t検定の使い分けは、「比べるデータが割合（カテゴリカルデータ）か、平均値（数値データ）か」
カイ2乗検定（比率・有無を比べる）
割合や度数（「あり/なし」「生存/死亡」「改善/不変/悪化」などのカテゴリデータ
・新薬A群とプラセボ群で、「副作用が出た人の割合」に差があるか？
・治療法によって、「治癒・未治癒」の比率が変わるか
t検定（平均値を比べる）
連続量（血圧、体重、胆管の太さ、検査値などの数値データ）の2群間の平均値の差
・降圧薬を飲んだ前後で、「平均血圧（mmHg）」に差があるか？（対応のあるt検定）
・A病院とB病院の患者の「平均入院日数」に差があるか？（対応のないt検定）
フィッシャーの正確確率検定（Fisher’s exact test）
超幾何分布などを用いて、すべての組み合わせの確率を直接（正確に）計算してp値を求める。
サンプル数が少ない場合や、期待度数が5未満のセルが含まれる場合に適しており、サンプル数が少なくても正確なp値が得られる。
サンプル数が多い場合は実質不可能で、どちらを使っても結果（p値）はほぼ変わらないため、一般的にカイ二乗検定。
Fisher’s exact test
import scipy.stats as stats
# 2x2の分割表データ
# [[セル1, セル2], [セル3, セル4]]
table = [[8, 2], [1, 5]]
# フィッシャーの正確確率検定の実行
odds_ratio, p_value = stats.fisher_exact(table)
print(f"オッズ比: {odds_ratio}")
print(f"p値: {p_value}")2×2の分割表専用です。
サンプルサイズが小さい（期待度数が5未満のセルがある）場合に、カイ二乗検定の代わりに用いられます。
デフォルトでは両側検定が行われます。
片側検定を行いたい場合は alternative=’greater’ や alternative=’less’ 引数を指定できます。
chi-squared test
カテゴリデータのクロス集計表（分割表）を二次元配列（リスト）として用意し、関数に渡します。
import scipy.stats as stats
# 観測度数（クロス集計表のデータ）の例
# 行：性別（男性、女性）、列：購入の有無（購入した、購入しなかった）
observed = [[30, 20], [15, 35]]
# カイ二乗検定の実行
chi2, p, dof, expected = stats.chi2_contingency(observed)
print(f"カイ二乗統計量: {chi2:.4f}")
print(f"p値: {p:.4f}")
print(f"自由度: {dof}")
print(f"期待度数:\n {expected}")p値が0.05未満（有意水準5%）の場合：「2つの変数間には統計的に有意な関連（差）がある」と判断します。
