臨界値計算ツール | Z検定、t検定、カイ二乗検定

臨界値とは、仮説検定において「棄却域」の端を示す確率分布上の境界点です。検定統計量が臨界値を超えると、その結果は統計的に有意と判断され、帰無仮説は棄却されます。この計算機は、最も一般的な3種類の検定、Z検定、t検定、カイ二乗検定の臨界値を求めます。

臨界値とは何ですか？

統計学では、研究者はまず帰無仮説から始めることがよくあります。これは、異常なことは何も起きていないという単純な仮定です（例えば、新薬には効果がないという仮定）。標本データから検定統計量を計算し、それを臨界値と比較して、データが帰無仮説に反対する十分な証拠を示しているかどうかを判断します。

臨界値は、検定の種類、有意水準（αと書くギリシャ文字アルファ）、検定が片側検定か両側検定かという3つの要素によって決まります。有意水準とは、真である帰無仮説を誤って棄却する確率で、0.05（5%）または0.01（1%）に設定されることがよくあります。

片側検定は、「より大きい」など、一方向の効果を調べます。臨界値は1つです。両側検定は、どちらの方向の効果も調べ、分布の両側に1つずつ、2つの臨界値を持ちます。

臨界値の計算方法

1. 検定を選びます。Z検定（大標本または母分散が既知の場合）、t検定（分散が未知の小標本の場合）、カイ二乗検定（カテゴリーデータまたは適合度の検定の場合）から選択します。
2. 片側検定か両側検定か、裾の種類を選びます。
3. 0から1までの数値である有意水準αを選びます。よく使われる値は0.10、0.05、0.01です。
4. t検定またはカイ二乗検定では、自由度（df）を入力します。t検定では、dfは標本サイズから1を引いた値です。カイ二乗適合度検定では、dfはカテゴリ数から1を引いた値です。
5. 分布曲線の下で、選択した裾の面積を区切る値を調べる（または計算する）。これが臨界値です。

臨界値の公式

各公式では、累積分布関数の逆関数を使用します。これは、曲線の下でxまでの面積が目標確率pに等しくなるときのxの値です。

Z検定の公式

$Z_c = \Phi^{-1}(1 - \alpha) \quad \text{（片側検定）}$ $Z_c = \Phi^{-1}\left(1 - \frac{\alpha}{2}\right) \quad \text{（両側検定）}$

Φ⁻¹は標準正規累積分布関数の逆関数です。

t検定の公式

$t_c = t^{-1}(1 - \alpha,\ df) \quad \text{（片側検定）}$ $t_c = t^{-1}\left(1 - \frac{\alpha}{2},\ df\right) \quad \text{（両側検定）}$

t⁻¹(p, df)は、自由度dfのt分布の累積分布関数の逆関数です。

カイ二乗検定の公式

$\chi^2_c = \chi^2_{1-\alpha,\ df} \quad \text{（片側検定）}$ $\chi^2_{\text{下側}} = \chi^2_{\alpha/2,\ df}, \qquad \chi^2_{\text{上側}} = \chi^2_{1-\alpha/2,\ df} \quad \text{（両側検定）}$

カイ二乗分布は正の値のみを取るため、二つの臨界値はいずれも正であり、下側の値は上側の値より小さくなります。

例：Z検定の臨界値

品質管理チームが、有意水準α = 0.05で片側Z検定の臨界値を求めようとしています。

$Z_c = \Phi^{-1}(1 - 0.05) = \Phi^{-1}(0.95) \approx 1.6449$

1.6449を上回る検定統計量は、棄却域に入ります。

例：t検定の臨界値

ある研究者が20人の参加者で実験を行うため、df = 19です。有意水準α = 0.01で両側検定の臨界値を求めようとしています。

$t_c = t^{-1}(1 - 0.005,\ 19) = t^{-1}(0.995,\ 19) \approx 2.8609$

棄却域は、t < -2.8609およびt > 2.8609です。

例：カイ二乗検定の臨界値

ある分析者が5個のカテゴリについて観測度数と期待度数を比較するため、df = 4です。有意水準α = 0.05で両側検定の臨界値を求めようとしています。

$\chi^2_{\text{下側}} = \chi^2_{0.025,\ 4} \approx 0.4844$ $\chi^2_{\text{上側}} = \chi^2_{0.975,\ 4} \approx 11.1433$

カイ二乗統計量が0.4844を下回るか、11.1433を上回ると、棄却域に入ります。

よく使われる臨界値

自由度が増えると、t分布は正規分布に近づくため、t分布の臨界値は対応するZ検定の値へと近づきます。

よくある質問

臨界値は何に使われますか？ 臨界値は、検定統計量が帰無仮説を棄却できるほど極端かどうかを判断する境界を定めます。統計量が臨界値を超えると、選択したα水準で結果は統計的に有意です。

片側検定の臨界値と両側検定の臨界値の違いは何ですか？ 片側検定は一方向の効果を調べ、臨界値を1つ持ちます。両側検定はどちらの方向の効果も調べ、Z検定とt検定では中心を挟んで対称な位置に2つの臨界値を持ちます。同じαの場合、両側検定の臨界値は片側検定の臨界値より絶対値が大きくなります。これは、同じ総確率を1つの裾ではなく2つの裾に分けるためです。

t検定ではなくZ検定を使うべきなのはどのような場合ですか？ Z検定は、母分散が既知である場合、または標本が大きい場合、通常は30個以上の観測値がある場合に使用します。t検定は、母分散が未知の小標本に使用します。標本サイズが増えると、t検定の臨界値はZ検定の臨界値に収束します。

臨界値が負になることはありますか？ あります。Z検定とt検定の分布は0を中心に対称なので、両側検定では負の臨界値と正の臨界値が1つずつあります。カイ二乗分布は0以上の値についてのみ定義されるため、カイ二乗検定の臨界値は常に正です。

自由度は臨界値にどのような影響を与えますか？ 自由度は、データに含まれる独立した情報量を表し、通常は標本サイズから、すでに推定されたパラメータ数を引いたものです。自由度が低いと、裾が広く厚い分布になり、臨界値は大きくなります。自由度が高くなると、t分布とカイ二乗分布は正規分布に近づきます。

95%の信頼水準に対応する臨界値はどれですか？ 95%の信頼水準では、α = 0.05を使用します。両側Z検定の臨界値は±1.9600です。片側Z検定の臨界値は1.6449です。

歴史

Karl Pearsonは1900年にカイ二乗検定を導入しました。William Sealy Gossetは「Student」の名で論文を発表し、Guinness醸造所で小標本を扱うために1908年にt分布を開発しました。Ronald Fisherは著書Statistical Methods for Research Workersの中で、1920年代に有意性検定と臨界値を体系化しました。コンピューターが登場する前は、研究者は印刷された表で臨界値を調べていましたが、現在では計算機やソフトウェアが分布の公式から直接計算します。

参考文献

1. Pearson, K.（1900）。「与えられた偏差の体系が、無作為抽出から生じたと合理的に想定できるものであるかどうかの判定基準について」。Philosophical Magazine、第5シリーズ、50（302）、157–175。
2. Student［Gosset, W. S.］（1908）。「平均値の標準誤差」。Biometrika、6（1）、1–25。
3. Fisher, R. A.（1925）。Statistical Methods for Research Workers。エディンバラ：Oliver & Boyd。
4. NIST/SEMATECH e-Handbook of Statistical Methods、「臨界値」。