確率と統計 · カイ二乗検定

カイ二乗検定

カイ二乗検定では、独立な試行で観測した度数が、仮説から期待される度数から離れすぎていないかを調べます。k個のカテゴリについて(O − E)²/Eを足した合計X²を、自由度k − 1のカイ二乗分布と比べます。

図で見るカイ二乗検定

kk面のサイコロを独立にNN回振り、各目が何回出たかを数えます。これが観測度数O1,…,OkO_1, \dots, O_kです。偏りがなければ、各目の期待度数はE=N/kE = N/kです。カイ二乗統計量X2=∑(O−E)2/EX^2 = \sum (O - E)^2/Eは、それぞれの目について、観測度数とEEとの差を二乗し、EEで割って足し合わせたものです。偏りがなく、振る回数が十分に多ければ、X2X^2は自由度k−1k - 1のカイ二乗分布に近似的に従います。観測されたX2X^2より右側の曲線の下の面積がp値です。この図では黄色い棒が度数、濃い線がEEを示し、下段に曲線を描いています。

各項をEで割るのはなぜか

観測度数が期待度数を9回上回るのは、E=10E = 10のときには大きなずれですが、E=1000E = 1000のときにはほとんど目立ちません。度数の偶然のばらつきは度数が大きいほど大きくなります。偏りのないサイコロで各目の度数の分散はE(1−1/k)E(1 - 1/k)で、おおよそEEです。差の二乗をEEで割れば、どの目も同じ尺度で比較でき、1に近い項はごく普通のばらつきに当たります。二乗するため、一つの目の大きなずれが全体を左右することもあります。6面の例では6の目が19回出たことだけで、X2=11.2X^2 = 11.2のうち8.1を占めます。

自由度がk − 1なのはなぜか

度数の合計はNNなので、差O−EO - Eの合計はいつも0です。したがってk−1k - 1個の差が決まれば、残りの一つも決まります。偏りのないサイコロではX2X^2の期待値はちょうどk−1k - 1です。同じX2X^2でも面数が多いほど珍しくありません。11.2は6面では5%の臨界値を超えますが(p ≈ 0.048)、12面なら普通の値です(p ≈ 0.43)。p値から何が分かるかは仮説検定とp値を参照してください。

曲線をどこまで信用できるか

偏りのないサイコロでもX2X^2は飛び飛びの値しかとらず、実際の分布はいくつもの離れた山からなります。NNが大きくなると、その形が滑らかなカイ二乗分布の曲線に近づきます。偏りのないサイコロで試行を繰り返せば、実際の右裾の確率を直接推定できます。各目の期待度数が10なら曲線とほぼ一致しますが、全部で6回しか振らない場合はずれます。期待度数は各カテゴリで少なくともおよそ5というのがよく使われる目安です。また、すべての度数を10倍にするとX2X^2も10倍になります。独立な試行が十分多ければ、小さな偏りでも有意になります。X2X^2が測るのは偏りがないという仮説に対する証拠の強さで、偏りそのものの大きさではありません。p値が大きいとき、このデータだけでは偏りを示せません。

観察のポイント

  • 仮説のもとで各カテゴリの確率pip_iが異なる場合は、期待度数をEi=NpiE_i = N p_iとして、あとは同じように計算します。

操作

  • 各目の上で押すかドラッグして度数を設定します。軸の下の数字を押すと、その目が選ばれるだけです。

関連