Odds and Ends

英語多読

統計で英語多読 6-3: 母分散の推定と検定 — カイ二乗分布の応用

母分散の推定と検定を題材にした英語多読ユニット。約760語の英文と全文日本語訳で、カイ二乗分布を使ったばらつきの品質管理をたどります。

ストック

英語多読 統計

「大人のための英語多読図書館」へようこそ。今回は、データの「ばらつき」である母分散を、カイ二乗分布を使って推定・検定する方法を、英語の文章でたどっていきます。

📊 このユニットの情報 語数: 約760語 / 推定読了時間: 5〜8分 / 難易度: ★★☆☆☆(初中級)

Learning Objectives

みなさんこんにちは。大人のための英語多読図書館へようこそ。

これまではデータの「中心」、つまり平均値や比率に注目してきました。しかし、データの「ばらつき」具合、つまり分散も同じくらい重要な情報です。例えば、工場の部品の平均サイズが目標通りでも、一つ一つの部品のサイズがバラバラだったら品質が良いとは言えませんよね。安定した品質を保つには、この「ばらつき」を小さく管理する必要があります。

今回は、この母集団の「ばらつき」の指標である「母分散」を推定したり、それが特定の基準を満たしているかを検定したりする方法を学びます。ここで登場するのが「カイ二乗（\(\chi^2\)）分布」という新しい確率分布です。少し変わった形をしていますが、データのばらつきを評価するための強力なツールとなります。

それでは今回も多読を楽しんでいきましょう。

Summary

  • Analyzing population variance (\({\sigma^2}\)) is crucial for quality control, risk assessment, and understanding the consistency of data.
  • The chi-square (\({\chi^2}\)) distribution is used for making inferences about a single population variance.
  • The chi-square distribution is a family of curves that are skewed to the right. The specific shape of the curve depends on its degrees of freedom (df), which is calculated as \(n-1\) for a single sample.
  • The chi-square (\(\chi^2\)) test statistic is calculated to measure how much the sample variance (\(s^2\)) differs from the hypothesized population variance (\({\sigma_0^2}\)).
  • We can construct a confidence interval for the population variance using critical values from the chi-square distribution.
  • A hypothesis test can determine if the population variance is equal to, less than, or greater than a specific value.

Explanation

Why Care About Variance?

So far, we have focused on the center of a distribution, like the mean or proportion. But the spread or variability of data is often just as important. Consider these two scenarios:

  1. Manufacturing: A company produces pistons for car engines. The target diameter is 10 cm. If the average diameter of a sample is 10 cm, that sounds good. But if some pistons are 9 cm and others are 11 cm, the variance is too high, and they won't fit. Low variance (consistency) is key.
  2. Finance: An investor is choosing between two stocks. Both have the same average annual return of 8%. Stock A's return varies between 6% and 10%, while Stock B's return varies between -5% and 21%. Stock B is much riskier because its returns have a higher variance.

To analyze variance, we need a new statistical tool: the Chi-Square (\(\chi^2\)) distribution.

The Chi-Square (\(\chi^2\)) Distribution

The chi-square distribution has a few key properties: - It is not symmetric like the normal or t-distribution. It is skewed to the right. - Its values are always non-negative (0 or positive), which makes sense because variance cannot be negative. - Its shape depends on a single parameter: the degrees of freedom (df), where \(df = n-1\). As the degrees of freedom increase, the distribution becomes more symmetric and looks more like a normal distribution.

The connection to variance is through the following statistic. If we take a random sample of size n from a normally distributed population with variance \(\sigma^2\), the statistic: \[ \chi^2 = \frac{(n-1)s^2}{\sigma^2} \] follows a chi-square distribution with \(n-1\) degrees of freedom. Here, \(s^2\) is the sample variance. This formula is the foundation for all inference about a single population variance.

Hypothesis Testing for Population Variance

Let's return to the piston manufacturer. They need the variance of the piston diameters to be no more than 0.0004 cm\(^2\). They take a sample of 20 pistons and find the sample variance (\(s^2\)) is 0.0005 cm\(^2\). Is this evidence that the production process is too variable? Let's test this with a significance level of \(\alpha = 0.05\).

  1. State Hypotheses: We want to check if the variance is greater than the standard.

    • Null Hypothesis (\(H_0\)): \(\sigma^2 \le 0.0004\) (The process variability is acceptable.)
    • Alternative Hypothesis (\(H_1\)): \(\sigma^2 > 0.0004\) (The process is too variable.)

