カイ二乗検定の対象試験と出題頻度

統計の単元を進めると、t検定やF検定と並んでカイ二乗検定という名前が現れ、どれをどこまで覚えるべきか迷う場面があります。

カイ二乗検定は、テクノロジ系・基礎理論・応用数学に属する統計的仮説検定の手法です。FE・APの午前で問われる可能性はあるものの、頻出度はC。深追いせず「カテゴリデータの偏りを調べる検定」と識別できる状態を作れば十分でしょう。

出題情報を確認する
対象試験:
基本情報技術者(FE),応用情報技術者(AP)
出題頻度:
★☆☆
頻出度C(低)/用語識別レベルで十分

カイ二乗検定の定義

「検定」という言葉が並ぶと、どれも似た計算をしているように見えてしまうところが、この分野の厄介さです。

カイ二乗検定は20世紀初頭にカール・ピアソンが定式化した手法で、平均や分散を扱う統計の基礎とは別に、「分類された個数」を出発点に置く点が特徴になります。

カイ二乗検定とは、

「観測度数と期待度数のズレが偶然の範囲かを判定する仮説検定」

です。

飲食店に置き換えると、平日と休日で「デザートを注文した人数」に差が出たとき、店長の勘ではなく数値で「たまたま偏っただけとは考えにくい」と示すための道具にあたります。

扱うのは注文金額の平均ではなく、あくまで人数という度数。ここが他の検定と分かれる境目になります。

📊 カイ二乗検定の基本情報

項目 内容
英語表記 Chi-squared test(Chi-square test)
扱うデータ カテゴリデータ(質的データ)の度数
統計量 χ²=Σ(観測度数−期待度数)²÷期待度数
自由度 (行数−1)×(列数−1)※独立性の検定
主な用途 独立性の検定/適合度の検定

カイ二乗検定の解説

期待度数は「もし関係がなかったらこうなるはず」の理論値

出発点はクロス集計表です。実際に数えた個数を観測度数、2つの項目に関係がないと仮定したときに理論上そうなるはずの個数を期待度数と呼びます。

期待度数は各セルで「行計×列計÷総計」で求められ、この式は期待値の考え方をそのまま表に持ち込んだもの。下の表で観測値と理論値の対比を確認してください。

📊 観測度数と期待度数の対比(クーポン配布 × 購入/2×2表)

区分 観測:購入あり 観測:購入なし 期待:購入あり 期待:購入なし 行計
クーポンあり 60 40 50
100×100÷200
50
100×100÷200
100
クーポンなし 40 60 50
100×100÷200
50
100×100÷200
100
列計 100 100 100 100 200

χ²値は「ズレの合計点」─大きいほど偶然とは言いにくい

各セルのズレを二乗し、期待度数で割って足し上げた合計がχ²値です。上の表では4セルすべてでズレが10なので、10²÷50=2が4つ分、χ²=8となります。

自由度は(2−1)×(2−1)=1で、有意水準5%の棄却限界値3.84を上回るため、帰無仮説は棄却。

分散と同じく二乗して符号を消すため、プラス方向とマイナス方向のズレが打ち消し合わない点が重要になります。

📊 カイ二乗検定の4ステップ

①帰無仮説
2項目に関連はない
→
②期待度数
行計×列計÷総計
→
③χ²値
ズレ²÷期待度数の和
→
④判定
自由度と有意水準で棄却

手順は固定。試験対策では②と④の考え方を押さえれば足ります

適合度の検定と独立性の検定、2つの顔

1つの項目が理論的な比率どおりに分布しているかを見るのが適合度の検定、2つの項目に関連があるかを見るのが独立性の検定です。

試験で問われるのは後者が中心。

なお実務でこの手法に出会う最頻の場面はA/Bテストで、筆者もSQLでクロス集計を作り、Pythonのscipy.stats.chi2_contingencyに表を渡してp値を確認する流れをよく使いました。手計算する機会はほぼなく、求められるのは出た数字の意味を会議で説明する力です。

📝 ポイント整理

・扱うのは平均ではなくカテゴリの度数
・自由度は(行−1)×(列−1)でセル数ではない
・有意差ありは「関連あり」で、因果の証明ではない
・期待度数5未満のセルがあると近似が崩れ、フィッシャーの正確確率検定に切り替える判断が必要(試験範囲外)

カイ二乗検定は試験ではこう出る!

