G検定のソースを表示

{{otheruses||日本ディープラーニング協会が実施するAIに関する資格試験|JDLA Deep Learning For GENERAL}}
{{Expand English|G-test|date=2024年5月}}
'''G検定'''（ジーけんてい）は[[統計学的検定法]]で、[[尤度比検定]]の一種である。これまで[[カイ二乗検定]]が用いられていた場面で広く用いられつつある。

カイ二乗検定は[[累積分布関数]]への適合性や[[分割表]]における[[独立 (確率論)|独立性]]の検定に広く用いられてきたが、実は[[対数尤度]]の[[近似]]に基づくものであり、一方G検定は対数尤度を直接用いる方法である。カイ二乗検定は[[カール・ピアソン]]によって計算の容易な方法として導入されたのであるが、[[コンピュータ]]の普及によってG検定も決して煩雑な方法ではなくなってきた。特に1994年に出版されたソーカルとロルフの教科書（「生物統計学」第3版：参考文献）で推奨され、広く利用されるようになった。

ピアソンのカイ二乗検定統計量は

:<math> \chi^2 = \sum_{i} {(O_i - E_i)^2 \over E_i}</math>

ここで O<sub>i</sub> は分割表の各マス目における出現頻度、Eは[[帰無仮説]]で期待される頻度で、すべてのマス目を合計する。それに対応する''G'' は

:<math> G = 2\sum_{i} {O_i \cdot \ln(O_i/E_i) }</math>

観察された頻度が、ある期待される頻度をもつ分布から抽出した[[無作為]][[標本 (統計学)|標本]]にもとづくものであるという帰無仮説を立てれば、''G'' の分布はカイ二乗（[[自由度]]は同じ）で近似される。

標本サイズが適切であればG検定とカイ二乗検定では同じ結論が得られるが、すべてのマス目に対して |''O<sub>i</sub>'' − ''E<sub>i</sub>'' |> ''E<sub>i</sub>'' となる場合には、ピアソンのカイ二乗検定でなくG検定を用いるのが望ましい。

サンプルサイズが小さい場合には、カイ二乗検定やG検定でなく、多項検定（適合性）、[[フィッシャーの正確検定]]（分割表）、あるいはベイズ式仮説選択が望ましい。

== 参考文献 ==
*Sokal, R. R., & Rohlf, F. J. (1994). ''Biometry: the principles and practice of statistics in biological research.'', 3rd edition. New York: Freeman. ISBN 0-7167-2411-1.

{{統計学}}

{{DEFAULTSORT:しいけんてい}}
[[Category:統計検定]]
[[Category:数学に関する記事|Gしいけんてい]]