引きこもり長男・次男調査（令和X年）
この表では、データを悪意をもって見せているといわれても仕方ありません。というのも、当然「引きこもりでない」と回答した人達もいて、以下のように開示できたからです。
本表では、見方が全く変わってきますね。長男・次男に関わらず、全体の1割が引きこもりであることが分かります。また単純に、長男は次男に比べて多いため（1人っ子は全て長男）このような結果になると考察できます。
このように、全回答データを見せないことは大きな誤解をもたらします。それを防ぐために、全ての回答データを開示する表は、クロス集計表と呼ばれます。
目次
Step # 1：CHITESTを使う前の基本情報
ここで、一つ目の基本情報。この仮説は統計学のマナーで、次の2つに分類されるの。
1：対立仮説と帰無仮説
1. 対立仮説（Alternative Hypothesis：もう一方の仮説）
2. 帰無仮説（Null(ifiable) Hypothesis：無効（かもしれない）仮説）
・〜ないで終わるのが帰無仮説
・CHITEST関数は、この内帰無仮説が正しいかどうかを判定する
2：カイ二乗検定とは
ところで、χ2 とはカイ二乗値（χ2）のことですが、これはCHITEST関数が出す答え（P値）とは異なります。P値とはχ2を比率変換したもので、わかりやすくするための処置なのです。
以下では、カイ二乗検定の２つのタイプごとに、χ2を求めます。
1. 適合度の検定（Goodness of Fit Test：（期待値との）適合の善良性検定）
例：ジャンケンを24回し、観測された値が4勝13敗7引分である時、期待値（確率1/3のそれぞれ8回）とどれだけ適合しているか検定する。ここでの仮説は以下である。
帰無仮説：観測値と期待値の間に、重大な差はない。
対立仮説：観測値と期待値の間に、重大な差がある。
Ex.
1. 期待値・観測値表から、 カイ二乗（χ2）値を求める。
（χ2は、個々の観測値と期待値の差を二乗したものを期待値で割り、足すことで求められます。）
2. カイ二乗（χ2）値を、以下の関係表からP値に変換し、帰無仮説を棄却できるかを調べる。
（もしP値が0.05（5%）を下回れば、帰無仮説を棄却できる。この0.05（有意水準）は慣例的に統計で用いられる。左軸の自由度（n-1）とは、選択肢で独立している変数の数。今回変数は3つ（勝・負・引分）あるが、内2つがわかれば3つ目もわかるので、自由度は2。）
各自由度ごとの、カイ二乗（χ2）値とP値（0.99〜0.01）の関係表
今回のχ2値は、5.25で、有意水準0.05を示す5.991よりも低い。つまり、0.05＜P値＜0.1なので、「帰無仮説：観測値と期待値の間に、重大な差はない。」を棄却（否定）できない。
・χ2をP値にすることで、その事象がおこる確率（P値）がわかる
・CHITEST関数だと、P値を上のプロセス無しで直接求められる
2. 独立性の検定（test for independence：独立への検定）
帰無仮説：「男・女であること」と、「共感能力の高い低い」には、重大な関係はない。
対立仮説：「男・女であること」と、「共感能力の高い低い」には、重大な関係がある。
CHITESTは、この帰無仮説を否定できるかどうかを、数値にして教えてくれる関数です。
先ほどのように、ここで調査を行い、カイ二乗（χ2）を計算した後に関係表から有意水準に当てはめてもいいのですが、CHITESTは、この過程を省略して、一気にその有意水準（P値）を教えてくれる関数です。
この否定できるかの基準値（有意基準）は0.05（5%）で、これより下であると否定できます。
この5%は、観測された結果になる可能性が5％（期待値との解離度合いに基づいて）よりも低いから、これは極めてまれであって、帰無仮説を否定できる（重大な差がある（適合度の場合）、重大な関係がある（独立性の場合））ことを示します。もし本例でCHITESTの答えが0.05を下回ったとすると、「男性か女性かは、共感応力の高低に関係がない」を否定（ないの打ち消し＝ある） → 対立仮説「男性か女性かは、共感応力の高低に関係がある」可能性を示唆します。
Step # 2： CHITEST関数（独立性の検定）のつかいかた
1：観測値の表をつくる
今回は、「キャッチコピーの有無は、購買するかしないかに関係がある」という対立仮説をたて、調査を実施したとしましょう。
ちなみに、この帰無仮説は「キャッチコピーの有無は、購買するかしないかに関係がない」ですね。CHITESTは、これを否定できるかを教えてくれます。
キャッチコピー購買率調査（観測値, O）
上の結果が得られました。なんとなく、「キャッチコピーがあると、購買率が高くなる」ような気がしますが、購入しなかった人も多いので、確信は持てません…。次に期待値の表をつくります。
2：期待値の表をつくる
期待値は「（売上がキャッチコピーとか関係なく）平均通りであれば、こうなっただろうという数」です。
キャッチコピー購買率調査（期待値, O）
つまり、購買率の平均は2日間で550人/3600人=0.153（15.3%）ですね。もしキャッチコピー有りの日の購入人数も、この平均通りであれば、来客者2100人の内、15.3%、よって「2100*550/3600 = 321人」が購入するはずですね。これが、期待値上の購入人数になります。
3：CHITEST関数を使用する
さて、ここで観測値と期待値の差分を求めて…というカイ二乗を求める数式に入ってもいいのですが、ここを省略するためにCHITEST関数があります。観測値と期待値の表さえあれば、カイ二乗を求めることなく、帰無仮説を検定する基準値（P値）を教えてくれます。
観測値・期待値表から、CHITESTを行う
よって、対立仮説：「キャッチコピーの有無は、購買するかしないかに関係がある」は認められる
0.006は、有意水準0.05よりも小さいので、帰無仮説：「キャッチコピーの有無は、購買するかしないかに関係がない」を否定できる！つまり、「キャッチコピーの有無は、購買するかしないかに関係がある」と言える。
4：CHITEST関数の実践例
今回は、「江東区か品川区か渋谷区であることは、年齢別人口構成の割合に関係がある」という対立仮説をたて、調査を実施したとしましょう。
ちなみに、帰無仮説は「江東区か品川区か渋谷区であることは、年齢別人口構成の割合に関係がない」ですね。CHITESTは、これを否定できるかを教えてくれます。
都内3区アンケート回答者の年齢別人口調査（観測値, O）
アンケートによって、上の観測値（結果）が得られました。年齢別人口は各区に同じような割合で分布しており、「江東区か品川区か渋谷区であることは、年齢別人口構成の割合に関係がない」（帰無仮説は正しい）ように見えますね。
4-1：期待値表をつくる
期待値は「（年齢別人口割合が区に関係なく）平均通りであれば、こうなっただろうという数」です。
都内3区年齢別人口（期待値, O）
観測値・期待値表から、CHITESTを行う
よって、対立仮説：「江東区か品川区か渋谷区であること」と「年齢別人口構成の割合」には重大な関係がある、は認められない。
0.741は、有意水準0.05よりも大きいので、帰無仮説：「江東区か品川区か渋谷区であることは、年齢別人口構成の割合に関係がない」、を否定できない！つまり、「江東区か品川区か渋谷区であることは、年齢別人口構成の割合に関係がある」、とは言えない。
