ゲーム百科 · データと統計

カイ二乗統計量の読み方|6面の出目の偏りを度数表で確かめる

観測度数と期待度数の差を二乗し、期待度数で割って合計するχ²の計算。6区分の具体例から、標本数、区分、独立性、統計量だけでは分からないことを読み解きます。

約11分で読めますゲームの仕組み
目の形を近くから確認できるサイコロ
目の形を近くから確認できるサイコロ · Jack Elliott / CC BY 2.0 · 写真クレジット

カイ二乗統計量は、観測された回数が、仮定した分布の回数からどれほど離れているかを一つの数値にまとめます。6面が同じ確率で出るモデルなら、観測総数Nに対する各面の期待度数はN/6です。各面について『観測−期待』の二乗を期待度数で割り、6区分を足します。

60回の記録が各面10回ずつなら、差は全て0なのでχ²も0です。5回、15回、10回、10回、10回、10回なら、最初の二つの区分がそれぞれ2.5を加え、合計は5になります。回数の違いをそのまま足すと正負が打ち消し合いますが、二乗することで差の大きさを残せます。

小さいχ²は、集計した度数が仮定した割合に近いことを示します。ただし、出目の順番や独立性までは表しません。1から6を規則的に繰り返した列でも、回数だけは均等にそろいます。数値の計算と、その数値を使って何を判断できるかを分けると、ゲームの記録や抽出データを過大に評価せずに読めます。

度数表は、出た回数を区分ごとに数えたもの

度数は割合ではなく件数です。6区分を使うなら、各記録をどの区分へ入れたかをそろえ、合計が観測総数に戻ることを確かめます。

出目1〜6を一つずつの区分にする

1、3、1、6、2、3という6回の例なら、1の度数は2、2は1、3は2、4は0、5は0、6は1です。0回の区分も列から消しません。6区分を仮定したモデルと比べるため、観測されなかった面も同じ表に残す必要があります。区分の順番を固定すると、表を読み違えにくくなります。

同じ記録を二つの面へ入れたり、読みにくい結果だけを後から落としたりすると、度数表が元の記録と合わなくなります。まず一回の観測に一つの分類を対応させます。記録を識別する番号と、そこに書かれた出目の値も別のものです。番号が違っても出目が同じなら、同じ面の度数へ加えます。

合計と割合を区別する

度数10、10、10、10、10、10の合計は60です。各区分の割合は10/60=1/6ですが、入力するのは10という回数です。割合を小数の0.1667として入力すると、観測総数の意味が変わってしまいます。度数と相対度数を分けて保存すると、計算の前提をそろえられます。

観測総数が異なる二つの表を比べるとき、割合が同じでも情報の量は違います。6回中1回ずつという表と、600回中100回ずつという表は、どちらも各面1/6です。しかし、少ない観測の表から読み取れることと、多い観測の表から読み取れることを同じに扱うことはできません。総数を省略しないことが大切です。

一つの記録が意味する単位を決める

6面ダイスを一回転がした出目を一件とするのか、3個を同時に出した一組を一件とするのかで、区分は変わります。3個の合計を使うなら区分は3〜18になり、各合計の確率も均等ではありません。『ダイスの記録』という共通名だけでは、N/6という期待度数は使えません。

操作例は、一回につき1〜6のどれか一つを記録する6区分モデルです。写真に複数の面数を持つダイスがあっても、その全てを6面の同じモデルへ混ぜるわけではありません。道具の種類、観測単位、分類の方法をそろえてから計算すると、見た目だけが似た別のデータを混同せずに済みます。

観測された度数と、仮定した度数の差
小さな統計量だけで、抽選の公平性を証明することはできません。 図は横にスクロールできます。
観測した出目を数えるための実物のダイス
観測した出目を数えるための実物のダイス · Ironmaidenfun / CC BY-SA 4.0 · 写真クレジット

期待度数は、仮定した確率に観測総数を掛ける

期待度数Eは、実際に必ず出る回数ではありません。比較の基準として置いた確率モデルに、観測総数Nを当てはめた値です。

観測総数N均等な6区分の確率各区分の期待度数N/66区分の期待度数の合計
121/6212
301/6530
601/61060
901/61590
1001/6約16.6667100

