ポアソン適合度検定(Poisson Goodness Of Fit)

ポアソン適合度検定は、計数データがポアソン分布に従うかどうかを判定します。ポアソン分布は、一定の時間、面積、体積、または機会の間隔内で、まれな事象が発生する回数を表す分布です。データがポアソン分布によく適合する場合は、事象が一定の平均率で、ランダムかつ独立に発生していることが確認できます。

最終レビュー

重要なポイント

ポアソン適合度検定は、計数データがポアソン分布に従うかどうかを判定します。ポアソン分布は、一定の時間、面積、体積、または機会の間隔内で、まれな事象が発生する回数を表す分布です。

このページの内容
  1. ポアソン適合度検定とは
  2. ポアソン適合度検定を使用する場面
  3. ポアソン適合度検定を正しく使用するためのガイドライン
  4. 代替手法:ポアソン適合度検定を使用すべきでない場合
  5. ポアソン適合度検定の例
  6. ポアソン適合度検定の実行方法

ポアソン適合度検定とは

ポアソン適合度検定は、計数データがポアソン分布に従うかどうかを判定します。ポアソン分布は、一定の時間、面積、体積、または機会の間隔内で、まれな事象が発生する回数を表す分布です。データがポアソン分布によく適合する場合は、事象が一定の平均率で、ランダムかつ独立に発生していることが確認できます。

一般的な用途としては、1単位あたりの欠点数、1時間あたりの顧客の来店数、1か月あたりの設備の故障数が、ポアソンモデルに従うかどうかの検定があります。ポアソンモデルは、統計的工程管理におけるc管理図とu管理図の基礎です。

簡単な定義:計数データがポアソン分布に適合するかどうかを確認する検定です。まれな事象が、安定した平均率で、ランダムかつ独立に発生していることを確認します。

ポアソン適合度検定を使用する場面

  • データが、1単位あたりの欠点数、1文書あたりの誤り数、1機械あたりの月ごとの故障数のように、(測定値ではなく)事象の個数 で構成されている場合に使用します。
  • c管理図、u管理図、またはポアソン回帰を適用する前に、ポアソン過程の仮定を検証したい 場合に使用します。
  • 事象が 機会の大きさに比べてまれ である場合に使用します。ポアソン分布は、1回の事象の確率が低く、機会の数が多い場合に適切です。
  • とくに、過分散を診断する ために使用します。データがポアソン分布への適合に大きく失敗する場合は、分散が平均を超えており、標準的なc管理図やu管理図では見逃してしまう追加の変動要因があることを示唆します。

ポアソン適合度検定を正しく使用するためのガイドライン

  • 事象は 独立 している必要があります。ある事象の発生が、次の事象の起こりやすさに影響してはなりません。
  • また、平均発生率は一定 でなければなりません。観測期間のすべてにわたって一定である必要があり、時間とともに率が変化する場合、ポアソンモデルは適切ではありません。
  • 信頼できる検定のために、各度数カテゴリーの期待度数が 1〜5以上 であることを確認してください。必要に応じて、度数の少ないカテゴリーを統合します。
  • 一般に、p値が0.05未満 の場合は、データがポアソン分布に適合しないことを示します。過分散、集中、または率の変化が原因でないかを調査してください。

代替手法:ポアソン適合度検定を使用すべきでない場合

  • 計数データが 過分散のためにポアソン分布に適合しない場合に適した手法:負の二項分布 または Laney u管理図/Laney p管理図
  • 応答が 個数ではなくカテゴリーである場合に適した手法:カイ二乗適合度検定
  • 応答が 連続値である場合に適した手法:正規性の検定または個別分布の同定
  • 事象が まれでない、または事象の発生率が高い場合、ポアソン分布の仮定が成り立たない可能性があります。次を検討してください:二項分布の検定

ポアソン適合度検定の例

品質技術者が、携帯電話1台あたりの欠点数がポアソン分布に従うかどうかを知りたいと考えています。技術者は、携帯電話300台を無作為に選び、1台あたりの欠点数を記録します。検定の手順は次のとおりです。

  1. 必要なデータを収集しました。
Poisson Goodness Of Fit — figure 1
  1.  次に、Zometric Statistical Software(https://statsai.zometric.com/)でデータを分析します。
  2.  ポアソン適合度検定を見つけるには、Statistical module> Hypothesis Test> Poisson Goodness Of Fitを選択します。
  3.  ツール内で、データとその他の入力項目を次のように入力します。
Poisson Goodness Of Fit — figure 2

5. 上記のツールを使用すると、次のような出力が得られます。

Poisson Goodness Of Fit — figure 3Poisson Goodness Of Fit — figure 4

ポアソン適合度検定の実行方法

手順は次のとおりです。

  1. Zometric Statistical Softwareにログインします:https://statsai.zometric.com/
  2. ホーム画面でStatistical Tool> Hypothesis Test >Poisson Goodness Of Fitを選択します。
  3. 次に、データを手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)してここに貼り付けます(Ctrl+V)。
  4. 必要なオプションを入力します。
  5. 最後に、ページ下部のcalculateをクリックすると、目的の結果が得られます。

