カイ二乗計算機：カイ二乗検定を手計算で行う方法
カイ二乗計算機は、観測されたデータと「あるデータについての主張が正しいと仮定したときに期待される値」を比較し、その差が偶然で説明できるほど小さいのか、それともその主張を棄却できるほど大きいのかを判定します。学生がカイ二乗計算機を使うのは、「このサイコロは公平か」「アンケートの回答はマーケティング部門が予測した比率と一致するか」「好きな科目と性別のような2つのカテゴリ変数に関連はあるか」といった課題に取り組むときです。この記事では、カイ二乗の公式をゼロから説明し、実際の数値を使って適合度検定と独立性の検定を最初から最後まで解き、自由度の求め方とp値の解釈の仕方を示します。カイ二乗計算機の出力を信頼する前に、それが何を計算しているのかを正確に理解できるようになります。
目次
カイ二乗検定とは何か
カイ二乗検定は、観測度数の組が、ある仮説のもとで期待される度数からどれだけ離れているかを測り、その距離をカイ二乗統計量という1つの数値に変換します。数値データの平均を比較するz検定やt検定とは異なり、カイ二乗検定はカテゴリデータ、つまり色・アンケートの回答・はい／いいえといったカテゴリに分類された度数を扱います。カイ二乗計算機が便利なのは、差を二乗して期待度数で割るという計算を自動化してくれるからですが、公式そのものは短く、3つの構成要素——観測度数（O）、期待度数（E）、比較するカテゴリ数——さえ理解すれば手計算できます。
カイ二乗の公式：χ² = Σ [(O − E)² / E]。Oは各観測度数、Eは帰無仮説のもとで対応する期待度数です。
カイ二乗計算機はどのように動くのか
よく使われる2種類のカイ二乗検定のどちらを行う場合でも、カイ二乗計算機に必要な基本的な入力は同じで、返ってくる出力も同じ3つです。この入力と出力を最初に把握しておくと、手計算で最後まで解く場合でも、あとから計算機で答え合わせをする場合でも、どんなカイ二乗の問題も正しく設定しやすくなります。
1. カイ二乗計算機に必要な入力
観測度数——実際に集めたデータで、カテゴリごとの度数を並べた1つのリスト（適合度検定）として入力するか、行と列からなる二元表（独立性の検定）として入力します。期待度数、またはそれを計算できるだけの情報——主張された比率の組（適合度検定）か、単に行合計と列合計（独立性の検定。期待度数はそこから自動的に導かれます）。選んだ有意水準——問題に指定がなければ、ほぼ必ず α = 0.05 です。
2. カイ二乗計算機が返す出力
χ²——カイ二乗検定統計量そのもので、常に0以上です。df——自由度。どのカイ二乗分布の曲線を使うかを決めます。p値——帰無仮説が実際に正しいとしたときに、これ以上大きなχ²統計量が得られる確率。判定——帰無仮説を棄却するか棄却しないか。p値をαと比べるか、χ²をカイ二乗表の臨界値と比べて決めます。
3. それでも手計算の手順を学ぶべき理由
宿題や試験では、最終的な小数値だけでなく、帰無仮説と対立仮説を述べ、期待度数の表を作り、(O − E)²/E の各項をすべて示すという完全な過程がほぼ必ず求められます。答え合わせや大きな表の処理にはカイ二乗計算機が最速ですが、点数につながり、分散分析（ANOVA）や回帰といった後の単元に必要な感覚を育てるのは、以下の手計算の手順です。
カイ二乗適合度検定はどう計算するのか
適合度検定は、1組のカテゴリにおける観測度数が、主張された分布と一致するかどうかを調べます。たとえば「サイコロは公平か」「企業の実際の売上構成は予測どおりか」といった問題です。ここでは、公平性を問う古典的な例題を最初から最後まで解いてみます。
1. 仮説を立て、観測度数を集める
サイコロが公平かどうかを調べるため、60回振ります。H0：サイコロは公平である（各目の確率は 1/6）。Ha：サイコロは公平でない。目1から目6の観測度数：O = 8, 12, 9, 14, 7, 10（合計は60で、総投球数と一致します）。
2. 期待度数を計算する
H0のもとでは各目が確率 1/6 で出るはずなので、6つの目それぞれについて E = 60 × (1/6) = 10 となります。期待度数：E = 10, 10, 10, 10, 10, 10。一般に期待度数は整数である必要はありませんが、この例では都合よく整数になります。
3. 各 (O − E)²/E の項を計算する
目1：(8−10)²/10 = 4/10 = 0.4。目2：(12−10)²/10 = 4/10 = 0.4。目3：(9−10)²/10 = 1/10 = 0.1。目4：(14−10)²/10 = 16/10 = 1.6。目5：(7−10)²/10 = 9/10 = 0.9。目6：(10−10)²/10 = 0/10 = 0。
