データを集計し、図とレポートで結果を示します。

中学5教科150問のクイズです。正解が選択肢の何番目にあるかを数えたところ、2番が65問、4番が9問でした。カイ二乗適合度検定で χ² = 43.17、p < 0.000001。一様配置を仮定したモデルとは大きく異なる分布です。2番だけを選ぶと150問中65問に正解するため、知識とは別に選択位置が得点へ影響する設計でした。

直したのは並び順だけです。正解の文字列は1問も変えていません。修正後は 38・38・37・37 になり、χ² = 0.03、p = 0.9989。観測した正解位置の分布はほぼ均等になりました。

目で見て気づけるものではありませんでした。数えて、検定して、初めて見えた配置の偏りです。

同じクイズの中で、問題文の長さが教科ごとにどれだけ違うかを調べました。Kruskal-Wallis検定で H = 77.66、p < 0.000001、効果量 ε² = 0.508（大）。その後の多重比較（Dunn検定＋Holm補正）で、英語は他の4教科すべてに有意に長いと出ました。

中央値は英語が67字、理科が21.5字で約3倍です。スマートフォンの縦画面とゲーム内の吹き出しでは、英語だけ読み切れません。

「なんとなく英語が長い気がする」で終わらせず、どの組み合わせが、どれだけ違うのかまで出すのが多重比較です。

※このセクションは手法を示すための架空データです。

各1,000件で、現行案12.0%・新案15.0%。差は+3.0ポイント、相対では+25%です。ここで「新案の勝ち」と報告することはできます。

ただし比率のz検定は p = 0.0496、Fisherの正確確率検定は p = 0.0576。判定が割れています。境目に乗っているということです。さらに、この標本数でこの差を検出できる確率（検出力）は約50%しかありません。検出力80%で判定するには1群あたり2,031件が要ります。

この結果だけで全面展開を決めず、実務上必要な差、費用、信頼区間を併記しています。1群2,031件は仮定した効果に対する事前設計の目安です。結果を見た後に約1,000件ずつ追加し、有意になるまで同じ検定を繰り返してよいという意味ではありません。次の試験では標本数と停止規則を先に決めます。

自社で公開している動画87本の説明文を形態素解析し、同じ文章の中に一緒に出てくる語を線でつなぎました。全体の6割以上に現れる定型文（署名や注意書き）は自動で除いています。除かないと、その定型文だけが上位を占めて何も見えません。

残った語は、教科ごとのかたまりに分かれました。書き手が意図して分類したわけではなく、分析結果で、教科ごとの語のまとまりを確認しました。

同じ処理は、アンケートの自由記述、問い合わせの本文、レビュー、日報にもそのまま使えます。群ごとの特徴語（log-odds）まで出すと、「どの層が何を言っているか」が語の単位で分かります。

※このセクションは手法を示すための架空データです。

売上を目的変数に、訪問回数・メール開封数・年齢・流入経路・契約プランを説明変数として重回帰分析にかけました。n=300、自由度調整済み R² = 0.912、VIF最大値は2.16（問題となる多重共線性なし）。

単位がばらばらな変数を比べるため、標準化係数で並べています。最も大きいのは契約プランで、続いて訪問回数、メール開封数でした。年齢と検索経由の流入は、統計的に有意ではありませんでした。

統計的に有意でないことは、効果がゼロという証明ではありません。係数の不確かさと実務上意味のある大きさを確認し、追加調査が必要かを判断します。

なお、これは観察データの関連であって、介入すれば同じだけ動くという保証ではありません。因果を確かめたい場合は、先に実験の設計から相談してください。