カイ二乗検定は、カテゴリカルデータの観測度数と期待度数に基づいて、変数間に関連があるかや確率モデルに適合しているかを評価するための統計的仮説検定手法です。AIや機械学習の前処理や特徴量選択でも利用されます。
カイ二乗検定とは
一言でいうと、カテゴリカルデータの比率や分布が、偶然によるものか統計的に意味のある違いがあるかを判定するための検定手法です。
詳しく解説
カイ二乗検定は、数値ではなく分類されたデータであるカテゴリカルデータ（例：性別や購買有無など）を扱う際に用いられます。主に独立性の検定と適合度検定に大別されます。独立性の検定では2つの変数の間に相関や関連性があるかを調べ、適合度検定では実際の観測値が理論的な期待値や確率分布に一致しているかを検証します。機械学習の前処理においては、目的変数に対してどの特徴量が有意に関連しているかを評価する特徴量選択の基準として、カイ二乗検定が活用されることがあります。
具体例・使われ方
AIやデータ分析の現場では、WebサイトのABテストにおけるコンバージョン率の差が偶然生じたものか判定する際や、機械学習モデルの訓練データにおいて特定のカテゴリ特徴量が目的変数に対して有効な関係を持っているかをスクリーニングするためにカイ二乗検定が利用されます。
似た用語との違い
平均値の差を検証するt検定や分散分析（ANOVA）が連続値データを対象とするのに対し、カイ二乗検定は頻度や度数といったカテゴリカルデータを対象とする点が大きく異なります。
注意点
カイ二乗検定を行う際、各セルの期待度数が小さすぎる（一般的に5未満のセルが多い）場合には正確な検定結果が得られないという限界があります。また、サンプルサイズが大きすぎると、実質的に意味のないわずかな差でも統計的に有意と判定されてしまう点に注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月18日 23:15