均等という仮定を先に置く

6面がそれぞれ1/6で出るという仮定なら、E=N×1/6です。60回なら10、120回なら20になります。実際の度数を見てから、都合がよく見える面だけ確率を変えると、最初に置いた均等分布とは違う比較になります。基準と観測値を別々に用意してから照らし合わせます。

この期待度数は、次の60回で各面が10回ずつ出るという予告ではありません。ランダムな記録では、仮定した確率が同じでも回数にばらつきが生じます。比較の基準としての平均的な回数と、一つの実際の表に並んだ回数を区別することで、差があるだけで異常と決め付ける読み方を避けられます。

期待度数は整数に丸めなくてよい

N=100なら各面の期待度数は100/6で、約16.6667です。観測回数は整数ですが、期待度数まで整数である必要はありません。17へ丸めて6区分へ入れると合計が102になり、観測総数100と合わなくなります。計算では分数や十分な精度の小数を保ちます。

表示を16.667と短くする場合も、内部の計算は100/6を使えます。画面に出ている丸め値を手で何度も使うと、最後の合計に小さなずれが出ることがあります。統計量の式を検算するときは、表示用の桁数と、計算に使った値の精度を分けて確認します。丸めの差をデータの差と取り違えないようにします。

均等でない区分には、その確率を使う

一般のモデルでは、区分iの確率をpᵢとしてEᵢ=N×pᵢとします。区分の確率が違えば、期待度数も違います。数字のグループをまとめた分類や、面数の異なる道具を扱う場合に、全区分へ同じN/6を置くことはできません。対象の確率モデルに合わせて比較の基準を作ります。

たとえば半分の確率を持つ区分と、四分の一ずつの二つの区分があれば、N=40の期待度数は20、10、10です。観測が20、10、10なら差はありません。この表を3等分の13.333ずつと比べれば別の統計量になります。どの仮定を調べているかが、数値の意味を決めています。

六つの度数からχ²を計算する

1〜6の観測回数をカンマで区切って入力し、合計N、均等な場合の期待度数N/6、カイ二乗統計量を確認します。

入力値を確かめる準備ができました。

小さな統計量だけで、抽選の公平性を証明することはできません。

差を二乗し、期待度数で割ってから足す

計算は区分ごとに進めます。Oは観測度数、Eは期待度数です。各区分の寄与は(O−E)²/Eで、χ²はその合計です。

差をそのまま合計すると0になる

観測度数の合計も期待度数の合計もNなので、O−Eを全区分で足すと0になります。多く出た面のプラスと、少なく出た面のマイナスが相殺するためです。5回多い区分と5回少ない区分があれば、単なる差の合計だけでは違いが見えません。二乗することで、どちらも正の大きさに変えます。

E=10に対してO=5なら差は−5、二乗は25です。O=15でも差は5、二乗は25になります。この計算では、多すぎる場合と少なすぎる場合を同じ差の大きさとして数えます。符号がなくなるため、どちらの面が多かったかを知るには元の度数表も一緒に読む必要があります。

期待度数で割ると、基準の規模を反映できる

差の二乗をEで割るので、E=10、差5なら25/10=2.5です。E=100、差5なら25/100=0.25です。同じ5回の差でも、基準となる回数に対する大きさが違います。観測の規模に合わせて差を扱うため、二乗した値だけを足す方法とは別の指標になります。

この操作は、全ての区分で割る値が正であることを必要とします。仮定した確率が0の区分へ観測が入る場合などは、同じ式へ無理に0を分母として入れられません。操作例の均等な6区分では、Nが1以上ならEも正になります。入力条件と式の使える範囲が対応しています。

大きく寄与した区分を元の表へ戻す

統計量が大きくなったとき、どの区分の(O−E)²/Eが大きいかを見ると、度数のずれが集中した場所を確かめられます。ただし、その区分だけを取り出して原因を断定するものではありません。分類ミス、記録の抜け、モデルの違いなども同じように表の差を生みます。

全体の数値と区分別の値を往復すると、計算の確認もできます。6区分の寄与を一つずつ足して表示のχ²に戻れば、計算の流れが合っています。数値が一致しない場合は、総数、期待度数、二乗する前の差、丸めた桁数の順に確認すると、式のどこでずれたのかを見つけやすくなります。

