
です。このとき、
p̂ = U/(mn)
は
Y側の勝率=P(X<Y)+P(X=Y)/2
の不偏推定量になっている。

母平均の差 = E[X] - E[Y]
を違いの指標として使います。Brunner-Munzel検定やWilcoxonの順位和検定では
Y側の勝率=P(X<Y)+P(X=Y)/2
と1/2の差を違いの指標として使います。
全然違う「違い」をみています。
このことから、それらの検定は、本質的に、大きな値が勝つ(引き分けなら1/2勝)というルールのゲームでの勝率を扱っていることが分かります。
続く
❌中央値の差の検定である
と言えるはずがない。
⭕️勝率と1/2の差の検定である
のように言いたくなるはず。
MWのU検定を「Uが何であるか」さえ理解せずに使っているのではないか?
しかも指摘しても慌てて訂正しようとする人が見当たらない。
Mann-WhitneyのU検定=Wilcoxonの順位和検定に関する解説をチェックするたびに、社会的に統計学の専門家とみなされる立場の人が相当に杜撰な解説をしていると気付いてしまうこと。
見つけた事例を全部紹介しているわけではない。
精神的につらい。

❌正規母集団でなければt検定をつかえない。
という酷い教え方のせいで、
❌ノンパラメトリック検定ならばいつでも使える。
という極めて有害な誤解に誘導され、実際に安易にノンパラ検定を使って論文を書いてしまう科学的に有害な人達を増やして来た。
大問題。

ブロックせずに、誤りを認めて欲しかった。
❌t検定の前にF検定をやるかどうか
おそらく、そのt検定は等分散の仮定から得られるStudentのt検定のことだと思います。
「F検定→t検定」という流れは多重検定になるので好ましくないです。
⭕️F検定をやらずに、常にWelchのt検定を使う
と良いというのが現代の常識だと思いました。

統計なんもわからんorz
現実の母集団は大抵正規分布に従っていません。しかし、
⭕️正規母集団でなくても多くの場合にt検定を使える(使えない場合もある)。
よくある誤解は
❌正規母集団でなければt検定をつかえない。
この誤解は大学の先生がよく広めているので要注意。

統計なんもわからんorz
Welchのt検定での自由度について大雑把に説明してすませたければ、
* Welchのt検定で使うt分布の自由度は複雑な式で定義され、2つの標本のサイズがm,nのときmin(m-1, n-1)以上m+n-2以下になる。
のように説明しておけば良いと思う。
min(m-1, n-1)以上になる。

❌母平均の差の検定として、Welchのt検定ではなく、Studentのt検定を先に勧めている。
❌正規母集団でなければt検定は使えないと書いてある。
❌正規性検定やF検定を使って検定法を選択することを勧めている。
epirhandbook.com/jp/stat-tests.…
疫学のための Rハンドブック
18 基本的な統計的検定
の解説も色々アウト。詳しくは添付画像を参照。
いつもの初歩的な誤りです。
どうしてこういう杜撰なものが出回りまくって訂正されないのかが大問題。
歳を食って頭が硬くなった人が伝統に従って(伝統の内容自体がデタラメであるがゆえに)デタラメな解説を行い続けるということだけなら、そういうこともあるだろうなと思います。
しかし、頭脳がまだ衰えていない若い人達まで悪しき伝統に従ってしまうのはどうしてなのか?
❌正規母集団でなければt検定は使えない。
❌Mann-WhitneyのU検定ならいつでも使える。
という説明は初歩的なデタラメ。
Welchのt検定は正規性からの逸脱にかなり頑健だが、MWのU検定は脆弱なので安易に使うと危ない。
世界的に普及している解説の側が酷いデタラメなことに注意!
x.com/4soty6zmydh4bu…
MWのU検定は、「2つの母集団分布は等しい」という帰無仮説の検定なので、母分散、母歪度、母尖度、などのどれかが等しくないと、無用に有意差が出易くなったり、出難くなったりする。
統計学の初歩を理解していないなら、初歩的な統計分析であっても使ってはいけない。
科学的にまともであるためには自分で考えて理解しなければいけない。教科書の権威には頼れない。
インターネットで公開されている解説の初歩的仮説検定の説明もできる限りチェックしているのですが、日本語圏に限らず、酷いものしか見たことがない。
どうしてみんなデタラメを他人に教えたがるのか?
❌正規母集団でないとt検定は使えない。
とか
❌Mann-WhitneyのU検定のようなノンパラメトリック検定なら無条件で使える。
のような誤解をさせないような解説になっている日本語の入門的な教科書を見たことがないです。続く
⭕️Studentのt検定やMann-WhitneyのU検定は脆弱で危険な検定であり、それらを使っている報告は過去に遡って問題がないかどうか確認した方が良い。
⭕️Welchのt検定やBrunner-Munzel検定はそれらを代替できるより頑強な検定になっている。
と教科書や入門的解説には書いて欲しい。
❌等分散性が検定で棄却されなければStudentのt検定を使い、棄却されたらWelchのt検定を使う。
という指示も誤り。正しくは
⭕️母平均の差については常にWelchのt検定を使う。
が正解。
Welchのt検定を理解不足のまま貶す人もいるので要注意。