4. 項を合計して χ² を求める
χ² = 0.4 + 0.4 + 0.1 + 1.6 + 0.9 + 0 = 3.4。
5. 自由度を求めて解釈する
適合度検定では df =（カテゴリ数 − 1）= 6 − 1 = 5 です。カイ二乗表で df = 5 のときの χ² = 3.4 を調べると、p値は 0.05 をはるかに上回ります（おおよそ 0.64）。p値が α = 0.05 よりずっと大きいので、H0を棄却しません——この60回のサンプルからは、サイコロが不公平だという証拠は得られません。カイ二乗計算機なら同じ χ² = 3.4 と p ≈ 0.64 を瞬時に返しますが、これで自分で数値を検証し、紙の上で各手順を説明できるようになりました。
適合度検定では、自由度 = カテゴリ数 − 1。合計度数が固定されていることを反映するため、必ず1を引きます。
カイ二乗独立性の検定はどう計算するのか
独立性の検定は、二元表に整理したデータを使って、2つのカテゴリ変数に関連があるかどうかを調べます。学生が適合度検定と最も混同しやすいのがこの検定です。χ²の公式は同じですが、期待度数と自由度の求め方が異なります。
1. 二元表と仮説を設定する
アンケートで200人の生徒に、好きな科目（数学か美術）と学年（1年生か最終学年）を尋ねます。H0：好きな科目と学年は独立である。Ha：好きな科目と学年には関連がある。観測表：1年生・数学 = 40、1年生・美術 = 60（行合計 100）；最終学年・数学 = 50、最終学年・美術 = 50（行合計 100）。列合計：数学 = 90、美術 = 110。総計 = 200。
2. 各期待度数を計算する
公式：E =（行合計 × 列合計）/ 総計。E(1年生, 数学) = (100 × 90)/200 = 45。E(1年生, 美術) = (100 × 110)/200 = 55。E(最終学年, 数学) = (100 × 90)/200 = 45。E(最終学年, 美術) = (100 × 110)/200 = 55。期待度数を足すと元の行合計・列合計と一致することに注目してください。計算の検算に使えます。
3. 各 (O − E)²/E の項を計算する
1年生・数学：(40−45)²/45 = 25/45 ≈ 0.556。1年生・美術：(60−55)²/55 = 25/55 ≈ 0.455。最終学年・数学：(50−45)²/45 = 25/45 ≈ 0.556。最終学年・美術：(50−55)²/55 = 25/55 ≈ 0.455。
4. 項を合計して χ² を求める
χ² ≈ 0.556 + 0.455 + 0.556 + 0.455 = 2.022。
5. 自由度を求めて解釈する
独立性の検定では df =（行数 − 1）×（列数 − 1）=（2−1）×（2−1）= 1 です。df = 1 のときの χ² ≈ 2.02 を調べると、p値はおおよそ 0.155 になります。p > 0.05 なので H0 を棄却しません——このアンケートからは、この200人の生徒について好きな科目と学年に関連があるという強い証拠は得られません。
独立性の検定では、自由度 =（行数 − 1）×（列数 − 1）。期待度数は 行合計 × 列合計 ÷ 総計 で求めます。
自由度とp値は本当は何を意味するのか
自由度とp値は、χ²を正しく計算できたあとでも学生が最も誤解しやすい2つの数値です。数値の答えを出すのは仕事の半分にすぎず、その意味を説明することに同じくらいの配点があるのが普通です。
1. 自由度が比較に使う曲線の形を決める
カイ二乗分布は固定された1本の曲線ではなく、dfによって形が変わります。dfが小さい（1や2など）と0付近に鋭いピークをもつ曲線になり、dfが大きいほど平坦で広がった曲線になります。同じχ²の値でも、あるdfでは有意になり別のdfでは有意にならないのはこのためです。統計量が大きいか小さいかを判断する前に、必ずdfを正しいカイ二乗分布に対応させてください。
2. p値は条件付きの問いに答えている
p値は、帰無仮説が正しいと仮定したうえで、計算した値以上に大きいχ²統計量が観測される確率です。帰無仮説が正しい確率ではなく、誤りを犯す確率でもありません。H0のもとで観測データがどれだけ意外かを測っているだけです。
3. p値を有意水準（α）と比較する
p ≤ α（一般に α = 0.05）なら H0 を棄却します——観測されたパターンが偶然だけで生じたとは考えにくく、Ha を支持する統計的に有意な証拠があるということです。p > α なら H0 を棄却しません——データは帰無仮説と矛盾しませんが、これは H0 が正しいことの証明ではなく、このサンプルでは H0 に反する十分強い証拠が得られなかったというだけです。
