Kruskal–Wallis検定

同義語:Kruskal-Wallis検定クラスカル–ウォリス検定クラスカル・ウォリス検定Kruskal–Wallis testKruskal-Wallis testKruskal–Wallisの検定

概要

Kruskal–Wallis検定(Kruskal–Wallis test)とは、$k$ 群のデータを合わせて順位を付け、群ごとの順位の平均のばらつきから作る統計量 $H=\frac{12}{N(N+1)}\sum_iR_i^2/n_i-3(N+1)$ によって、$k$ 群が同じ分布に従うかを調べる検定である。帰無仮説のもとで順位の割り当てはすべて等確率なので、$H$ の分布はもとの分布の形によらず、平均はちょうど $k-1$ である。群がどれも大きければ $H$ は自由度 $k-1$ のカイ二乗分布に分布収束し、2 群では Wilcoxon の順位和検定の両側検定と一致する。同じ値があるときは中間順位を使い、補正の係数で割る。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: Wilcoxon検定, 分散分析, カイ二乗分布, 中心極限定理

3 種類の肥料で育てた苗の高さを比べたい。分布が正規分布で分散が等しいと仮定できれば 分散分析 の $F$ 検定が使えるが、データが少なく分布の形に自信がもてない。そこで全部の苗を低い順に並べ、肥料ごとに 順位 の平均を比べる。肥料に差がなければ、どの順位がどの肥料に来るかは偶然で決まり、その確率は分布の形によらない。Kruskal–Wallis 検定(Kruskal–Wallis test)は、群ごとの順位の平均のばらつきを 1 つの統計量 $H$ にまとめ、帰無仮説のもとで $H$ が近似的に自由度 $k-1$ の カイ二乗分布 に従うことを使う検定である。2 群の場合は Wilcoxon検定 の順位和検定と同じものになる。Kruskal と Wallis が 1952 年に提案した(KW52)。
この記事では、帰無仮説のもとでの順位の置換分布から $H$ の平均がちょうど $k-1$ であることを示し、$k=2$ で Wilcoxon の順位和検定に一致すること、群の大きさがともに大きくなるとき $H$ が $\chi^2_{k-1}$ に分布収束することを、順位の Hoeffding 分解によって証明する。同順位の補正と、補正を忘れた場合や分布の形が違う場合に検定の根拠となる結論が成り立たない反例も示す。

定義と使える条件

$k\ge2$ 群のデータ $X_{i1},\dots,X_{in_i}$($i=1,\dots,k$)があり、$N:=n_1+\cdots+n_k$ とする。$N$ 個を合わせたときの $X_{ij}$ の順位を $R_{ij}$ とし(同じ値がないとき。順位は Wilcoxon検定 の定義のとおり)、群ごとの順位の和と平均を
$$ R_i:=\sum_{j=1}^{n_i}R_{ij},\qquad\bar R_i:=\frac{R_i}{n_i} $$
とおく。順位全体の平均は $\frac{N+1}2$ である。

Kruskal–Wallis 統計量

同じ値がないとき
$$ H:=\frac{12}{N(N+1)}\sum_{i=1}^kn_i\Bigl(\bar R_i-\frac{N+1}2\Bigr)^2=\frac{12}{N(N+1)}\sum_{i=1}^k\frac{R_i^2}{n_i}-3(N+1) $$
を Kruskal–Wallis 統計量 という。帰無仮説 $H_0$「$N$ 個は独立で同じ連続な分布に従う」を、$H$ が大きいときに棄てる検定を Kruskal–Wallis 検定 という。

2 つの式が等しいことは、$\sum_iR_i=\frac{N(N+1)}2$ を使って $\sum_in_i(\bar R_i-\frac{N+1}2)^2=\sum_i\frac{R_i^2}{n_i}-(N+1)\sum_iR_i+N\frac{(N+1)^2}4=\sum_i\frac{R_i^2}{n_i}-\frac{N(N+1)^2}4$ と展開すれば分かる。$H$ は順位について計算した 分散分析 の群間平方和を、順位の分散 $\frac{N^2-1}{12}$ で割って $\frac{N-1}{N}$ 倍したものである(def-kw-ties の形)。
同じ値があるとき は、同じ値の組に順位の平均(中間順位)を与える。一般に、データに割り当てる値(スコア)を $a_1,\dots,a_N$ として次のように定める。

