カイ二乗分布とは？意味・特徴・確率密度関数をわかりやすく解説！（期待値・分散・グラフ）

カイ二乗分布は、統計学における検定や推定で頻繁に登場する確率分布です。

名称だけを見ると難しそうですが、複数の標準正規分布に従う値を二乗して合計したものと考えると、役割を理解しやすくなります。

適合度検定、独立性の検定、母分散の推定など、データから判断を行う場面で重要な位置を占める分布です。

この記事では、カイ二乗分布の意味、自由度との関係、確率密度関数、期待値と分散、グラフの読み方を順番に解説します。

カイ二乗分布の意味と結論

それではまずカイ二乗分布の意味と、実務や学習で押さえたい結論について解説していきます。

カイ二乗分布の基本的な定義

カイ二乗分布とは、互いに独立な標準正規分布に従う確率変数を二乗し、それらを足し合わせた値が従う確率分布です。

標準正規分布は平均が0、分散が1の正規分布を指し、正の値と負の値を取ります。

一方で値を二乗すると負の値は正の値に変わるため、カイ二乗分布は0以上の値だけを取る右に裾を引く分布になります。

たとえば、標準正規分布に従う独立な確率変数をZ1、Z2、Z3とすると、それぞれの二乗和であるZ1の二乗、Z2の二乗、Z3の二乗の合計は、自由度3のカイ二乗分布に従います。

カイ二乗という名称は、ギリシャ文字のχを使って表すことに由来します。

統計の式ではχの二乗と表記され、カイ二乗値、カイ二乗統計量などの言葉で使われます。

統計的検定で果たす役割

カイ二乗分布は、観測されたデータと理論上期待されるデータの差を評価するために用いられます。

その代表例が、適合度検定と独立性の検定です。

適合度検定では、実際の度数分布が想定した分布とどの程度一致しているかを調べます。

独立性の検定では、二つのカテゴリ変数に関連があるのか、それとも偶然のばらつきと見なせるのかを判断します。

どちらの場合でも、観測度数と期待度数のずれを二乗し、期待度数で割って合計する形が基本になります。

ずれを単純に合計すると正負が打ち消されますが、二乗すれば差の大きさを公平に反映できます。

カイ二乗値が大きいほど、観測結果と仮説の間のずれが大きいと読み取るのが基本です。

初心者が先に押さえるべき見方

カイ二乗分布を理解するときは、数式を暗記する前に三つのポイントを押さえるとよいでしょう。

一つ目は、取り得る値が0以上に限られることです。

二つ目は、自由度によってグラフの形が変わることです。

三つ目は、右側に大きな値が現れるほど、検定では仮説に疑問が生じやすくなることです。

検定に使う際は、算出したカイ二乗統計量を自由度に対応する分布と比較します。

その結果、まれにしか起こらないほど大きな値なら、偶然だけでは説明しにくいと判断する流れです。

自由度と分布の形状

続いては自由度と、カイ二乗分布のグラフがどのように変化するかを確認していきます。

自由度が表す情報量

自由度は、統計量を計算するときに独立して動ける情報の数を表す考え方です。

カイ二乗分布では、何個の標準正規確率変数を二乗して合計したかが自由度になります。

自由度は通常、ギリシャ文字のνで表されます。

自由度1のカイ二乗分布は、標準正規確率変数を一つ二乗した結果です。

自由度10なら、独立な標準正規確率変数を10個二乗して合計した結果になります。

自由度が違えば期待値、分散、最頻値、グラフの歪み方も変化します。

したがって、カイ二乗値だけを見て判断するのではなく、必ず自由度とセットで確認することが欠かせません。

自由度によるグラフの変化

自由度が小さいカイ二乗分布のグラフは、0付近で高くなり、右方向へ長い裾を引く形です。

これは各値を二乗するため、小さな正の値が集まりやすいことと関係しています。

自由度が増えるにつれて山の位置は右へ移動し、左右の非対称性は少しずつ弱まります。

ただし、自由度が大きくなってもカイ二乗分布が負の値を取ることはありません。

自由度が十分に大きいと、中心付近がなだらかで正規分布に近い見た目になります。

この性質は、大標本での近似や統計理論を学ぶ際にも役立ちます。

自由度	グラフの特徴	中心付近の傾向	検定での見方
1	強く右に歪む形	0付近に密集	大きな値は特にまれ
2から5	右裾が長い形	低い値から中程度の値	自由度別の表が必要
10前後	歪みが小さくなる形	自由度付近へ移動	分布表との比較が重要
30以上	正規分布に近い外観	中心がより明確	近似を使える場面もある