理解度の低い解説者達が活躍しているという事実を宣伝する必要がある。
その典型例の1つが、
永田靖『統計的方法のしくみ』(1996)のpp.187-188
の説明。これがかなりひどい。続く
❌F検定で等分散性の帰無仮説が検定で棄却されなければStudentのt検定を使い、棄却されたらWelchのt検定を使う。
のようなデタラメを教える人達が沢山いるので要注意。
そもそも、帰無仮説が棄却されないときに帰無仮説が正しいと判断するような人は仮説検定のイロハを分かっていない。続く

「検定」に耐えれる実験条件かを見るのも検定の役割と思うのですが・・。例:t検定の前のF検定とか。
どうでしょう?良かったら、教えて下さい。
多くの生物系実験者は検定に悩まされ、今は多くがsoftwareでやってますが、本質を理解してないの多くて・。
教わる側も批判せずに非科学的な信者になる傾向がある。見分け方のコツ:
❌「t検定」という言葉を等分散性を仮定する「Studentのt検定」の意味で使う人達
は伝統的なデタラメの信者の場合が多い。
①仮想的な母集団分布の標本をランダムに生成
②その標本からP値を計算
③以上を繰り返してP値の分布を確認
を実行すればよい。

理解度の低い解説者達が活躍しているという事実を宣伝する必要がある。
その典型例の1つが、
永田靖『統計的方法のしくみ』(1996)のpp.187-188
の説明。これがかなりひどい。続く

期待値が等しく、標準偏差が1, 1.5の仮想的な正規母集団からそれぞれサイズm=25, n=15の標本を無作為抽出したときのt検定達のP値の累積分布函数のプロット(右側)。
mixed t-testはF検定でStudentとWelchを使い分ける検定法(使用しない方がよい)です。続く
github.com/genkuroki/publ…
jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
をちらっと眺めましたが、杜撰な内容で酷過ぎると思いました。
このスレッドのすぐ上で否定したこと(等分散性の検定によってStudentとWelchのt検定を使い分ける悪しき慣習)がそのまま書いてありました。続く
jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
が酷い。
Welchのt検定は非正規母集団であっても中心極限定理のお陰で多くの場合に使えます。
等分散であることの強い証拠がある場合を除けば、等分散性の検定をせずに常にWelchのt検定を使うべきです。
jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
が酷い。
引用【歪度が0のときに正規分布しているとみなされます】
は酷すぎる誤りです。
正規分布でなくても、対称な分布であれば歪度は0になります。
何も理解していない人が解説を書いているっぽい。続く
jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
が酷い。歪度の場合と同様に
引用【歪度が0のときに正規分布しているとみなされます】
と書いてある。これも誤りです。続く
jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
が酷い。
❌母集団が正規分布しているとみなされるか否かで、パラメトリック検定とノンパラメトリック検定を使い分ける
というよく見る杜撰な説明がここにも書いてある。
どうしてこういうデタラメを平気で書けるのか?続く
jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
が酷い。正規性の検定について
* p≧0.05のとき、正規分布していないとはいえない(=正規分布している)
と書いてある。
仮説検定のイロハを理解していない!
帰無仮説が棄却されないとき、帰無仮説が正しいとしてはいけない。
これは日本理学療法学会連のEBPT用語集だけの問題ではありません。
そういうデタラメな説明が書いてあることの方が普通です(日本語圏に限らない。
どうしてこんなことになってしまっているのか理解できません。
十分な知性を持つ人達の集団の中には誤りに気付いている人たちが沢山いるはずなのに、酷い誤りが全然訂正されずに、デタラメの側が多数派になっているように見える。
正規性検定で「母集団分布は正規分布である」という帰無仮説が棄却されないとき「帰無仮説が正しい」すなわち「母集団分布は正規分布である」と判断してはいけない、ということは仮説検定のイロハを知っていれば分かると思います。
続く