同順位を補正した統計量

$N$ 個のデータに割り当てた順位(中間順位を含む)を $a_{ij}$、その全体の平均を $\bar a$、群 $i$ の平均を $\bar a_i$ とし、$a_{ij}$ がすべて等しくはないとする。
$$ H^*:=(N-1)\frac{\sum_in_i(\bar a_i-\bar a)^2}{\sum_{i,j}(a_{ij}-\bar a)^2} $$
を 同順位を補正した Kruskal–Wallis 統計量 という。

中間順位では $\bar a=\frac{N+1}2$ で、大きさ $t$ の同じ値の組は、連続した $t$ 個の整数をその平均に置き換えるので、和を変えずに平方和を $\sum_{s=1}^t\bigl(s-\frac{t+1}2\bigr)^2=\frac{t^3-t}{12}$ だけ減らす。同じ値がなければ $\sum(a_{ij}-\bar a)^2=\frac{N(N^2-1)}{12}$ で $H^*=H$ である。同じ値があるとき、中間順位でそのまま計算した $H$ を $H_{\mathrm{mid}}$ とすると
$$ H^*=\frac{H_{\mathrm{mid}}}{C},\qquad C:=1-\frac{\sum(t^3-t)}{N^3-N} $$
である(和は同じ値の組すべてについてとる)。
使ってよい条件は次のとおりである。

  • (i) データはすべて独立である。
  • (ii) 帰無仮説は「$k$ 群が 同じ分布」である。「中央値が等しい」だけでは足りない(反例の表の 2 行目)。
  • (iii) 分布が連続でないときは $H^*$ を使う(反例の表の 1 行目)。
  • (iv) $\chi^2_{k-1}$ による近似(thm-kw-asymp)を使うときは、すべての群が大きい。小さいときは正確な分布を使う(反例の表の 3 行目)。

公式の表

量式使える条件根拠
順位の分布群への順位の割り当て $\frac{N!}{n_1!\cdots n_k!}$ 通りが等確率$H_0$Wilcoxon検定 の補題「順位は一様に分布する」
群の和の平均・分散$E[T_i]=n_i\bar a$、$V[T_i]=\frac{n_i(N-n_i)}{N-1}\sigma^2$交換可能prop-kw-perm
平均$E[H]=E[H^*]=k-1$$H_0$thm-kw-mean
2 群$H=Z^2$、$Z$ は順位和の標準化$k=2$prop-kw-two
極限$H\Rightarrow\chi^2_{k-1}$$H_0$、$n_i/N\to\lambda_i>0$thm-kw-asymp
同順位$H^*=H_{\mathrm{mid}}/C$、$C=1-\frac{\sum(t^3-t)}{N^3-N}$中間順位def-kw-ties

順位の置換分布

帰無仮説のもとで同じ値がなければ、Wilcoxon検定 の補題「順位は一様に分布する」により、順位の並び $(R_{ij})$ は $\{1,\dots,N\}$ の $N!$ 個の並べ替えを等確率でとる。したがって $H$ の帰無分布は $n_1,\dots,n_k$ だけで決まり、$\{1,\dots,N\}$ を大きさ $n_1,\dots,n_k$ の組に分ける $\frac{N!}{n_1!\cdots n_k!}$ 通りを数えれば正確に求まる。
同じ値がある場合も含めて扱うため、次のように言い換える。データを 1 列に並べた $Z=(Z_1,\dots,Z_N)$(最初の $n_1$ 個が群 1、…)が独立で同じ分布に従えば、$Z$ と独立な一様な並べ替え $\pi$ について $(Z_{\pi(1)},\dots,Z_{\pi(N)})$ は $Z$ と同じ分布に従う。順位(中間順位を含む)を並べたベクトル $a(Z)$ は $a(Z_{\pi(1)},\dots,Z_{\pi(N)})=(a(Z)_{\pi(1)},\dots,a(Z)_{\pi(N)})$ を満たすので、$a(Z)$ の値の集まりを固定したとき、その並びは一様な並べ替えで与えられる と考えてよい。そこで、実数 $a_1,\dots,a_N$ を一様に並べ替えた和の積率を求める。