自由度が減る場面と注意点

実際の検定では、カテゴリの数そのものが自由度になるとは限りません。

たとえば適合度検定では、カテゴリ数から1を引いた値が基本的な自由度です。

さらに、データから母数を推定している場合には、推定した母数の個数を追加で差し引くことがあります。

独立性の検定で行と列を持つクロス集計表を扱う場合、自由度は行数から1を引いた値と列数から1を引いた値を掛けたものです。

自由度を誤ると、臨界値やp値の解釈まで変わってしまいます。

計算ソフトが自動で結果を示す場合でも、どのような根拠で自由度が決まったのかを確認する姿勢が大切です。

確率密度関数と計算の考え方

続いては確率密度関数と、カイ二乗値を求めるときの計算の考え方を確認していきます。

確率密度関数の構造

自由度νのカイ二乗分布の確率密度関数は、xが0以上の場合に定義されます。

式には指数関数、ガンマ関数、自由度が含まれますが、初学者がまず理解したいのは式の役割です。

確率密度関数は、ある値の周辺にどれくらい値が現れやすいかを曲線として示します。

曲線そのものの高さが確率ではなく、ある範囲で曲線の下にできる面積が確率を表す点に注意が必要です。

カイ二乗分布では、0より小さい範囲の確率密度は存在しません。

そのため、横軸の左側へ広がる正規分布とは見た目も意味合いも異なります。

ガンマ関数は階乗を実数まで拡張した関数です。

統計ソフトや表計算ソフトを使う場面では、式を手計算する機会は多くありません。

それでも、自由度が確率密度関数の形を決めること、総面積が1になることを理解しておくと結果の読み取りが安定します。

カイ二乗統計量の計算方法

検定で用いるカイ二乗統計量は、観測度数と期待度数の差から計算します。

各カテゴリについて、観測度数から期待度数を引き、その差を二乗します。

次に二乗した差を期待度数で割り、すべてのカテゴリ分を合計します。

この計算により、期待度数に対して相対的にどれほど大きなずれかを評価できます。

たとえば期待度数が50で観測度数が55なら、差は5です。

一方、期待度数が5で観測度数が10の場合も差は5ですが、期待度数に対する割合は大きく異なります。

カイ二乗統計量では、このような相対的な差を反映します。

期待度数が小さい場合の配慮

カイ二乗検定には、期待度数が極端に小さいセルが多いと近似の精度が下がりやすいという注意点があります。

一般的には、期待度数が5未満のセルが多くならないように確認します。

条件を満たさない場合は、カテゴリを統合する、正確確率検定を検討するなどの対応が考えられます。

ただし、カテゴリの統合は分析目的を損なわない範囲で行わなければなりません。

都合のよい有意差を得るために区分を変える行為は、適切な分析とはいえません。

検定の計算結果だけでなく、期待度数の条件とデータの作り方まで確認することが信頼性につながります。

期待値と分散の基礎

続いては期待値と分散を確認していきます。

期待値と自由度の関係

自由度νのカイ二乗分布における期待値はνです。

つまり自由度が1なら期待値は1、自由度が8なら期待値は8になります。

これは、標準正規確率変数を二乗した値の平均が1であることと関係しています。

独立な値をν個加えれば、平均的な合計もνになるという考え方です。

ただし期待値は、グラフの最も高い地点を必ずしも意味しません。

右に歪んだ分布では、最頻値と期待値は一致しない場合があります。

この違いを理解すると、グラフを見たときに自由度付近が山の頂点ではない理由も把握しやすくなります。

分散とばらつきの大きさ

自由度νのカイ二乗分布における分散は2νです。

自由度が大きいほど期待値は増え、分散も増加します。

標準偏差は分散の平方根なので、2νの平方根です。

ただし、自由度が上がるほど絶対的なばらつきは大きくなる一方で、期待値に対する相対的なばらつきは小さくなる傾向があります。

このため自由度の大きいカイ二乗分布は、相対的には中心へ集まったように見えやすくなります。

期待値が自由度、分散が自由度の2倍という関係は、基本公式として覚えておくと便利です。

項目	自由度νのカイ二乗分布	意味
期待値	ν	平均的な値の位置
分散	2ν	値の散らばりの大きさ
標準偏差	2νの平方根	ばらつきの目安
最頻値	νから2	自由度が2より大きい場合の山の位置