  2. Set Significance Level (\(\alpha\)): \(\alpha = 0.05\).

  3. Calculate the \(\chi^2\)-statistic: We use the hypothesized variance (\(\sigma_0^2 = 0.0004\)) in the formula. \[ \chi^2 = \frac{(n-1)s^2}{\sigma_0^2} \] Here, n=20, \(s^2=0.0005\), and \(\sigma_0^2=0.0004\). \[ \chi^2 = \frac{(20-1)(0.0005)}{0.0004} = \frac{19 \times 0.0005}{0.0004} = \frac{0.0095}{0.0004} = 23.75 \]

  4. Make a Decision: This is a right-tailed test. We need to find the critical value from the \(\chi^2\) distribution table with \(df = n-1 = 19\) and \(\alpha = 0.05\). The critical value, denoted \(\chi^2_{\alpha, df}\), is \(\chi^2_{0.05, 19} = 30.144\). Our test statistic (23.75) is less than the critical value (30.144). Therefore, it does not fall in the rejection region. We fail to reject the null hypothesis.

  5. Conclusion: Even though the sample variance (0.0005) was higher than the target (0.0004), the evidence is not strong enough to conclude that the entire production process has a variance greater than 0.0004.

Confidence Interval for Population Variance

We can also estimate a range for the true population variance. Because the \(\chi^2\) distribution is not symmetric, the formula for the confidence interval is also not symmetric.

The confidence interval for \(\sigma^2\) is given by: \[ \frac{(n-1)s^2}{\chi^2_{R}} < \sigma^2 < \frac{(n-1)s^2}{\chi^2_{L}} \]

  • \(\chi^2_{R}\) is the right-tail critical value (e.g., for 95% confidence, the value with 0.025 area to its right).
  • \(\chi^2_{L}\) is the left-tail critical value (the value with 0.975 area to its right).

For our piston example (\(n=20\), \(s^2=0.0005\), \(df=19\)), the 95% critical values are: - \(\chi^2_{R} = \chi^2_{0.025, 19} = 32.852\) - \(\chi^2_{L} = \chi^2_{0.975, 19} = 8.907\)

The 95% confidence interval for the population variance is: \[ \frac{(19)(0.0005)}{32.852} < \sigma^2 < \frac{(19)(0.0005)}{8.907} \] \[ 0.000289 < \sigma^2 < 0.001067 \]

We can be 95% confident that the true variance of the piston diameters is between 0.000289 cm\(^2\) and 0.001067 cm\(^2\). Since this interval contains the acceptable value of 0.0004, this result is consistent with our hypothesis test.

まとめ

今回は、データの「中心」ではなく「ばらつき」、すなわち母分散に注目し、それを推定・検定するためにカイ二乗分布を使うことを見てきました。カイ二乗分布は右に裾を引いた非対称な分布で、自由度（\(n-1\)）によって形が決まります。ピストンの直径を例に、\(\chi^2 = (n-1)s^2/\sigma_0^2\)という統計量で品質のばらつきを検定する手順と、左右で異なる臨界値を使って分散の信頼区間を作る方法をたどりました。品質管理やリスク評価で「ばらつき」を扱うときの基本になります。

次回は、いよいよ統計入門シリーズの最終回です。観測されたデータが理論通りの分布に従うかを確かめる「適合度の検定」を、カイ二乗検定を使って見ていきます。

日本語訳(全文)

英文を最後まで読み終えてから、答え合わせ用にお使いください。多読の原則として、まずは訳を見ずに英文だけで理解を試みることをおすすめします。

Summary

  • 母分散（\({\sigma^2}\)）を分析することは、品質管理、リスク評価、そしてデータの一貫性を理解するうえできわめて重要です。
  • カイ二乗（\({\chi^2}\)）分布は、1つの母分散についての推測を行うために使われます。
  • カイ二乗分布は、右に裾を引いた（右に歪んだ）曲線の集まりです。曲線の具体的な形は、その自由度（df）に依存し、1つの標本では\(n-1\)として計算されます。
  • カイ二乗（\(\chi^2\)）検定統計量は、標本分散（\(s^2\)）が、仮定された母分散（\({\sigma_0^2}\)）とどれだけ異なっているかを測るために計算されます。
  • カイ二乗分布の臨界値を使って、母分散の信頼区間を作ることができます。
  • 仮説検定によって、母分散がある特定の値に等しいか、それより小さいか、あるいは大きいかを判断できます。

なぜ分散を気にするのか?