並べ替えた値の群ごとの和

実数 $a_1,\dots,a_N$ の平均を $\bar a$、$\sigma^2:=\frac1N\sum_j(a_j-\bar a)^2$ とし、$\pi$ を $\{1,\dots,N\}$ の一様な並べ替えとする。添字の集合 $\{1,\dots,N\}$ を大きさ $n_1,\dots,n_k$ の組 $G_1,\dots,G_k$ に分け、$T_i:=\sum_{j\in G_i}a_{\pi(j)}$ とおく。このとき
$$ E[T_i]=n_i\bar a,\qquad V[T_i]=\frac{n_i(N-n_i)}{N-1}\sigma^2,\qquad\mathrm{Cov}(T_i,T_l)=-\frac{n_in_l}{N-1}\sigma^2\quad(i\ne l) $$
である。

全体の和は一定

$\pi(j)$ は $\{1,\dots,N\}$ の上に一様に分布するので、$E[a_{\pi(j)}]=\bar a$、$V[a_{\pi(j)}]=\sigma^2$ である。$j\ne j'$ について $(\pi(j),\pi(j'))$ は異なる 2 数の順序対の上に一様に分布するので、共分散 $c:=\mathrm{Cov}(a_{\pi(j)},a_{\pi(j')})$ は $j\ne j'$ によらない。$\sum_ja_{\pi(j)}=\sum_ja_j$ は定数なので
$$ 0=V\Bigl[\sum_ja_{\pi(j)}\Bigr]=N\sigma^2+N(N-1)c $$
となり、$c=-\frac{\sigma^2}{N-1}$ である。よって $V[T_i]=n_i\sigma^2+n_i(n_i-1)c=\frac{n_i(N-n_i)}{N-1}\sigma^2$、$\mathrm{Cov}(T_i,T_l)=n_in_lc$ である。$\square$

統計量の平均

$H_0$「$N$ 個は独立で同じ分布に従う」のもとで、データの値がすべて等しくはない事象の上で、値の集まりを与えたときの $H^*$ の条件付き平均は $k-1$ である。とくに分布が連続なら $E[H]=k-1$ である。

上の言い換えにより、値の集まり(したがって順位の値の集まり $a_1,\dots,a_N$)を固定して、prop-kw-perm の $T_i$ で計算してよい。$\bar a_i-\bar a=\frac{T_i}{n_i}-\bar a$ なので
$$ E\Bigl[\sum_in_i(\bar a_i-\bar a)^2\Bigr]=\sum_i\frac{V[T_i]}{n_i}=\frac{\sigma^2}{N-1}\sum_i(N-n_i)=\frac{(k-1)N\sigma^2}{N-1} $$
である。$\sum_j(a_j-\bar a)^2=N\sigma^2$ は固定されているので、$E[H^*]=(N-1)\frac{(k-1)N\sigma^2}{(N-1)N\sigma^2}=k-1$ である。連続な分布では確率 $1$ で同じ値がなく、$H^*=H$ である。$\square$

$k=2$ では、$H$ は Wilcoxon検定 の順位和を標準化したものの 2 乗になる。

2 群の場合

$k=2$ で同じ値がないとき、群 2 の順位和を $W:=R_2$ とすると
$$ H=\frac{\bigl(W-\frac{n_2(N+1)}2\bigr)^2}{\frac{n_1n_2(N+1)}{12}} $$
である。右辺の分母は帰無仮説のもとでの $W$ の分散なので(Wilcoxon検定 の定理「順位和の帰無分布・平均・分散」)、$H$ が大きいときに棄てる検定は、順位和検定の両側検定と同じである。