jspt.or.jp/ebpt_glossary/
日本理学療法学会連合EBPT用語集
が酷い。正規性の検定について
* p≧0.05のとき、正規分布していないとはいえない(=正規分布している)
と書いてある。
仮説検定のイロハを理解していない!
帰無仮説が棄却されないとき、帰無仮説が正しいとしてはいけない。
A=母集団分布は正規分布である
とか
A=等分散である
などで、仮説検定に基本がよく蔑ろにされている。
帰無仮説が棄却されないときに、帰無仮説が正しいと判断することは、仮説検定の典型的な誤用になります。
❌t検定を使うときには、正規性検定や等分散性検定を行う必要がある
というデタラメの普及は、本当は
⭕️母平均の差を扱うことが適切な状況ではWelchのt検定を使う
と覚えておけば大過ないシンプルな事柄を、無駄に複雑でしかも有害なルールで上書きしていることになります。
❌余計に難しいことを言っている
のではなく、
⭕️無駄に複雑でかつ従うことが有害なルールを(大学での講義や論文の査読などによって)他人に押し付ける人達の態度を全否定してかつ、よりシンプルな考え方を解説している
ことになっています。
帰無仮説が棄却されなかったときに「対立仮説が棄却された」とは言わないし、「対立仮説が棄却された」と判断することは仮説検定の典型的な誤用になります。
❌F検定の結果を見て使用するt検定を変える
とデタラメを教えている大学の先生達は統計学の基本を理解していないので要注意です。
x.com/techitechifree…
❌正規性検定や等分散性検定を行ってからt検定を使う
と誤解していたり、誰かからそう習って理解できずに困っている人達が見つかります。
理解できたと思って従うことにした人達はデタラメの信者になったことになるので要注意。
ただし、最後に
❌正規分布でなければt検定達を使えない
が誤りであることも強調していれば良かった。
あと、F検定後に使うt検定を変えることの害は、多重検定の害というより、Studentのt検定も確率的に使うことが原因で生じる害です。続く
x.com/pqr37244070/st…
詳しくは
↓

期待値が等しく、標準偏差が1, 1.5の仮想的な正規母集団からそれぞれサイズm=25, n=15の標本を無作為抽出したときのt検定達のP値の累積分布函数のプロット(右側)。
mixed t-testはF検定でStudentとWelchを使い分ける検定法(使用しない方がよい)です。続く
github.com/genkuroki/publ…
その辺の判断を誤らせる解説が出回っているので要注意
↓