正規分布との違い

正規分布は平均を中心に左右対称ですが、カイ二乗分布は原則として左右非対称です。

正規分布では負の値も正の値も取れますが、カイ二乗分布は0以上に限定されます。

また、カイ二乗分布は自由度の値によって形状が大きく変わります。

正規分布でも平均と標準偏差で形は変わりますが、カイ二乗分布では自由度が特に中心的な役割を担います。

カイ二乗分布は正規分布から生まれる分布の一つであり、正規分布とのつながりを理解すると統計学全体の見通しがよくなります。

標本分散や母分散の推定でカイ二乗分布が使われるのも、標本が正規分布に従うときの二乗和と深く関係するためです。

グラフと確率の読み取り方

続いてはグラフの見方と、確率や臨界値をどのように読み取るかを確認していきます。

横軸と縦軸の意味

カイ二乗分布のグラフでは、横軸にカイ二乗値、縦軸に確率密度を取ります。

横軸の値が大きくなるほど、観測値と期待値のずれが大きい状態を示します。

縦軸はその値の周辺にどの程度密度があるかを表します。

グラフの下側全体の面積は1であり、特定の区間の面積がその区間に入る確率です。

検定では、観測されたカイ二乗値より右側の面積をp値として扱うことが多くなります。

右側の面積が小さいほど、その大きなずれが偶然に起こる可能性は低いと考えられます。

右側確率とp値の解釈

カイ二乗検定の多くは右側検定です。

これは、観測値と期待値のずれが大きいほど、帰無仮説と合わない証拠が強くなるためです。

p値は、帰無仮説が正しいと仮定した場合に、観測された統計量以上の値が得られる確率を指します。

p値が有意水準より小さいなら、得られたずれは偶然のばらつきだけでは説明しにくいと判断します。

たとえば有意水準5パーセントを採用し、p値が0.03なら、帰無仮説を棄却する判断が一般的です。

一方、p値が0.20なら、帰無仮説を棄却するだけの証拠は不足していると考えます。

p値が大きいことは、仮説が正しいと証明されたこととは異なります。

あくまで、データからは仮説に反する十分な根拠を得られなかったという意味です。

臨界値と有意水準の使い分け

統計の学習では、カイ二乗分布表を使って臨界値を調べる方法がよく用いられます。

臨界値とは、指定した自由度と有意水準において、右側確率が一定になる境界の値です。

計算したカイ二乗統計量が臨界値を超えれば、帰無仮説を棄却します。

現在は統計ソフトや表計算ソフトでp値を直接得られることも増えました。

それでも臨界値の考え方を理解しておくと、検定の判断がどのように作られているかを把握できます。

有意水準は分析を始める前に定めるのが原則です。

結果を見た後で有意水準を変えると、判断の客観性が損なわれるおそれがあります。

カイ二乗検定の代表的な活用場面

続いてはカイ二乗検定が使われる代表的な場面を確認していきます。

適合度検定の活用

適合度検定は、実際に観測された度数分布が、あらかじめ想定した比率や分布に適合しているかを調べる方法です。

たとえばサイコロを多数回振ったとき、各目が同じ程度に出ているかを確認する場面が考えられます。

公平なサイコロなら、各目の期待度数は総試行回数を6で割った値です。

実際の出現回数が期待度数と多少異なっていても、偶然の範囲であれば問題ありません。

しかし差が大きすぎる場合、サイコロが公平という仮説に疑問が生じます。

このように、カテゴリごとの観測度数と理論上の期待度数を比較する場面でカイ二乗分布が役立ちます。

独立性の検定の活用

独立性の検定は、二つのカテゴリ変数の間に関連があるかを調べる方法です。

たとえば購入者の年代と購入した商品の種類、広告の接触有無と購入有無、学習方法と試験結果の区分などをクロス集計表にまとめます。

二つの変数が独立なら、行の比率と列の比率から各セルの期待度数を算出できます。

観測度数が期待度数から大きく外れていれば、二つの変数には何らかの関連がある可能性が考えられます。

ただし関連が見つかっても、原因と結果まで判断できるわけではありません。

独立性の検定は関連の有無を評価する手法であり、因果関係を直接証明する手法ではない点に注意しましょう。

母分散の推定と検定

カイ二乗分布は、正規母集団の母分散に関する推定や検定でも使われます。

標本分散を用いて母分散がある基準値と一致するかを検討する場合、特定の統計量がカイ二乗分布に従います。

品質管理では、製品の寸法や重量のばらつきが許容範囲にあるかを考えることがあります。

このような場面では平均値だけでなく、ばらつきそのものが重要な管理対象です。

母分散の検定では、標本が正規性の仮定をどの程度満たしているかも大切になります。

データの分布が大きく歪んでいる場合は、カイ二乗分布に基づく結論の扱いに慎重さが求められます。

カイ二乗分布のまとめ

カイ二乗分布とは、独立な標準正規確率変数を二乗して合計した値が従う確率分布です。

値は0以上に限られ、自由度が小さいと右に大きく歪み、自由度が増えるにつれて正規分布に近い形へ変化します。

期待値は自由度ν、分散は2νであり、自由度が分布の位置と広がりを決める重要な要素です。

確率密度関数の面積を利用して、得られたカイ二乗値がどれほどまれかを判断します。

適合度検定では理論値との一致を、独立性の検定ではカテゴリ変数間の関連を、母分散の検定ではばらつきの妥当性を検討できます。

分析では、自由度、期待度数、p値、データの収集方法をまとめて確認することが重要です。

カイ二乗分布の仕組みを押さえれば、統計ソフトの出力を単に眺めるだけでなく、検定結果の意味を根拠を持って説明しやすくなるでしょう。