--- title: "カイ二乗分布とは？（χ²分布の使いどころを整理）【DS検定】" description: "カイ二乗分布を、標準正規分布に従う変数の二乗和として生まれる0以上の確率分布として整理します。適合度検定、独立性の検定、分散の検定、自由度、t分布・F分布との違いをDS検定向けに確認します。" last_modified_at: "2026-07-18" canonical_url: "https://stemtazoo.github.io/ds/chi-square-distribution/" section: "ds" --- ## まず結論 **カイ二乗分布（χ²分布）**とは、標準正規分布に従う複数の変数を二乗して足し合わせた値が従う、**0以上の値だけを取る確率分布**です。 DS検定では、次の切り分けが重要です。 - 度数やカテゴリのズレを見る → カイ二乗検定 - 平均の差を見る → t検定 - 分散の比を見る → F検定 ## 直感的な説明 公平なサイコロなら、各目はほぼ同じ回数だけ出るはずです。 しかし実際の観測結果が、期待される回数から大きくずれていたら、 > このズレは偶然の範囲か、それとも本当に偏りがあるのか を判断したくなります。 カイ二乗統計量は、観測度数と期待度数のズレを、期待度数との比を考慮して足し合わせたものです。 ズレが大きいほど、カイ二乗統計量も大きくなります。 ## 定義・仕組み ### カイ二乗分布の基本 標準正規分布に従う独立な変数を二乗して足し合わせると、カイ二乗分布になります。 そのため、カイ二乗分布には次の特徴があります。 - 値は0以上 - 左右対称ではなく、右に裾が長い - 自由度が小さいほど右に大きくゆがむ - 自由度が大きくなると正規分布に近づく ### 自由度 自由度は、自由に決められる値の数です。 たとえば4カテゴリの合計度数が決まっている場合、3カテゴリの度数が決まれば、残り1カテゴリは自動的に決まります。このとき自由度は3です。 自由度が変わると、カイ二乗分布の形と棄却点も変わります。 ### カイ二乗統計量 イメージは次のとおりです。 ```text 観測度数と期待度数の差を二乗し、期待度数で割って合計する ``` 差を二乗する理由は、正負のズレを打ち消さず、大きなズレを強く反映するためです。 ## どんな場面で使う？ ### 適合度の検定 1つのカテゴリ変数について、観測された割合が理論上の割合と一致するかを調べます。 例： - サイコロは公平か - 血液型の比率は想定と一致するか ### 独立性の検定 2つのカテゴリ変数に関連があるかを調べます。 例： - 性別と購入有無は関係するか - 地域と満足度は独立か ### 母分散の検定 正規母集団の分散について、ある値と等しいかを調べるときにもカイ二乗分布を使います。 ここは「カイ二乗分布はカテゴリデータ専用」と覚えないための注意点です。 ### 注意点 期待度数が小さすぎると、カイ二乗近似が不安定になります。 試験では細かな基準値よりも、**各セルの期待度数が極端に小さい場合は注意が必要**と理解しておけば十分です。 ## よくある誤解・混同 ### カイ二乗分布は平均の差を見る 誤りです。平均の差は主にt検定で扱います。 | 観点 | カイ二乗検定 | t検定 | F検定 | |---|---|---|---| | 主な対象 | 度数・カテゴリ、分散 | 平均 | 分散比 | | 代表的な分布 | カイ二乗分布 | t分布 | F分布 | | 例 | 独立性、適合度 | 2群の平均差 | 2群の分散比 | ### カイ二乗値が大きいほど良い 誤りです。値が大きいほど、観測値と期待値のズレが大きいことを示します。 ### カイ二乗分布は正規分布と同じ形 誤りです。カイ二乗分布は0以上で、通常は右に裾が長い非対称な分布です。 ### カイ二乗検定とカイ二乗分布は同じもの 異なります。 - カイ二乗分布：確率分布 - カイ二乗検定：カイ二乗分布を使う仮説検定 ### 適合度検定と独立性検定は同じ どちらもカイ二乗分布を使いますが、目的が違います。 - 適合度検定：1つのカテゴリ変数が理論比率に合うか - 独立性の検定：2つのカテゴリ変数が関連するか ## まとめ（試験直前用） - カイ二乗分布は0以上で右に裾が長い - 標準正規変数の二乗和から生まれる - 自由度で分布の形が変わる - 適合度検定と独立性の検定で使う - 正規母集団の分散の検定でも使う - 平均の差ならt検定 - 分散比ならF検定 - カイ二乗値が大きいほど、期待値とのズレが大きい ## 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