$\delta_i:=n_i(\bar R_i-\frac{N+1}2)=R_i-\frac{n_i(N+1)}2$ とおくと、$R_1+R_2=\frac{N(N+1)}2$ から $\delta_1+\delta_2=0$ である。$D:=\delta_2=W-\frac{n_2(N+1)}2$ とすると
$$ \sum_in_i\Bigl(\bar R_i-\frac{N+1}2\Bigr)^2=\frac{\delta_1^2}{n_1}+\frac{\delta_2^2}{n_2}=D^2\,\frac{n_1+n_2}{n_1n_2}=\frac{ND^2}{n_1n_2} $$
で、$H=\frac{12}{N(N+1)}\cdot\frac{ND^2}{n_1n_2}=\frac{12D^2}{n_1n_2(N+1)}$ である。$\square$

主定理:カイ二乗分布への収束

証明の鍵は、順位の和を独立な一様変数の和と、小さい残りに分けることである。$H_0$ のもとで共通の分布関数を $F$ とし、$U_j:=F(Z_j)$ とおく。$F$ が連続なので $U_j$ は独立に $(0,1)$ の 一様分布 に従い、$Z_j< Z_l$ なら $U_j\le U_l$ で、$U_j$ は確率 $1$ ですべて異なるから、$Z$ と $U$ の順位は確率 $1$ で一致する。以下 $Z_j=U_j$ とする。

順位和の分解

$H_0$ のもとで同じ値がないとし、添字の集合 $G$(大きさ $n$)について $R_G:=\sum_{j\in G}R_j$、$\bar U:=\frac1N\sum_{l=1}^NU_l$ とおく。このとき
$$ R_G-\frac{n(N+1)}2=N\sum_{j\in G}(U_j-\bar U)+\Psi_G,\qquad E[\Psi_G^2]=\frac{n(N-n)}{12} $$
となる確率変数 $\Psi_G$ がある。

大小の指示関数を 3 つの部分に分ける

確率 $1$ で $R_j=1+\sum_{l\ne j}\mathbf 1_{\{U_l< U_j\}}$ である。$\psi(u,v):=\mathbf 1_{\{v< u\}}-u+v-\frac12$ とおくと
$$ \mathbf 1_{\{U_l< U_j\}}=\frac12+\Bigl(U_j-\frac12\Bigr)-\Bigl(U_l-\frac12\Bigr)+\psi(U_j,U_l) $$
である。$s:=\sum_{l=1}^N(U_l-\frac12)$ とし、$j\in G$、$l\ne j$ について足すと、定数の部分は $\frac{n(N-1)}2$、第 2 項は $(N-1)\sum_{j\in G}(U_j-\frac12)$、第 3 項は $-\sum_{j\in G}\bigl(s-(U_j-\frac12)\bigr)=-ns+\sum_{j\in G}(U_j-\frac12)$ になる。第 2 項と第 3 項の和は $N\sum_{j\in G}(U_j-\frac12)-ns=N\sum_{j\in G}(U_j-\bar U)$ で、定数の部分に $R_j$ の $1$ の $n$ 個を足すと $\frac{n(N+1)}2$ である。残りは
$$ \Psi_G:=\sum_{j\in G}\sum_{l\ne j}\psi(U_j,U_l)=\sum_{j\in G}\sum_{l\notin G}\psi(U_j,U_l) $$
である。2 つ目の等号は、$u\ne v$ で $\psi(u,v)+\psi(v,u)=\mathbf 1_{\{v< u\}}+\mathbf 1_{\{u< v\}}-1=0$ なので、$j,l$ がともに $G$ に入る項が打ち消し合うことによる。
$\psi$ は有界で、$E[\psi(u,U)]=u-u+\frac12-\frac12=0$、$E[\psi(U,v)]=(1-v)-\frac12+v-\frac12=0$($U$ は一様)である。$\Psi_G$ の 2 つの項 $\psi(U_j,U_l)$、$\psi(U_{j'},U_{l'})$($j,j'\in G$、$l,l'\notin G$、組は異なる)は、添字を共有しなければ独立で平均 $0$ なので積の平均は $0$ である。1 つだけ共有する場合、たとえば $j=j'$ なら、$U_j$ で条件付けると 2 つは条件付きで独立で、条件付き平均はどちらも $0$ なので、積の平均は $0$ である($l=l'$ でも同じ)。よって $E[\Psi_G^2]=n(N-n)E[\psi(U_1,U_2)^2]$ である。$\alpha:=\mathbf 1_{\{U_2< U_1\}}-\frac12$、$\beta:=U_1-\frac12$、$\gamma:=U_2-\frac12$ とすると $\psi=\alpha-\beta+\gamma$ で、$E[\alpha^2]=\frac14$、$E[\beta^2]=E[\gamma^2]=\frac1{12}$、$E[\alpha\beta]=E[\beta^2]=\frac1{12}$($U_1$ で条件付けると $E[\alpha\mid U_1]=\beta$)、$E[\alpha\gamma]=-\frac1{12}$(同様に $E[\alpha\mid U_2]=-\gamma$)、$E[\beta\gamma]=0$ だから
$$ E[\psi^2]=\frac14+\frac1{12}+\frac1{12}-\frac2{12}-\frac2{12}=\frac1{12} $$
である。$\square$