6面ダイスの形と向きを確認できる実物写真
6面ダイスの形と向きを確認できる実物写真 · Dietmar Rabich / CC BY-SA 4.0 · 写真クレジット

60回の具体例で、差の大きさを比べる

同じ観測総数の表なら、期待度数をそろえたまま差だけを比較できます。次の値は計算を確認するために作った度数で、実際の製品を測った記録ではありません。

観測度数(1〜6)N各面のEχ²
10,10,10,10,10,1060100
9,11,10,10,10,1060100.2
5,15,10,10,10,1060105
0,20,10,10,10,10601020
50,150,100,100,100,10060010050

9回と11回の差は合計0.2

最初の2区分を9回と11回にし、残りを10回にすると、差は−1、1、0、0、0、0です。二乗して10で割ると0.1と0.1が残り、合計は0.2になります。差の向きが反対でも、二乗した寄与は同じです。Nが60であることも変わっていません。

この表から最初の二つの面だけを抜き出し、合計20回の2区分の表として比較すれば、扱う対象は別になります。χ²という同じ名前の式でも、区分の数と仮定が変わります。元の6区分を維持した比較なのか、一部をまとめ直した比較なのかをはっきりさせて読みます。

差が5倍になると、寄与は25倍になる

9と11を5と15へ変えると、期待10からの差は1から5へ増えます。差を二乗するため、1²に対して5²は25倍です。各区分の寄与は0.1から2.5になり、合計は0.2から5になります。同じEのもとでは、差を倍にすると寄与は4倍になるという関係があります。

0と20の例では差が−10と10なので、寄与はそれぞれ100/10=10、合計は20です。0回の面があることだけを理由に計算不能になるわけではありません。分母は観測度数Oではなく期待度数Eです。Oが0でもEが10なら、その区分は式どおりに計算できます。

同じ割合の差でも、観測数を増やすと値は変わる

5、15、10、10、10、10を10倍すると、50、150、100、100、100、100です。割合は同じですが、期待度数も10倍になります。差の二乗は100倍、分母は10倍になるため、統計量は10倍の50です。割合のずれを同じ大きさで観測しても、標本数が異なれば統計量は同じになりません。

このため、χ²だけを抜き出して、観測総数が異なる記録を単純に順位付けする読み方は適切ではありません。比較にはN、区分、仮定した確率、取得方法が必要です。割合の差を知りたいのか、ある仮定との整合性を検討したいのかでも見る情報が変わります。目的をそろえてから数値を比べます。

統計量と検定の判断は、同じものではない

χ²の値を求めることと、統計的な検定として判断することには追加の条件があります。操作例は、度数から統計量を計算するところまでを表示します。

自由度は区分と制約から決まる

6区分の合計をNに固定すると、最初の5区分が決まれば最後の区分は残りとして決まります。均等な確率をあらかじめ指定し、他の分布パラメーターをデータから推定していない基本例では、検定に使う自由度は6−1=5です。6つの数字を入れたから自由度も6という関係ではありません。

区分をまとめたり、確率モデルのパラメーターを同じデータから推定したりすれば、自由度や比較条件も変わります。別の分析で得た基準値を、そのまま持ってくることはできません。どのモデルを仮定し、何をデータから求めたかを明らかにして、適切な分布との比較へ進みます。

p値は、仮定の正しさそのものの確率ではない

検定では、置いた仮定のもとで、観測した統計量と同程度以上の大きな値がどれほど起こるかを考えます。そこで使うp値を、『その道具が公平である確率』へ置き換えることはできません。仮定した条件からデータの起こり方を見る量と、仮定自体へ確率を付ける問いは別です。

また、統計量が小さかったことは、あらゆる別の問題を否定するものではありません。検定の対象としていない順序や依存関係は残ります。操作例がp値や合否を表示せず、N、期待度数、χ²を示すのは、この数値と追加の判断を混ぜないためです。度数表の計算結果として読み取ります。

判断の基準を後から何度も動かさない

都合のよい差が見つかるまで、対象期間や区分を何度も変えて調べると、一つの事前に決めた比較とは異なる状況になります。偶然大きく見えた表だけを取り出せば、検討の全体像が分かりません。何を一回の比較とするか、どの範囲の記録を使うかを先に決めておくことが重要です。