出題パターン分析

FE・APの午前問題で「カイ二乗検定」を直接の解答語とする出題は、確認できた実績がありません。一方でFE・APのシラバスには応用数学の項目として「カイ二乗分布」が収録されており、統計分野自体は出題範囲内。近縁分野ではAP令和6年秋期 午前 問76(ベイズ統計、正解:イ)が実在しますが、これはカイ二乗検定を問う問題ではなく、傾向を示す参考にとどまります。

📝 IPA試験での出題パターン

パターン1:手法と説明文の対応づけ(最有力・予測)
複数の統計手法の説明文を並べ、目的に合う手法を選ばせる形式。

 

パターン2:χ²値の手計算(可能性は低い・予測)
期待度数から統計量を求めさせる形式。統計分野の出題形式の傾向からは想定しにくい。

 

上記2つは出題実績ではなく、統計分野の傾向からの推定です。

ひっかけポイントと対策

誤答の選択肢は、別の手法の説明文をそのまま差し替える形で作られます。正体を先に覚えておけば消去法で切れるでしょう。

⚠️ ひっかけ早見表

誤答の値・選択肢 その正体
2群の平均の差を検定する t検定の説明
分散の比を検定する F検定の説明
関連の強さを−1〜1で表す 相関係数の説明
自由度=セルの個数 (行−1)×(列−1)の誤り

📝 試験区分別の対策方針

・FE:「カテゴリデータの偏りを調べる検定」と言えれば十分
・AP:期待度数の式と自由度、他検定との使い分けまで
・共通:頻出度Cのため投下時間は他分野より抑える

t検定・F検定・カイ二乗検定の使い分け早見表

判別の第一の分岐軸は「扱うデータがカテゴリか数値か」です。

ここで分けてから、調べたい対象が平均かばらつきかを見れば、選択肢は自然に絞られます。

📊 検定手法の使い分け

手法 扱うデータ 調べたいこと 典型的な場面
カイ二乗検定 カテゴリ(度数) 項目間に関連があるか 年代別の利用有無の偏り
t検定 数値(量的) 2群の平均に差があるか 2機種の応答時間の比較
F検定 数値(量的) ばらつきが等しいか 2工程の品質の安定性
分散分析 数値(量的) 3群以上の平均の差 3拠点の処理件数の比較
なぜ自由度は(行−1)×(列−1)なのか

行計と列計が固定されていると、自由に決められるセルの数は限られます。2×2表では左上の1マスを決めた瞬間、残る3マスは合計から逆算で確定。自由に動けるマスの個数がそのまま自由度になり、(2−1)×(2−1)=1と一致します。

【確認テスト】カイ二乗検定の理解度チェック

Q. アンケートで得た「年代(20代/30代/40代)」と「あるサービスの利用有無」の集計表から、年代によって利用率に偏りがあるといえるかを判定したい。最も適切な手法はどれか。

  • A. 2つのグループの平均値に差があるかを、t分布を用いて判定する
  • B. 2つのグループのばらつきの大きさが等しいかを、分散の比を用いて判定する
  • C. 観測度数と期待度数のズレを合計した統計量を求め、カテゴリ間に関連があるかを判定する
  • D. 2変数の直線的な関係の強さを−1〜1の値で表す
正解と解説を見る

正解:C

解説:
年代も利用有無もカテゴリであり、集計表の度数のズレから関連の有無を判定する独立性の検定=カイ二乗検定が該当します。まず「扱うデータがカテゴリか数値か」を見れば、数値前提の選択肢を先にまとめて切れる。

Aが不正解の理由:t検定の説明。量的データの平均の差を扱う手法で、カテゴリの度数は扱えない

Bが不正解の理由:F検定の説明。分散の比較であり、関連の有無の判定ではない

Dが不正解の理由:相関係数の説明。関連の強さを表す指標で、統計的な有意性の判定手段ではない

カイ二乗検定の関連用語ネットワーク

カイ二乗検定は推測統計の入口にあたる用語で、前後の用語とセットで整理すると選択肢の見分けが速くなります。

📊 関連用語マップ

カテゴリ 関連用語
前提知識 標準偏差/正規分布(連続量の分布であり、二乗和の分布であるカイ二乗分布とは別物)
関連用語 相関(量的データ同士の強さの指標)/t検定・F検定(リンクなし)
発展 回帰分析(予測が目的)/データサイエンス/機械学習