帰無分布の極限

$k\ge2$ を固定し、$N\to\infty$ のとき $n_i/N\to\lambda_i\in(0,1)$($i=1,\dots,k$)とする。$H_0$「$N$ 個は独立で同じ連続な分布に従う」のもとで
$$ H\Rightarrow\chi^2_{k-1} $$
である。

一様変数の和への帰着と射影

$G_i$ を群 $i$ の添字の集合とし、$\lambda_i^{(N)}:=n_i/N$ とおく。lem-kw-hoeffding を $G=G_i$ に使い、$N^{3/2}$ で割ると
$$ \frac{R_i-\frac{n_i(N+1)}2}{N^{3/2}}=L_i+\varepsilon_i,\qquad L_i:=\frac1{\sqrt N}\sum_{j\in G_i}(U_j-\bar U),\qquad E[\varepsilon_i^2]=\frac{n_i(N-n_i)}{12N^3}\le\frac1{48N} $$
である。def-kw-main の第 1 の式に $n_i(\bar R_i-\frac{N+1}2)^2=\frac{(R_i-n_i(N+1)/2)^2}{n_i}$ を入れて
$$ H=\frac N{N+1}\sum_{i=1}^k\frac{12\,(L_i+\varepsilon_i)^2}{\lambda_i^{(N)}} $$
となる。
線形の部分。 $V_i:=\sqrt{12/n_i}\,\sum_{j\in G_i}(U_j-\frac12)$ とおく。$U_j-\frac12$ は独立で平均 $0$、分散 $\frac1{12}$ なので、中心極限定理 により各 $V_i\Rightarrow N(0,1)$ で、$V_1,\dots,V_k$ は独立だから特性関数の積を考えて $V:=(V_1,\dots,V_k)\Rightarrow\zeta\sim N_k(0,I_k)$ である。$\bar U-\frac12=\frac1N\sum_l\sqrt{n_l/12}\,V_l$ を使うと
$$ Y_i:=\sqrt{\frac{12}{\lambda_i^{(N)}}}\,L_i=V_i-\sqrt{\lambda_i^{(N)}}\sum_{l=1}^k\sqrt{\lambda_l^{(N)}}\,V_l $$
である。$q_N:=(\sqrt{\lambda_1^{(N)}},\dots,\sqrt{\lambda_k^{(N)}})$ は単位ベクトルで、$Y=(I_k-q_Nq_N^{\top})V$ と書ける。$q_N\to q:=(\sqrt{\lambda_1},\dots,\sqrt{\lambda_k})$ は確率的でないので、$(q_N,V)\Rightarrow(q,\zeta)$ で、連続写像 $(x,v)\mapsto\lvert(I_k-xx^{\top})v\rvert^2$ を通して $\lvert Y\rvert^2\Rightarrow\lvert P\zeta\rvert^2$($P:=I_k-qq^{\top}$)である。$P$ は $q^{\perp}$($k-1$ 次元)への直交射影である。$Oq=e_k$ となる直交行列 $O$ をとると $O\zeta\sim N_k(0,I_k)$ で、$\lvert P\zeta\rvert^2=\lvert OPO^{\top}O\zeta\rvert^2$ は $O\zeta$ の最初の $k-1$ 成分の 2 乗和だから $\chi^2_{k-1}$ に従う。
残りの部分。 $\frac{12(L_i+\varepsilon_i)^2}{\lambda_i^{(N)}}=\bigl(Y_i+\eta_i\bigr)^2$、$\eta_i:=\sqrt{12/\lambda_i^{(N)}}\,\varepsilon_i$ で、$\lambda_i^{(N)}\to\lambda_i>0$ と $E[\varepsilon_i^2]\to0$ から $\eta_i\to0$(確率収束)である。$Y_i$ は分布収束するので確率有界で、$(Y_i+\eta_i)^2-Y_i^2=2Y_i\eta_i+\eta_i^2\to0$(確率収束)。$\frac N{N+1}\to1$ と合わせ、Slutsky の補題により $H$ と $\lvert Y\rvert^2$ は同じ極限 $\chi^2_{k-1}$ をもつ。$\square$