追加の探索をしたなら、最初に決めた比較と分けて記録できます。探索で見つかった特徴は、別に取得したデータで確かめる対象にもなります。数字が出た後で説明の基準を整えるのではなく、対象、区分、記録数、比較した回数を残すことで、どのような確認をしたのかを読み返せます。

異なる目を比較できるゲーム用サイコロ
異なる目を比較できるゲーム用サイコロ · Robert Freiberger from Union City, CA, USA / CC BY 2.0 · 写真クレジット

少ない期待度数と、偏った取得範囲に注意する

式そのものを計算できても、その値を通常のカイ二乗近似で判断してよいとは限りません。観測の集め方と、各区分の期待度数を別々に確認します。

期待度数が小さい場合を区別する

均等な6区分でN=12なら、各面の期待度数は2です。N=30なら5になります。通常のカイ二乗近似を使う目安では、期待度数が小さい区分をそのまま扱わない配慮が必要です。観測が1回以上あるかではなく、仮定したモデルの期待度数を見ている点を押さえます。

小さい標本では、分類に合う別の厳密な方法や、追加の観測を検討する場面があります。区分をまとめれば期待度数を大きくできますが、同時に調べる問いも変わります。単に都合のよい値にするために区分を削るのではなく、何を一つの区分として扱うのかという意味を保って検討します。

記録されなかった結果は、表の外に残る

画面に表示された結果だけを拾い、表示されなかった記録を落とすと、取得できた範囲に対する表になります。全ての回を記録した表と同じ対象ではありません。特定の結果のときだけ取得が失敗するような条件があれば、観測度数は抽選以外の仕組みからも影響を受けます。

集計前に、予定した観測数と実際の記録数を照合します。不明な結果は不明なものとして別に数え、見える結果だけで元の総数を埋めたことにしません。記録の完全さと出目の分布は別の検討項目です。度数表を正しく計算できても、取得の抜けがなかったという証明にはなりません。

再送や同じ記録の重複で回数を増やさない

同じ出来事の記録が二度保存された場合、独立した二回の観測として数えると標本数が増えて見えます。結果の値が同じかどうかではなく、同じ出来事かどうかを識別番号などで照合します。別々の回に同じ目が出たことと、同じ回の記録が重複したことは区別が必要です。

重複を除くルールは、観測値の都合で変えません。多く見えた目だけ重複と扱えば、表を人為的にそろえてしまいます。識別の条件を一定にしてから分類することで、値そのものに引っ張られずに集計できます。入力記録の整理は、統計量の計算より前に行う独立した作業です。

均等な度数表でも、順番の規則性は残る

度数表に変換すると、元の並び順は失われます。同じ表になる二つの列が、同じ性質を持つとは限りません。

1〜6を10回繰り返す列を考える

1、2、3、4、5、6という順を10回繰り返すと、60個の値ができ、各面の度数は10です。均等分布を基準にしたχ²は0になります。しかし、列の順番は完全に規則的で、直前の値から次を読める構造になっています。度数の一致だけでは、この違いを見つけられません。

同じ60個を別の順番へ並べ替えても、度数表とχ²は変わりません。集計が順序を使わないためです。計算結果が小さかったという事実から、順番に規則がないと結論することはできません。何を捨てて度数表を作ったのかを意識すると、一つの統計量の範囲がはっきりします。

独立性は、各回の割合とは別の性質

各値が全体で同じ割合になることと、隣り合う回の値が互いに影響しないことは同じではありません。一定の並びを繰り返す例のように、割合はそろっていても次の値が前の値に結び付く列を作れます。6区分の単純な度数だけでは、その依存関係を表現していません。

依存を調べる場合は、連続する二つの値の組や、間隔を空けた関係など、目的に合う別の情報を使います。その比較にも対象の定義や観測数が必要です。一つの指標で全てを保証しようとせず、度数、順序、取得条件という異なる情報を、それぞれの問いに対応させて扱います。

将来の出目や製品の品質へ飛躍しない

過去の表である面が少なかったとしても、次回にその面が不足分を埋めるとは限りません。独立な同じ確率の抽選を仮定した場合、次の一回の確率は過去の度数の差で変わりません。カイ二乗統計量は過去に集めた表とモデルを比べる量で、次回を当てる計算ではありません。