ポアソン適合度検定のダッシュボードでは、画面が2つの部分に分かれています。

Poisson Goodness Of Fit — figure 5

左側にはデータペイン(Data Pane)があります。Data Paneでは、各行が1つのサブグループになります。データは手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)してここに貼り付けます(Ctrl+V)。

Load example: サンプルデータが読み込まれます。

Load File: Excelのデータを直接読み込むために使用します。

右側には、次のような多くのオプションがあります。

  • Variable 検定したい 計数データ を含む列を選択します。たとえば、1単位あたりの欠点数、1文書あたりの誤り数、検査期間ごとの1機械あたりの故障数などです。この列の各値は、定められた機会または時間間隔の中で、事象が何回発生したかを表す個数です。これは、データがポアソン分布に従うかどうかを評価するために、検定が使用する主な入力です。この項目は必須です。
  • Frequency Variable 各個数の値の 度数、すなわち、それぞれの個数がデータセットに何回現れたかを含む列を選択します。この項目は任意で、データが個々の観測値として列挙されているのではなく、すでに度数分布表として集計されている場合に使用します。
  • たとえば、データが、欠点0個の個数が15回、欠点1個の個数が22回、欠点2個の個数が8回発生したことを示している場合、Variable列には個数の値(0、1、2)を、Frequency Variable列には対応する度数(15、22、8)を入力します。データが1行に1つの観測値をもつ生の形式である場合は、この項目を空欄のままにします。
  • Bar Chart of Observed and Expected Values 有効にすると、実際に観測された度数と、ポアソン分布で期待される度数を並べて比較する棒グラフを表示します。これは最も有益な視覚的出力で、観測データの形が理論上のポアソン曲線と一致しているか、大きくずれているか、またどの方向にずれているか(期待より広がっている、集中している、あるいは異なる形に歪んでいる)が、すぐにわかります。
  • Bar Chart of Each Category Contribution to the Chi-Square Value 有効にすると、個々の度数の値が 全体のカイ二乗検定統計量にどれだけ寄与しているかを示す棒グラフを表示します。最も高い棒は、ポアソン分布の期待から最も大きくずれている度数の値を表し、全体の適合が悪いことを知るだけでなく、分布がどこで崩れているかを正確に特定するのに役立ちます。過分散、過小分散、または特定の異常な度数のいずれが結果の原因となっているかを診断するのに特に有用です。
  • Display Bars from Largest to Smallest 有効にすると、寄与のグラフの棒を、寄与の大きいものから小さいものへの 降順 に並べ替えます。これにより、ポアソン分布からの逸脱に最も大きく関与している度数の値をすぐに特定でき、度数の順に棒を読むのではなく、最も重要な逸脱から先に注目できます。
  • Display Test Results 有効にすると、検定の出力全体を表示します。これには カイ二乗統計量、自由度、ポアソン平均の推定値(ラムダ)、p値 が含まれ、グラフのすぐ横に表示されます。これにより、視覚的な結果と数値的な結果を1か所で併せて確認でき、別々の出力パネルを切り替えることなく、全体の結論を解釈しやすくなります。

よくある質問

ポアソン適合度検定とは何ですか?

ポアソン適合度検定は、計数データがポアソン分布に従うかどうかを判定します。ポアソン分布は、一定の時間、面積、体積、または機会の間隔内で、まれな事象がどのくらいの頻度で発生するかを表します。適合がよければ、1単位あたりの欠点数や1か月あたりの故障数のように、事象が一定の平均率で、ランダムかつ独立に発生しているという結論が裏付けられます。

ポアソン適合度検定はどのような場合に使用しますか?

データが、測定値ではなく事象の個数であり、c管理図、u管理図、またはポアソン回帰を適用する前に、ポアソン分布の仮定を検証したい場合に使用します。過分散の診断にも使用します。データがポアソン分布への適合に明らかに失敗する場合は、分散が平均を超えており、標準的なc管理図やu管理図では見逃してしまう追加の変動要因があることを示唆します。

ポアソン適合度検定のp値はどのように解釈しますか?

p値が0.05未満の場合は、データがポアソン分布に適合しないことを示すため、過分散、集中、または率の変化が原因でないかを調査してください。出力には、カイ二乗統計量、自由度、ポアソン平均の推定値(ラムダ)、p値が示され、各カテゴリーのカイ二乗への寄与のグラフから、どの度数の値がポアソン分布の期待から最も大きくずれているかがわかります。

計数データがポアソン分布に適合しない場合は、どうすればよいですか?

過分散のためにデータがポアソン分布に適合しない場合は、負の二項分布、またはLaney u管理図やLaney p管理図を検討してください。事象がまれでない場合は、二項分布の検定を検討してください。また、信頼できる検定のために、各度数カテゴリーの期待度数が1〜5以上であることを確認し、必要に応じて度数の少ないカテゴリーを統合してください。