自由度が $k$ でなく $k-1$ なのは、順位の総和が一定($\sum_iR_i=\frac{N(N+1)}2$)で、$Y$ が $q_N$ に直交する $k-1$ 次元に入るからである。分散分析 の群間平方和の自由度が $k-1$ になるのと同じ理由である。

順位の分散分析との関係

順位 $a_{ij}$ に一元配置の分散分析を当てると、群間平方和 $B:=\sum_in_i(\bar a_i-\bar a)^2$ と全平方和 $Q:=\sum_{i,j}(a_{ij}-\bar a)^2$ から $F$ 統計量 $\frac{B/(k-1)}{(Q-B)/(N-k)}$ が作られる。$H^*=(N-1)B/Q$ なので
$$ F=\frac{N-k}{k-1}\cdot\frac{H^*}{N-1-H^*} $$
で、$F$ は $H^*$ の増加関数である。2 つの検定は統計量の大小の順序が同じで、違うのは比べる点($F$ 分布の点か、$H^*$ の帰無分布の点か)だけである。順位に変換して分散分析をすると Kruskal–Wallis 検定に近いことは Mur25 §3.10.3.4(p. 138)と Table 3.2(p. 137)にもある。

計算の手順

  1. $N$ 個を合わせて小さい順に並べ、順位を付ける。同じ値には中間順位を与え、同じ値の組の大きさ $t$ を記録する。
  2. 群ごとの順位の和 $R_i$ から $H=\frac{12}{N(N+1)}\sum_i\frac{R_i^2}{n_i}-3(N+1)$ を求める。同じ値があれば $C=1-\frac{\sum(t^3-t)}{N^3-N}$ で割って $H^*$ にする。
  3. 群が小さいときは、$\frac{N!}{n_1!\cdots n_k!}$ 通りの割り当てを数えて正確な $p$ 値 $P(H\ge H_{\mathrm{obs}})$ を求める。群がどれも大きいときは $\chi^2_{k-1}$ の上側確率で近似する。
  4. $H_0$ を棄てたら、どの群が違うかを 2 群ずつの Wilcoxon検定 で調べる。そのときは検定の数で水準を調整する(多重検定)。

例題

3 群の比較

3 種類の肥料 A・B・C の苗の高さが A:$6.2,7.1,5.8$、B:$8.4,9.0,7.6$、C:$5.1,6.0,4.7$ である($n_i=3$、$N=9$)。
使う公式:def-kw-main、thm-kw-mean、thm-kw-asymp。
答え:順位は A:$5,6,3$、B:$8,9,7$、C:$2,4,1$ で、$R_A=14$、$R_B=24$、$R_C=7$。
$$ H=\frac{12}{90}\cdot\frac{14^2+24^2+7^2}{3}-30=\frac{292}{45}\approx6.489 $$
$\{1,\dots,9\}$ を 3 個ずつに分ける $1680$ 通りのうち $H\ge\frac{292}{45}$ となるのは $18$ 通りで、正確な $p$ 値は $\frac{18}{1680}\approx0.0107$ である。$\chi^2_2$ による近似では $p\approx e^{-H/2}\approx0.0390$ で、群が小さいと近似はかなりずれる。1680 通りについての $H$ の平均はちょうど $2$ で、thm-kw-mean に合う。この大きさでの正確な水準 $5\%$ の棄却域は $H\ge5.6$(確率がちょうど $0.05$)である。