また、一般的な計算例から特定ブランドの乱数品質を評価したことにはなりません。製品の検証では、実際の対象、取得方法、規則、実装に対応する検討が必要です。ここでの6区分モデルは、度数の差をどう計算して読むかを理解するためのものです。数値を出すことと、実製品を調べた事実を区別します。

立方体のダイスに並んだ目を確認できる実物写真
立方体のダイスに並んだ目を確認できる実物写真 · Dietmar Rabich / CC BY-SA 4.0 · 写真クレジット

6つの度数を入力して、N・E・χ²を照合する

操作例には1〜6の順で六つの非負整数を入力します。カンマで区切り、合計を1以上にすると、均等な6区分を仮定した期待度数と統計量が表示されます。

一つの区分を増やすと、Nも変わる

初期値の10、10、10、10、10、10から、最初だけ20へ変えると、合計は70になります。期待度数も70/6へ変わります。最初の区分だけが10から20へ変わり、他の期待度数は10のままだと考えると、画面の計算と合わなくなります。全区分の合計から基準を作り直します。

Nを60のまま差だけ比べたければ、ある区分を5増やすと同時に別の区分を5減らすなど、合計を維持します。5、15、10、10、10、10がその例です。入力を変更するとき、Nを固定する比較なのか、Nも変える比較なのかを先に決めると、統計量の変化の理由を追いやすくなります。

0回の面と、全て0の入力を区別する

ある面だけ0回でも、他の面に観測があれば合計Nは正になり、式を計算できます。一方、六つとも0ならN=0で、期待度数も0です。分母が0になるため、操作例はその入力を受け付けません。観測されなかった区分がある場合と、観測自体が一度もない場合の違いです。

度数には負数や小数を入れません。一回ずつ数えた件数という前提に対応する条件です。操作例は各区分100万回までの入力を扱いますが、その上限を実際の製品の記録上限として読むものではありません。表示する計算を扱いやすくするための入力範囲です。

表示の注意文と、元の度数表を一緒に読む

合計が小さく、各区分の期待度数が5未満なら、通常の近似による判断に注意する旨が表示されます。5以上の場合も、統計量だけでは独立性や生成方法の品質が分からないことを示します。どちらの表示も、計算した値そのものを無効にするのではなく、解釈の条件を区別するための情報です。

確認するときは、入力した六つの回数、合計N、各面の期待度数E、χ²の順に照合します。元の表を残しておけば、同じ統計量になった別の表とも違いを比較できます。単独の大きな数字だけを取り出すより、何をどの条件で集計した数値なのかまで一緒に読むことが、誤解を減らします。

よくある質問

カイ二乗統計量はどう計算しますか?

各区分で観測度数Oと期待度数Eの差を二乗し、Eで割って足します。式はχ²=Σ(O−E)²/Eです。均等な6区分の例ではEは各区分N/6になります。

χ²が0なら公平な抽選の証明になりますか?

なりません。集計した度数が仮定した割合と一致することは示しますが、出目の順番や独立性までは分かりません。規則的な列でも度数を均等にできます。

一度も出なかった面があっても計算できますか?

期待度数が正なら計算できます。式の分母は観測度数ではなく期待度数です。ただし、観測総数が0なら期待度数も0になり、この操作例では計算しません。

観測総数100回なら期待度数を17回へ丸めますか?

計算では100/6を使います。各区分を17へ丸めると合計102になってしまいます。表示用に桁数を短くしても、計算の途中では十分な精度を残します。

同じ割合なら、観測数が違ってもχ²は同じですか?

同じとは限りません。観測度数を全て10倍にして同じ割合を保つと、この統計量は10倍になります。N、区分、仮定を合わせて比較する必要があります。

6面の出目を均等とした基本例の自由度はいくつですか?

確率を事前に1/6ずつと指定し、他のパラメーターを同じデータから推定していない基本例では5です。六つの度数の合計がNになるという制約があります。

操作例はp値や検定の合否も表示しますか?

表示するのは観測総数、均等分布を仮定した各区分の期待度数、χ²です。p値や合否は表示しません。追加の検定判断には自由度や標本条件などを確かめる必要があります。

過去に少なかった目が次に出やすいと分かりますか?

分かりません。独立な同じ確率の抽選という仮定では、次回の確率は過去の度数不足で変わりません。この計算は集計した過去の表とモデルを比べるためのものです。