これは統計全般に関する個人的な質問です。JMPユーザーからの質問ではありません。このような質問をここでするのは適切ではないかもしれませんが、JMPグループ内で他に適切な質問場所が見つかりません。この質問は、2年前に私が投稿した記事（ 2標本t検定のシンプルで正直な説明？ - JMPユーザーコミュニティ）と密接に関連しています。
あなたの国では、フローチャートを用いた統計分析は今でも使われていますか？
1960年代から1990年代頃にかけて、多くの料理本で、統計的検定を行うための神聖で絶対的な儀式的なルールがいくつか見られました。（それらの多くは、医学研究者、社会学者、心理学者など、統計学者ではない人々によって書かれたものだと思います。）たとえば、2つの独立したサンプルを比較する儀式は次のようでした。
（１）各グループについて正規性検定を実施する。
（２）２つの検定のうち１つが有意であった場合は、ウィルコクソン検定を実施する。
（３）そうでない場合は、分散の均一性検定を実施する。
（４）有意であれば、ウェルチ検定を実施する。
（５）そうでない場合は、スチューデントのt検定を実施する。
これらのフローチャートの手順は、多くの統計学者によって強く注目されてきた。
すべての一般的なフローチャート手順に対する批評は、例えば、McElreath, R. (2020:2nd ed.) Statistical Rethinking: A Bayesian Course with Examples in R and Stan (2nd ed.),CRC Press の 1-4 ページに書かれています。
ウェルチ検定、スチューデント検定、ウィルコクソン検定についてですが、Copilot、ChartGPTなどで以下のプロンプトを試してみてください。論文が多すぎるため、どれか一つを選択できません。
----------------------
フローチャートの手順を批判するための論文をいくつか入手し、正規性検定が有意であればウィルコクソン検定を、分散の均一性検定が有意であればウェルチ検定を、そうでなければスチューデントのt検定を実施していただけますか？
また、スチューデントのt検定は順列検定とほぼ同等であり、すべてのyについてH0:F1(y) = F2(y)を検定するためのノンパラメトリック検定として使用できる（ただし、ノンパラメトリック検定であるため、スチューデントのt検定はH0:mu1=mu2の検定にはならない）ことを説明する論文もいくつか入手していただけますか。
----------------------
t検定の前に行う予備的な正規性検定に関して、ジョン・サル氏は約20年前にJMPer Cable誌に独特なタイトルの記事でt検定の頑健性について書いています。
レプトクルトシフォビア：非正常に対する非合理的な恐怖
t検定の前に分散の均一性に関する予備検定を行うことに関して、GEP Boxの有名な言葉「分散の予備検定を行うことは、外洋船が港を出るのに十分穏やかな状況かどうかを確認するために、手漕ぎボートで海に出るようなものだ！」がSASのGLMプロシージャのヘルプ（ SASヘルプセンター：一元配置モデルにおける分散の均一性）に引用されています。
DOEデータの分析に関して、GEP Boxは「可能なものはブロックし、不可能なものはランダム化する」ことで、標準的な仮定が正しいかのように分析を概ね正当化できるとも述べている。
日本では、フローチャートを使った統計分析は、統計学者ではない人やブロガー、いわゆる「インフルエンサー」によって、いまだにネット上で伝言ゲームのようにコピペされているように思います。私の見方は偏っているかもしれませんが、今ではフローチャートを使った分析手法を推奨する日本の統計学者はごく少数しかいないのではないでしょうか。
2026年のディスカバリーサミット・ヨーロッパで、デビッド・メイントラップ氏のプレゼンテーションを拝見しました。専門家による統計分析として、上記のフローチャート形式の統計分析が用いられていることに大変驚きました。また、LearnBotやAssistantが、統計学者ではない人が書いたブログ記事のネットミームから、このような手法を「学習」したのではないかと危惧しています。