理解度の低い解説者達が活躍しているという事実を宣伝する必要がある。
その典型例の1つが、
永田靖『統計的方法のしくみ』(1996)のpp.187-188
の説明。これがかなりひどい。続く
⭕️Studentのt検定を使うことはやめて、Welchのt検定を使うべきである
ことを理解できた人は、ほぼ同様の理由で
⭕️Wilcoxonの順位和検定=Mann-WhitneyのU検定を使うことはやめて、Brunner-Munzel検定を使うべきである
ことも理解できるはずです。
Studentのt検定とWMW検定は脆弱で危険です。
❌Studentのt検定
❌Wilcoxonの順位和検定=Mann-WhitneyのU検定
は伝統的に入門的な教科書や大学の講義などで使用が勧められて検定法です。しかしこれらは脆弱で、無用に有意差が出易くなったり、出難くなったりし易い検定法です。
⭕️Welchのt検定
⭕️Brunner-Munzel検定
の方がずっと頑健。
⭕️Welchのt検定 (母平均の差に関する検定)
⭕️Brunner-Munzel検定 (母勝率と1/2の差に関する検定)
Welchのt検定も非正規母集団であっても多くの場合に使える。
これらは母集団分布の違いを異なる基準で測定する方法なので、互換性はありません。何を測りたいかで使う検定を選ぶべき。
Brunner-Munzel検定の帰無仮説は「母勝率=1/2」です。
p̂ = (1/(mn)) Σ_{i=1}^m Σ_{j=1}^n h(Xᵢ,Yⱼ)
h(x, y) = (x < y なら1、x = y なら0.5、x > y なら0)
と定義できます。これがBrunner-Munzelの検定統計量。
U = mnp̂
はMann-WhitneyのU検定のUに一致。
MWのU検定では「2つの母集団分布は等しい」という超絶強い条件を仮定して検定統計量の分散を推定するが、BM検定ではそうしない。
前者が脆弱で後者が頑健である理由も似ています。
* 2つの母集団分布は等しい
* 2つの母分散は等しい
という超絶強い条件を仮定して、母勝率の推定量の分散や標本平均の差の分散を推定する方法だからです。
そのとき、Studentのt検定は、線形回帰に大幅に一般化されます。そういう意味でStudentのt検定には(Welchのt検定との比較で実用的価値は低いが)教育的な価値は十分にあると思います。続く
❌最小二乗法による線形回帰の推定結果から得られる残差が正規分布に従っているかどうかを無用に気にすること
は
❌正規母集団でなければStudentのt検定は使えない
という誤解の「一般化」とみなされます。
どちらもおかしな考え方です。続く
⭕️Studentのt検定の前提で重要なのは等母分散性である
ことの「一般化」として、
⭕️残差の分布が説明変数によらないこと
を確認する方が重要だと思います。
例えば説明変数xが大きほど残差の分散が大きくなっているように見える場合には不適切な回帰分析をしている可能性が高くなります。
2つの母集団分布の比較から入ることは、現実的には仕方がない部分があると思います。続く
回帰分析のやり方だけを説明するのは無責任だと思う。
そういう講義の有名な例がStatistical Rethinking→ github.com/rmcelreath/sta…
❌母集団分布ではなく、残差が正規分布であることを確認することが重要。母集団分布自体は正規分布である必要はない。
のように誤解誘導的な発言をするのをよく見る。
「どうしても正規分布にこだわりたい病」が発症している感じ。続く
線形回帰での回帰係数の信頼区間の基礎は、Studentのt検定の場合と同様に、回帰係数の最小二乗推定量の分布の一般化された中心極限定理による正規分布近似です。
中心極限定を意識することは基本的。
私は任意の分布でよいとは言っていないので、その質問の仕方は奇妙です。私に質問するなら、私の発言を正確に引用して質問して欲しいです。続く
残差の未知である真の分布と標本サイズの組み合わせが、回帰係数の最小二乗法による推定量の分布が(一般化された)中心極限定理によって正規分布で十分に近似されていると考えても良さそうな状況であれば、回帰係数に関するP値や信頼区間の誤差も十分に小さくなる。
x.com/pqr37244070/st…
①正規母集団で無ければt検定を使えない。
②2つの母平均の差に関するt検定は基本的に等母分散でないと使えないStudentのt検定である。
続く
③ゆえに、Studentのt検定が使える状況は正規母集団かつ等母分散の場合であり、そのとき等母平均の帰無仮説は、2つの正規母集団分布が等しいことと同値になる。
注意:上の③の前半は誤り。
続く
④Mann-WhitneyのU検定の帰無仮説は「正規とは限らない2つの母集団分布は等しい」なので、MWのU検定の方がStudentのt検定よりも適用範囲は広い。しかも検出力が大して落ちないことも証明されている。
注意:この判断は誤り。
試験問題:以上の①~④がどのように間違っているかを説明せよ。
❌正規分布でなければt検定を使えない
というデマを
❌伝統的に教えられ続けている検定法選択のフローチャート
によって広めたことの第一の害は、
優秀で忙しい人達から無駄に時間を奪い続けていること
だと思いました。
広めた(広めている)人達は「間違っていた」と言うべき。

最近出版された本
hws-kyokai.or.jp/publishing/typ…
生物統計学の道標
にも、もしかして、
❌正規母集団でなければt検定は使えない
とか、Studentのt検定を勧める、などの説明がある?
知っている人がいたら教えて下さい。

❌正規母集団でなければt検定をつかえない。
という酷い教え方のせいで、
❌ノンパラメトリック検定ならばいつでも使える。
という極めて有害な誤解に誘導され、実際に安易にノンパラ検定を使って論文を書いてしまう科学的に有害な人達を増やして来た。
大問題。

jstage.jst.go.jp/article/kagaku…
改訂増補版:統計検定を理解せずに使っている人のためにII
池田 郁男
化学と生物57 巻 (2019) 9 号
これは3年前なのですが、いつものよく見る誤解がもろに説明されています。
現代でもこういうので統計学入門の勉強をしてしまう人達がいるわけです。非常に残念。続く
hws-kyokai.or.jp/publishing/typ…
↓
hws-kyokai.or.jp/images/2022-4.…
Sample: 医療職のための学び直し 第15回 無計画な解析における問題
【各群のアウトカムが分散の等しい正規分布に従うとt検定では仮定していることを確認しておく必要がある】
やはりミスリーディングな説明があった。続く