使える条件と反例

各行は条件を 1 つだけ外し、定理の結論(平均が $k-1$、または $\chi^2_{k-1}$ への収束)が成り立たないことを示す。

外す条件反例成り立たなくなる結論
(iii) 連続な分布(補正なし)$k=3$、$n_i=10$、値は $0,1$ を $\frac12$ ずつ。中間順位でそのまま $H_{\mathrm{mid}}$ を計算する$E[H_{\mathrm{mid}}]=2E[C]\approx1.452$ で、thm-kw-mean の $E[H]=k-1=2$ にならない。$\chi^2_2$ の $5\%$ 点での棄却の確率は約 $0.016$
(ii) 同じ分布$k=2$、$X\sim N(0,1)$、$Y\sim N(0,9)$、$n_1=n_2=20$(中央値は等しい)$E[H]\approx1.153$ で、「中央値が等しい」を帰無仮説とみると thm-kw-mean の $E[H]=1$ が成り立たない
(iv) すべての群が大きい$k=3$、$n=(1,1,N-2)$、$N\to\infty$$H$ は $12\bigl((U_1-\frac12)^2+(U_2-\frac12)^2\bigr)$($U_1,U_2$ は独立に一様)に分布収束し、$\chi^2_2$ に収束しない。$\chi^2_2$ の $5\%$ 点を超える確率は約 $1.0\times10^{-6}$ に近づく
反例の確かめを開く

1 行目:値の集まりを固定すると $H_{\mathrm{mid}}=C\,H^*$ で、thm-kw-mean により $E[H^*\mid\text{値の集まり}]=2$(すべて同じ値なら $C=0$、$H_{\mathrm{mid}}=0$)。$0$ の個数 $t\sim\mathrm{Bin}(30,\frac12)$ について $E[C]=1-E\bigl[\frac{t^3-t+(30-t)^3-(30-t)}{30^3-30}\bigr]\approx0.7258$。棄却の確率は 20 万回の模擬。2 行目:prop-kw-two により $H=\frac{(U-200)^2}{V_0}$、$V_0=\frac{20\cdot20\cdot41}{12}\approx1366.7$($U$ は Mann–Whitney の統計量、$E[U]=200$)。$V[U]\approx1575.6$ は Wilcoxon検定 の反例の確かめの値で、$E[H]=1575.6/1366.7\approx1.153$。3 行目:$i=1,2$ では $\frac{12}{N(N+1)}(R_i-\frac{N+1}2)^2$ が $12(U_i-\frac12)^2$ に分布収束し($(R_1,R_2)/N$ は異なる 2 数の一様な対で、独立な一様変数の対に分布収束する)、群 3 の項は $\delta_1+\delta_2+\delta_3=0$ から $\frac{12}{N(N+1)}\cdot\frac{(\delta_1+\delta_2)^2}{N-2}\le\frac{12(N-2)}{N(N+1)}\to0$($\delta_i:=R_i-\frac{n_i(N+1)}2$、$\lvert\delta_1+\delta_2\rvert\le N-2$)。極限は $6$ 以下の値しかとらず、$\chi^2_2$ の $5\%$ 点 $5.991$ を超えるのは正方形の 4 隅の面積 約 $1.0\times10^{-6}$ の部分だけ。

よくある誤り

誤り正しくはなぜ
「中央値が等しい」ことの検定とみなす帰無仮説は「$k$ 群が同じ分布」反例の表の 2 行目
同じ値が多いのに補正しない$C$ で割った $H^*$ を使う反例の表の 1 行目。補正なしでは保守的になる
小さい群で $\chi^2_{k-1}$ の点を使う正確な分布を使うex-kw-three で正確な $p\approx0.0107$、近似 $0.0390$
自由度を $k$ とする$k-1$thm-kw-asymp の射影の階数
対応のある $k$ 個の測定(同じ人の繰り返し)に使う群がすべて独立という条件 (i) を確かめる順位の一様性は独立性から出る

関連項目

参考文献

[1]
William H. Kruskal; W. Allen Wallis, Use of Ranks in One-Criterion Variance Analysis, Journal of the American Statistical Association 47 (1952), no. 260, pp. 583–621, 1952

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する