カイ二乗分布とは？（χ²分布の使いどころを整理）【DS検定】

DS検定トップ＞カイ二乗分布とは？（χ²分布の使いどころを整理）【DS検定】

まず結論

カイ二乗分布とは、「ズレの大きさ」を評価するための分布です。
DS検定では “観測データと期待値のズレが偶然かどうかを判断できるか” を問われます。

直感的な説明

例えば、コインを100回投げたとします。

本来は「表50回・裏50回」くらいになるはず
でも実際は「表70回・裏30回」だった

このズレは
「たまたま起きた誤差」なのか
「コインが偏っている」からなのか

この ズレの大きさを測るために使われるのがカイ二乗分布 です。

ポイントは
👉 「平均との差」ではなく
👉 “期待値との差の合計の大きさ”を見る

ということです。

定義・仕組み

カイ二乗分布は、

いくつかの「ズレ（差）」を
二乗して
足し合わせた値

が従う分布です。

なぜ二乗するのか？

プラスとマイナスを打ち消さないため
大きなズレをより強調するため

DS検定では数式を覚えるよりも、

「期待値との差を二乗して足したもの」

という構造を理解しておけば十分です。

そしてその値が
「偶然起きる範囲かどうか」を
確率的に判断するのがカイ二乗分布の役割です。

どんな場面で使う？

① 適合度の検定

例：

サイコロは公平か？
男女比は理論値と同じか？

👉 理論値（期待値）とのズレを評価する

② 独立性の検定

例：

性別と商品購入は関係ある？
地域と満足度は関係ある？

👉 カテゴリ同士が独立かどうかを判断する

使わない場面（重要）

平均値の比較（→ t検定）
連続値の相関（→ 相関係数）

DS検定では
「カテゴリーデータなのか？」
をまず確認することが大事です。

よくある誤解・混同

❌ 平均の差を見る分布

→ それは t分布です。

❌ 正規分布の仲間

→ 形は似ていません。
右に長く伸びる“非対称な分布”です。

❌ 数値が大きいほど良い

→ 違います。
値が大きいほど“ズレが大きい”＝帰無仮説が怪しい

DS検定での典型的なひっかけ

「平均値の比較」と書いてある → カイ二乗ではない
「カテゴリーデータ」と書いてある → カイ二乗の可能性が高い
「独立かどうか」と書いてある → ほぼカイ二乗

選択肢では
「連続値」「平均」「回帰」などの言葉があれば注意です。

まとめ（試験直前用）

カイ二乗分布＝期待値とのズレを評価する分布
カテゴリーデータの検定で使う
独立性の検定・適合度検定が代表例
平均の比較では使わない（t検定と混同注意）
値が大きい＝ズレが大きい

👉 まず「データはカテゴリか？」と確認するのが判断基準

対応スキル項目（データサイエンス力シート）

統計解析
仮説検定
★ 仮説検定の基本的な考え方を理解している- 男女比は理論値と同じか？

👉 理論値（期待値）とのズレを評価する

② 独立性の検定

例：

性別と商品購入は関係ある？
地域と満足度は関係ある？

👉 カテゴリ同士が独立かどうかを判断する

使わない場面（重要）

平均値の比較（→ t検定）
連続値の相関（→ 相関係数）

DS検定では
「カテゴリーデータなのか？」
をまず確認することが大事です。

よくある誤解・混同

❌ 平均の差を見る分布

→ それは t分布です。

❌ 正規分布の仲間

→ 形は似ていません。
右に長く伸びる“非対称な分布”です。

❌ 数値が大きいほど良い

→ 違います。
値が大きいほど“ズレが大きい”＝帰無仮説が怪しい

t検定との比較（超重要）

DS検定では
カイ二乗検定とt検定を混同させる問題 がよく出ます。

まずは全体像を整理しましょう。

比較項目	カイ二乗検定	t検定
データの種類	カテゴリーデータ	連続データ
何を比べる？	度数（人数・回数）	平均値
主な目的	独立かどうか／理論値とのズレ	2群の平均に差があるか
分布	カイ二乗分布	t分布
例	性別と購入は関係ある？	男性と女性で平均年収は違う？

判断のコツ（試験用）

「平均」という言葉が出てきたら → t検定
「人数・割合・クロス集計表」が出てきたら → カイ二乗
データが「数値そのもの」か「分類ラベル」かを見る

選択肢では

「平均値の差を検定する」→ カイ二乗ではない
「独立性を検定する」→ t検定ではない

と切れるようにしておきましょう。

まとめ（試験直前用）

カイ二乗分布＝期待値とのズレを評価する分布
カテゴリーデータの検定で使う
独立性の検定・適合度検定が代表例
平均の比較では使わない（t検定と混同注意）
判断基準は「データはカテゴリか？平均か？」

👉 「平均ならt、分類ならカイ二乗」
これが最速の切り分け基準です。

対応スキル項目（データサイエンス力シート）

統計解析
仮説検定
★ 仮説検定の基本的な考え方を理解している 👉 カテゴリ同士が独立かどうかを判断する

使わない場面（重要）

平均値の比較（→ t検定）
連続値の相関（→ 相関係数）

DS検定では
「カテゴリーデータなのか？」
をまず確認することが大事です。

よくある誤解・混同

❌ 平均の差を見る分布

→ それは t分布です。

❌ 正規分布の仲間

→ 形は似ていません。
右に長く伸びる“非対称な分布”です。

❌ 数値が大きいほど良い

→ 違います。
値が大きいほど“ズレが大きい”＝帰無仮説が怪しい

DS検定での典型的なひっかけ

「平均値の比較」と書いてある → カイ二乗ではない
「カテゴリーデータ」と書いてある → カイ二乗の可能性が高い
「独立かどうか」と書いてある → ほぼカイ二乗

選択肢では
「連続値」「平均」「回帰」などの言葉があれば注意です。

まとめ（試験直前用）

カイ二乗分布＝期待値とのズレを評価する分布
カテゴリーデータの検定で使う
独立性の検定・適合度検定が代表例
平均の比較では使わない（t検定と混同注意）
値が大きい＝ズレが大きい

👉 まず「データはカテゴリか？」と確認するのが判断基準

対応スキル項目（データサイエンス力シート）

統計解析
仮説検定
★ 仮説検定の基本的な考え方を理解している「カテゴリーデータなのか？」
をまず確認することが大事です。

よくある誤解・混同

❌ 平均の差を見る分布

→ それは t分布です。

❌ 正規分布の仲間

→ 形は似ていません。
右に長く伸びる“非対称な分布”です。

❌ 数値が大きいほど良い

→ 違います。
値が大きいほど“ズレが大きい”＝帰無仮説が怪しい

DS検定での典型的なひっかけ

「平均値の比較」と書いてある → カイ二乗ではない
「カテゴリーデータ」と書いてある → カイ二乗の可能性が高い
「独立かどうか」と書いてある → ほぼカイ二乗

選択肢では
「連続値」「平均」「回帰」などの言葉があれば注意です。

まとめ（試験直前用）

カイ二乗分布＝期待値とのズレを評価する分布
カテゴリーデータの検定で使う
独立性の検定・適合度検定が代表例
平均の比較では使わない（t検定と混同注意）
値が大きい＝ズレが大きい

👉 まず「データはカテゴリか？」と確認するのが判断基準

対応スキル項目（データサイエンス力シート）

統計解析
仮説検定
★ 仮説検定の基本的な考え方を理解している

🔗 関連記事

🏠 DS検定トップに戻る