最近出版された本
hws-kyokai.or.jp/publishing/typ…
生物統計学の道標
にも、もしかして、
❌正規母集団でなければt検定は使えない
とか、Studentのt検定を勧める、などの説明がある?
知っている人がいたら教えて下さい。
x.com/genkuroki/stat…
❌非正規分布であればt検定を使えない
という誤解が蔓延しているので、それを打ち消す説明がないと確実にミスリーディングな説明になってしまう。
母平均を扱っている場合には、標本平均に関する中心極限定理と不偏分散に関する大数の法則より、正規性からの逸脱にかなり頑強です。
しかし、母分散の場合には脆弱になる。
正規性からの逸脱について、母平均を扱っている場合は頑強だが、母分散では脆弱にあることもきちんと説明して行くべきだと思います。
回帰係数に関する検定や信頼区間であれば、拡張された中心極限定理のお陰で、残差の分布の正規性の仮定からの逸脱について頑強になります。
この点も必ず説明した方が良いと思います。
❌その検定法と信頼区間は正規分布でないと使えない
と誤解してしまう可能性が高く、現実にものすごく多くの統計学ユーザーが誤解しています。相当に酷いことになっている。
しかし、母分散の値に関するカイ二乗検定は正規性の仮定からの逸脱に脆弱です。その理由は母尖度と標本の不偏分散の関係を理解すれば分かります。
ところが、尖度の解説も一般に酷い。
続く
以上の状況で、
T = (X̅ - μ)/√(S²/n)
の分布は標準正規分布で近似される。
不偏分散S²の確率的揺らぎの効果を保守的に補正するためには、標準正規分布の代わりに自由度n-1のt分布がよく使われる。続く
母平均に関する統計学的推論の主要な部分は標本平均に関する中心極限定理からやって来る。
だから、母集団分布が正規分布でなくても、母平均について多くの場合に以上の方法を使えます。
T=(X̅-μ)/√(S²/n)が自由度n-1のt分布に従う設定の下でのμの信頼区間
と
平坦事前分布の下での正規分布モデルのベイズ統計におけるμの信用区間
はぴったり等しくなります。これらを区別することは不可能。
ベイズと非ベイズ水と油であるかのように語ることも酷くミスリーディング。
母分散の場合は要注意であることの説明に続く。
σ⁴(κ̅₄/n + 2/(n-1))
になります。正規母集団ではκ̅₄=0となる。
要するに、母尖度は不偏分散の分散を記述する量になっています!明らかにこれは重要です。続く
σ⁴(κ̅₄/n + 2/(n-1))
であり、正規母集団で0になる母尖度κ̅₄に依存するので、正規母集団の仮定の下での母分散に関する統計学的推論を、非正規母集団に適用すると、nをどんなに大きくしても、母尖度κ̅₄由来の無視できない誤差が生じます。
母尖度の理解は重要!
S²/σ²の分布がχ²(n-1)/(n-1)になるという設定でのσ²の信頼区間
と
(μ, log σ²)に関する平坦事前分布の下での正規分布モデルのベイズ統計でのσ²の信用区間
はぴったり一致します。区別不可能。続く
こういう話は極めて基本的で、みんな知っておくべきことだと思います。
google.com/search?q=%E5%B…
❌尖度が正の分布は正規分布よりも尖っている
のような酷い説明をしている人達がたくさんいる。
あまりにもレベルが低過ぎて非常に残念に思います。
κ̅₄ ≥ κ̅₃² - 2
が成立しています。
分布の非対称性が大きくて歪度κ̅₃の絶対値が大きい場合にも、尖度は大きくなります。
だから、尖度について分布の尖り方の大きさだと説明することは不適切です。続く
* Pearsonの不等式
* 中心極限定理による正規分布への収束の速さとの関係
* 標本平均と不偏分散の同時分布の分散共分散行列の記述
について説明するべきだと思います。
log E[exp(t(X-μ)/σ)] = t²/2 + κ̅₃ t³/3! + κ̅₄ t⁴/4! + ⋯
で、Xが従う分布が正規分布ならば
log E[exp(t(X-μ)/σ)] = t²/2
となる。


