H0を棄却しないことは、H0が正しいと証明されたという意味には決してなりません。棄却するだけの証拠がサンプルから得られなかった、という意味だけです。
カイ二乗検定を使うために満たすべき条件
カイ二乗計算機が妥当で信頼できる結果を返すのは、元のデータがいくつかの具体的な条件を満たしている場合だけです。これらの条件の違反は、計算自体は正しいのにカイ二乗の結論が誤りになる最も一般的な原因の1つです。
1. データは度数であり、割合や平均ではない
カイ二乗検定では、各カテゴリの生の度数が必要で、比率や平均は使えません。問題文がパーセントで与えられている場合は、公式を適用する前に標本サイズを使って度数に戻してください。
2. カテゴリは互いに排他的でなければならない
どの観測もちょうど1つのカテゴリに入る必要があります。たとえば、ある回答者を「1年生」と「最終学年」の両方に数えることはできません。カテゴリが重なっていると検定は無効になります。
3. 期待度数は十分に大きいこと
一般的な目安は、すべての期待度数が5以上であることです。1つでも期待度数が5を下回ると、カイ二乗近似は信頼できなくなり、通常はフィッシャーの正確確率検定などの別の方法が推奨されます。
4. 観測は独立でなければならない
各個人・各対象は1回だけ数え、他の観測のカテゴリに影響を与えてはいけません。同じ被験者に対する反復測定や、ごく小さな母集団から非復元抽出した標本は、この条件に違反することがあります。
カイ二乗計算機を使うときによくある間違い
これらの誤りは、手計算でも、あとからカイ二乗計算機で確認する場合でも、採点される統計の課題で絶えず見られます。
1. 自由度の公式を取り違える
適合度検定は df = カテゴリ数 − 1。独立性の検定は df =（行数 − 1）（列数 − 1）。この2つの取り違えは、カイ二乗で最も多い間違いです。どちらの検定も同じχ²の総和公式を使うため、どのdfの規則を使うのか忘れやすいのです。
2. 独立性の検定で期待度数を誤って計算する
独立性の検定の期待度数は（行合計 × 列合計）/ 総計 で求めます。総計を全セルに均等に割り振るのでも、観測度数そのものを使うのでもありません。期待度数を足したときに正しい行合計・列合計になるか、必ず再確認してください。
3. 差を二乗し忘れる
急いで計算していると、(O − E)²/E ではなく (O − E)/E を計算してしまいがちです。O − E は負になり得るので、二乗を飛ばすとχ²が負になったり、誤って小さくなったりします。カイ二乗統計量は決して負にならないため、途中の合計が負になったら即座に危険信号です。
4. p値を「H0が正しい確率」と読み違える
p値が小さいということは、H0が正しいとしたら観測データが起こりにくい、という意味です。H0そのものが正しい（あるいは誤っている）確率を直接示すものではありません。結論を書くときは「H0のもとでこのデータが得られる確率」という条件付きの言い回しを意識しましょう。
カイ二乗の練習問題と解答
やさしいものから難しいものへ、3つの問題を解いてみましょう。解答を読む前に自分で取り組み、そのあとで示された手順と自分の設定を照らし合わせてください。
1. 問題1（初級）：キャンディの色の適合度検定
あるキャンディ会社は、袋の中身が4色を均等に含むと主張しています。生徒が80個を数えたところ、赤 = 25、青 = 15、緑 = 22、黄 = 18 でした。α = 0.05 で、配合が均等かどうかを検定してください。解答：各色について E = 80/4 = 20。χ² = (25−20)²/20 + (15−20)²/20 + (22−20)²/20 + (18−20)²/20 = 25/20 + 25/20 + 4/20 + 4/20 = 1.25 + 1.25 + 0.2 + 0.2 = 2.9。df = 4 − 1 = 3。df = 3 のとき χ² = 2.9 は p ≈ 0.41 となり、0.05 を大きく上回るので H0 を棄却しません——データは色が均等に配合されているという主張と矛盾しません。
2. 問題2（中級）：ウェブサイトのレイアウト選好（独立性）