ここまで私たちは、平均や比率のように、分布の中心に注目してきました。しかし、データの広がり、すなわちばらつきも、しばしば同じくらい重要です。次の2つの場面を考えてみましょう。

  1. 製造業: ある会社が、自動車エンジン用のピストンを製造しています。目標の直径は10 cmです。標本の平均直径が10 cmなら、よさそうに聞こえます。しかし、もしあるピストンが9 cmで、別のものが11 cmなら、分散が大きすぎて、うまくはまりません。低い分散（一貫性）が鍵になります。
  2. 金融: ある投資家が、2つの株のあいだで選んでいます。どちらも年平均リターンは同じ8%です。株Aのリターンは6%から10%のあいだで変動し、株Bのリターンは-5%から21%のあいだで変動します。株Bは、リターンの分散がより大きいため、はるかにリスクが高いのです。

分散を分析するには、新しい統計の道具が必要です。それがカイ二乗（\(\chi^2\)）分布です。

カイ二乗（\(\chi^2\)）分布

カイ二乗分布には、いくつかの重要な性質があります。

  • 正規分布やt分布のように対称ではありません。右に裾を引いて（右に歪んで）います。
  • その値は常に非負（0または正）です。これは、分散が負になり得ないので、理にかなっています。
  • その形は、ただ一つのパラメータ、すなわち自由度（df）に依存します。ここで\(df = n-1\)です。自由度が増えるにつれて、分布はより対称的になり、正規分布に近い見た目になっていきます。

分散とのつながりは、次の統計量を通じて得られます。分散\(\sigma^2\)を持つ正規分布の母集団から、サイズnのランダムな標本をとると、統計量 \[ \chi^2 = \frac{(n-1)s^2}{\sigma^2} \] は、自由度\(n-1\)のカイ二乗分布に従います。ここで、\(s^2\)は標本分散です。この式が、1つの母分散についてのあらゆる推測の土台になります。

母分散の仮説検定

ピストンのメーカーに戻りましょう。彼らは、ピストン直径の分散が0.0004 cm\(^2\)以下である必要があります。20個のピストンの標本をとったところ、標本分散（\(s^2\)）は0.0005 cm\(^2\)でした。これは、製造プロセスのばらつきが大きすぎる証拠でしょうか。有意水準\(\alpha = 0.05\)で検定してみましょう。

  1. 仮説を立てる: 分散が基準より大きいかどうかを確かめたいと思います。

    • 帰無仮説（\(H_0\)）: \(\sigma^2 \le 0.0004\)（プロセスのばらつきは許容範囲内である。）
    • 対立仮説（\(H_1\)）: \(\sigma^2 > 0.0004\)（プロセスのばらつきが大きすぎる。）

  2. 有意水準（\(\alpha\)）を設定する: \(\alpha = 0.05\)。

  3. \(\chi^2\)統計量を計算する: 式のなかで、仮定された分散（\(\sigma_0^2 = 0.0004\)）を使います。 \[ \chi^2 = \frac{(n-1)s^2}{\sigma_0^2} \] ここで、n=20、\(s^2=0.0005\)、\(\sigma_0^2=0.0004\)です。 \[ \chi^2 = \frac{(20-1)(0.0005)}{0.0004} = \frac{19 \times 0.0005}{0.0004} = \frac{0.0095}{0.0004} = 23.75 \]

  4. 判断を下す: これは右側検定です。\(df = n-1 = 19\)、\(\alpha = 0.05\)で、\(\chi^2\)分布表から臨界値を求める必要があります。\(\chi^2_{\alpha, df}\)と表される臨界値は、\(\chi^2_{0.05, 19} = 30.144\)です。 検定統計量（23.75）は、臨界値（30.144）より小さいです。したがって、棄却域には入りません。私たちは帰無仮説を棄却できません。

  5. 結論: 標本分散（0.0005）は目標（0.0004）より大きかったものの、製造プロセス全体の分散が0.0004より大きいと結論づけるには、証拠が十分に強くありません。

母分散の信頼区間

本当の母分散についての範囲を推定することもできます。\(\chi^2\)分布は対称ではないので、信頼区間の式も対称ではありません。

\(\sigma^2\)の信頼区間は、次のように与えられます。 \[ \frac{(n-1)s^2}{\chi^2_{R}} < \sigma^2 < \frac{(n-1)s^2}{\chi^2_{L}} \]

  • \(\chi^2_{R}\)は、右裾の臨界値です（例: 95%信頼では、その右側に0.025の面積を持つ値）。
  • \(\chi^2_{L}\)は、左裾の臨界値です（その右側に0.975の面積を持つ値）。

ピストンの例（\(n=20\)、\(s^2=0.0005\)、\(df=19\)）では、95%の臨界値は次のとおりです。 - \(\chi^2_{R} = \chi^2_{0.025, 19} = 32.852\) - \(\chi^2_{L} = \chi^2_{0.975, 19} = 8.907\)

母分散の95%信頼区間は次のようになります。 \[ \frac{(19)(0.0005)}{32.852} < \sigma^2 < \frac{(19)(0.0005)}{8.907} \] \[ 0.000289 < \sigma^2 < 0.001067 \]

ピストン直径の本当の分散は、0.000289 cm\(^2\)から0.001067 cm\(^2\)のあいだにある、と95%の確信を持って言えます。この区間は許容値である0.0004を含んでいるので、この結果は仮説検定とも整合しています。