アンダーソン–ダーリング検定

アンダーソン–ダーリング検定（アンダーソン–ダーリングけんてい、英: Anderson–Darling test）は統計学における仮説検定の一種である ^[1]。有限個の標本が帰無仮説で提示された分布と異なっているかどうかを調べるために用いられる。同様の検定としてコルモゴロフ–スミルノフ検定（KS検定）があるが、アンダーソン–ダーリング検定では、分布の裾での一致性（テール分布の一致性）がより強く反映されるため、金融分野などのテールリスクが重要なモデルの検定に使われる。他方、KS検定と異なり、帰無仮説の分布によって統計量の基準値が変わることに注意が必要。

検定統計量

${\displaystyle \{X_{1}<\cdots <X_{n}\}}$を標本データ（ただし昇順にソート済み）とし、帰無仮説の与える分布を${\displaystyle F}$とする。このとき検定統計量${\displaystyle A}$ は、

${\displaystyle A^{2}=-n-S\,,}$

ただし

${\displaystyle S=\sum _{j=1}^{n}{\frac {2j-1}{n}}\left[\ln(F(X_{j}))+\ln \left(1-F(X_{n+1-j})\right)\right]}$

で与えられる。

正規性検定

まず帰無仮説で与える分布${\displaystyle F(x)}$（ここでは正規分布を仮定している）を求める必要がある。この際、(1)平均・分散とも既知、(2)分散は既知、平均は未知、(3)平均は既知、分散は未知、(4)平均・分散とも未知、の4ケースが考えられるが、それぞれのケースによって検定量の棄却域が変わることに注意。

次に検定量${\displaystyle A^{2}}$を上述の式に従って求める。平均・分散とも未知のケース（上記ケース(4)）の場合、修正統計量として${\displaystyle {A^{*}}^{2}=A^{2}(1+4/n-25/n^{2})}$を用いることがある。

次に検定量${\displaystyle A^{2}}$（または${\displaystyle {A^{*}}^{2}}$）を基準値CVと比較する。基準値CVは(n>5のとき)次の数表で与えられる ^[2] 。

(*) ケース(2)の数値は分布が非対称な場合。

ケース(4)でn>8の場合については、修正前のA²に対するCVとして、以下に示す近似公式が与えられている ^[3]。

${\displaystyle CV=K_{\alpha }/\left(1+{\frac {0.75}{n}}+{\frac {2.25}{n^{2}}}\right).}$

${\displaystyle K_{\alpha }}$の値

有意水準${\displaystyle \alpha }$	10%	5%	1%
${\displaystyle K_{\alpha }}$	0.631	0.752	1.035

${\displaystyle A^{2}>CV}$または${\displaystyle A^{*2}>CV}$のとき帰無仮説は棄却される。すなわち、標本分布は正規分布F(x)とは異なる可能性が示唆される。

正規分布以外の検定については、ことなる基準値が適用されることに注意。

参考文献

関連項目

• コルモゴロフ-スミルノフ検定
• リリフォース検定
• シャピロ-ウィルク検定
• ジャック-ベラ検定

外部リンク

• US NIST Handbook of Statistics

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
要約統計量	連続確率分布 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック-ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数 ・ケンドールの順位相関係数 ）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法 （k-means++法 ） DBSCAN 密度推定（英語版） カーネル密度推定 （ カーネル ） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉表示 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存分析	生存関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