ある企業が150人のユーザーに好みのレイアウト（AかB）を尋ね、デバイス（モバイルかデスクトップ）別に集計しました。観測値：モバイル・A = 30、モバイル・B = 45（行合計 75）；デスクトップ・A = 40、デスクトップ・B = 35（行合計 75）。列合計：A = 70、B = 80。α = 0.05 で、レイアウトの選好がデバイスと独立かどうかを検定してください。解答：E(モバイル,A) = (75×70)/150 = 35。E(モバイル,B) = (75×80)/150 = 40。E(デスクトップ,A) = 35。E(デスクトップ,B) = 40。χ² = (30−35)²/35 + (45−40)²/40 + (40−35)²/35 + (35−40)²/40 = 25/35 + 25/40 + 25/35 + 25/40 ≈ 0.714 + 0.625 + 0.714 + 0.625 = 2.678。df =（2−1）（2−1）= 1。df = 1 のとき χ² ≈ 2.68 は p ≈ 0.10 となり 0.05 を上回るので H0 を棄却しません——レイアウトの選好がデバイスに依存するという有意な証拠はありません。
3. 問題3（上級）：遺伝比の適合度検定
ある遺伝学の実験では、合計160個体の子について、4つの表現型が 9:3:3:1 の比になると予想されています。観測値：表現型1 = 96、表現型2 = 30、表現型3 = 24、表現型4 = 10。α = 0.05 で適合度を検定してください。解答：合計160に対する期待比率から、E1 = (9/16)×160 = 90。E2 = (3/16)×160 = 30。E3 = (3/16)×160 = 30。E4 = (1/16)×160 = 10。χ² = (96−90)²/90 + (30−30)²/30 + (24−30)²/30 + (10−10)²/10 = 36/90 + 0 + 36/30 + 0 = 0.4 + 1.2 = 1.6。df = 4 − 1 = 3。df = 3 のとき χ² = 1.6 は p ≈ 0.66 となり 0.05 をはるかに上回るので H0 を棄却しません——観測された子の個体数は、期待される 9:3:3:1 の遺伝比と矛盾しません。
カイ二乗計算機について学生からよく出る質問
カイ二乗の宿題や試験対策とあわせて、最もよく寄せられる質問です。
1. χ² が負になることはある？
ありません。各項 (O − E)²/E は割る前に差を二乗するため、どの項も0以上になり、その合計が負になることはありません。途中の合計が負になったら、必ずどこかに計算ミスがあり、多くの場合は二乗のし忘れです。
2. カイ二乗の適合度検定と独立性の検定はどう違う？
適合度検定は1つのカテゴリ変数を使い、その分布を主張された1組の比率と比較します。独立性の検定は2つのカテゴリ変数を同時に使い、二元表に整理して両者に関連があるかを調べます。χ²の公式は共通ですが、期待度数と自由度の求め方が異なります。
3. 期待度数が5未満の場合は？
1つでも期待度数が5を下回ると、真の標本分布に対するカイ二乗近似は信頼できなくなります。結果は慎重に解釈するか、特に小さな 2×2 表ではフィッシャーの正確確率検定のような正確検定に置き換えるべきです。
4. カイ二乗表は片側と両側のどちらを使う？
通常の意味ではどちらでもありません。χ² は O と E がどちらの方向に離れても大きくなるだけなので、カイ二乗検定は本質的に一方向です。したがって、z検定やt検定のように片側版と両側版に分かれるのではなく、上側の臨界領域が1つあるだけです。
カイ二乗の宿題でさらに助けが必要なとき
H0とHaを述べ、期待度数の表を作り、(O − E)²/E を1項ずつ合計する作業に慣れてしまえば、カイ二乗の問題は謎めいた公式ではなく、丁寧な記帳作業になります。試験では問題文の書き方だけからどちらの検定を使うかを判断させることが多いので、適合度検定と独立性の検定を混ぜて練習してください。特定のカイ二乗の問題の設定でつまずいたときや、手計算を確かめたいときは、Solvifyのステップ解説ソルバーがこの記事と同じ公式——期待度数、二乗差の各項、最終的なχ²の値——をたどって示してくれるので、自分の設定が正しいものとどこで食い違ったのかを正確に確認できます。
カイ二乗計算機を使う前に、適合度検定と独立性の検定のどちらを行うのかを書き出しましょう。この一点の判断が、期待度数の求め方と自由度の公式の両方を決めます。
関連記事
関連する数学ソルバー
ステップ式の解答
カイ二乗計算のすべての手順——期待度数、二乗差、最終的な検定統計量——を明示的に確認できます。
スマートスキャン・ソルバー
カイ二乗検定の問題を撮影するだけで、完全な解答が即座に手に入ります。
AI数学チューター
自由度や期待度数、適合度検定と独立性の検定の使い分けについて、追加の質問ができます。