z検定とカイ二乗検定の違いを徹底解説！中学生にも伝わる実例つきガイド

---

z検定とカイ二乗検定の違いを徹底解説：中学生にも伝わる実例つきガイド

このページでは z検定 と カイ二乗検定 の違いを分かりやすく解説します。データ分析でよく使われるこの2つの検定は、見た目はどちらも「統計の道具」ですが、目的や前提がまるで違います。 z検定 は「平均の差」を調べることに強く、カイ二乗検定 は「カテゴリの分布の偏り」を調べるのが得意です。例えばクラスのテストの点数が全国平均と同じかどうかを知りたいときには z検定の考え方が役立ちますし、あるイベントでの人数の配分が偶然かどうかを判断したいときにはカイ二乗検定が役に立ちます。

この2つを正しく使い分けるには、データの性質（連続データかカテゴリデータか）、母集団の情報が分かっているかどうか、サンプルサイズが大きいか小さいか、などの前提をまず確認することが大切です。

以下では、できるだけ身近な例を使って、それぞれがどんな場面で、どんな数式や考え方を使うのかを順番に見ていきます。

z検定とは何か基本の考え方と使い方

z検定は連続データの平均の違いを調べるときに使う考え方です。前提として母集団の標準偏差 σ が既知であることが多いこと、データが正規分布に近いこと、サンプルサイズ n が十分大きいときは z検定が適しています。具体的にはサンプル平均 x̄ を取り、ある仮説で決めた母平均 μ0 と比較します。計算式は z = (x̄ - μ0) / (σ / √n) です。p値を標準正規分布表から読み取り、事前に設定した有意水準と比べて差があるかを判断します。例えばあるクラスの平均点が全国平均 70 点と違うかを知りたい場合、σ が分かれば z検定で結論を出せます。もちろん現実には σ を known にするのは難しく、代わりに t検定を使う場面も多い点に注意しましょう。ここでは z検定の考え方を理解すること自体が重要です。

カイ二乗検定とは何か基本の考え方と使い方

カイ二乗検定はカテゴリデータの分布の偏りを検定する目的に使います。観測されたデータと期待される分布を比べ、差が偶然かどうかを判断します。代表的な使い方は二つです。一つは goodness of fit test で、あるカテゴリーの内訳が予想と合っているかを調べます。もう一つは independence test で、2つ以上のカテゴリ変数が独立しているかを検証します。計算には観測頻度と期待頻度を使い、χ二乗統計量 χ^2 = Σ (観測 - 期待)^2 / 期待 を求めます。自由度は通常 (行数-1)×(列数-1) です。結果はカイ二乗分布表を用いてp値を決定します。身近な例としては性別と好きな科目の分布が独立しているか、またはあるイベントの参加傾向が予定通りかを調べる場面が挙げられます。

両検定の違いを実データで見る例

ここでは実データを使い、z検定とカイ二乗検定の違いを同時に感じられる例を見ていきます。まずは連続データの例とカテゴリデータの例を分けて考え、どういうデータでどの検定を選ぶかを学びます。

例1では連続データの平均の差を調べるケースを取り上げ、サンプルサイズ n や母標準偏差 σ の知識の有無で z検定または t検定を選ぶ流れを追います。

例2ではカテゴリデータの分布を検定するケースを取り上げ、観測値と期待値の差から χ^2 を計算して結論を出す手順を追います。最後に両者の結論を同じデータで見比べ、どの検定が適切か判断するポイントを整理します。

ピックアップ解説

今日は z検定の小ネタを雑談風に深掘りします。統計の授業で習うとき、みんなは公式を丸暗記しがちですが、実は考え方自体はとてもシンプルです。点数が全国平均とどれくらい離れているかを知りたいとき、まずデータの集まり方を思い浮かべます。サンプルの平均が母平均 μ0 からどのくらい離れているかを z 値で数値化します。sigma が既知かどうかが勝負を分ける鍵です。sigma が分かっていれば計算は直感的。分からなければ t検定へ移るのが普通です。カイ二乗検定はもう少し別世界、カテゴリの偏りを見る道具です。観測と期待の差を使って、データの背後にあるパターンを読み解きます。さらに同じデータを使って両検定を組み合わせた話を友人とするのも楽しいですよ。

---