統計的推測の全体像

Stage 2 — 第1章 | 統計検定2級チートシート推定学習時間：45〜60分 | 難易度：★★☆☆☆

この章で学ぶこと

統計検定2級の中心にあるのは、手元のデータから母集団の性質を推測する考え方です。平均や分散を計算するだけなら記述統計ですが、試験ではその先の「母集団ではどうなっているか」「どのくらい不確実か」まで問われます。

この章を終えると、こんなことができるようになります：

記述統計と推測統計の違いを説明できる
母集団、標本、標本平均、母数の関係を整理できる
なぜ確率モデルを置くのかを理解できる
有限母集団と無限母集団の違いを説明できる
標本平均の分散と標準誤差が重要な理由を理解できる

1. 統計学は「標本から母集団を推測する」ための道具

ある企業が新商品の需要を知りたいとします。全国の全世帯に調査できれば理想ですが、現実には時間も費用もかかりすぎます。そこで、一部の世帯を標本として選び、そのデータから全体の傾向を推測します。

このとき重要なのは、手元の標本平均そのものではなく、母集団の平均がどのくらいかです。

用語	意味	例
母集団	本当に知りたい対象全体	全国の全世帯
標本	実際に観測した一部	無作為に選んだ1,000世帯
母数	母集団の未知の値	母平均 $\mu$、母分散 $\sigma^2$
統計量	標本から計算する値	標本平均 $\bar{X}$、標本分散

統計的推測とは、標本から計算した統計量を使って、未知の母数を推測することです。

関連教材（青の統計学）

統計学超入門（動画）

統計学基礎（動画）

統計学とは？文系でもわかる第一歩（記事）

2. 記述統計と推測統計の違い

記述統計は、手元のデータを要約します。平均、中央値、標準偏差、ヒストグラムなどが代表例です。

推測統計は、手元のデータの背後にある母集団を考えます。推定、信頼区間、仮説検定が代表例です。

区分	問い	使うもの
記述統計	手元のデータはどうなっているか	平均、中央値、分散、グラフ
推測統計	母集団ではどうなっているか	確率分布、標本分布、推定、検定

たとえば、1,000人の平均身長が170cmだったとしても、母集団全体の平均身長が正確に170cmとは限りません。標本の取り方によるブレがあるからです。

このブレを扱うために、確率モデルが必要になります。

初学者がつまずきやすい点

記述統計で出てくる平均や分散は、あくまで「手元のデータの要約」です。一方、推測統計で知りたいのは、その背後にある母集団の平均や分散です。

統計検定2級では、標本平均を計算したあとに「その値をどれくらい信用できるか」「母集団の値としてどの範囲を考えるべきか」が問われます。ここで、標本平均と母平均を同一視しないことが重要です。

3. なぜ確率モデルを置くのか

標本は、母集団から偶然に選ばれたものです。つまり、標本平均も固定された値ではなく、標本の取り方によって変わる確率変数と考えられます。

標本平均は次のように定義されます。

\bar{X}=\frac{1}{n}\sum_{i=1}^{n}X_i

ここで $X_1, X_2, \ldots, X_n$ は、母集団から取り出した確率変数です。

母平均が $\mu$、母分散が $\sigma^2$ のとき、独立同一分布を仮定できれば、標本平均の期待値と分散は次のようになります。

E[\bar{X}]=\mu

Var(\bar{X})=\frac{\sigma^2}{n}

標本サイズ $n$ が大きくなると、標本平均の分散は小さくなります。これが「標本を増やすと推定が安定する」理由です。

なぜ標本平均の分散は $\sigma^2/n$ になるのか

標本平均は、$n$ 個の確率変数を足してから $n$ で割ったものです。独立な確率変数の和の分散は足し算できるため、

Var(X_1+\cdots+X_n)=n\sigma^2

となります。一方、平均にするために全体を $n$ で割ると、分散では係数が2乗で効きます。

Var\left(\frac{X_1+\cdots+X_n}{n}\right)=\frac{1}{n^2}\cdot n\sigma^2=\frac{\sigma^2}{n}

つまり、標本を増やすと、個々のデータのばらつきが消えるわけではなく、平均という推定量のばらつきが小さくなるということです。

関連教材（青の統計学）

i.i.dって何？（動画）

共変量シフトって結局なんなのか？｜i.i.dを正しく理解する（記事）

4. 有限母集団と無限母集団

母集団には、有限母集団と無限母集団があります。

種類	意味	例
有限母集団	対象数が有限	学校の全生徒、全国の全世帯
無限母集団	観測を理論上何度でも繰り返せる	製品重量の測定誤差、サイコロを振る試行

無限母集団、または復元抽出に近い状況では、標本平均の分散は次の形になります。

Var(\bar{X})=\frac{\sigma^2}{n}

一方、有限母集団から非復元抽出する場合は、同じ対象を二度選ばないため、標本平均の分散が少し小さくなります。この補正を有限母集団修正と呼びます。

母集団分散を分母 $N-1$ で

S_N^2=\frac{1}{N-1}\sum_{i=1}^{N}(X_i-\bar{X}_N)^2

と定義すると、

Var(\bar{X})=\left(1-\frac{n}{N}\right)\frac{S_N^2}{n}

となります。ここで $N$ は母集団サイズ、$n$ は標本サイズです。分母 $N$ で定義した母集団分散を使う場合は有限母集団修正の係数が変わるため、分散の定義を先に確認します。

[図1] 母集団から標本平均の分布へ

関連教材（青の統計学）

有限母集団修正についてわかりやすく解説（記事）

有限母集団修正（動画）

5. 標本平均の分散がなぜ重要か

統計検定2級では、標本平均の分散が何度も出てきます。理由は、推定と検定の誤差幅が標本平均のばらつきで決まるからです。

標本平均の標準偏差を、標準誤差と呼びます。

SE=\frac{\sigma}{\sqrt{n}}

母分散が未知の場合は、標本標準偏差 $S$ を使って近似します。

SE=\frac{S}{\sqrt{n}}

標準誤差が小さいほど、標本平均は母平均の近くに集まりやすくなります。信頼区間の幅も狭くなり、検定でも差を見つけやすくなります。

関連教材（青の統計学）

標準誤差とは？（動画）

母平均の区間推定と検定（記事）

サンプルサイズ設計ツール

6. 中心極限定理への橋渡し

母集団の分布が正規分布でなくても、一定の条件のもとで標本平均の分布は標本サイズが大きくなるほど正規分布に近づきます。これが中心極限定理です。

\frac{\bar{X}-\mu}{\sigma/\sqrt{n}}\approx N(0,1)

この性質があるため、母平均の推定や検定で正規分布を使える場面が多くなります。ただし、中心極限定理は「どんな小標本でも正規分布としてよい」という意味ではありません。標本サイズ、母集団分布の偏り、外れ値の影響を確認する必要があります。

関連教材（青の統計学）

中心極限定理についてわかりやすく解説（記事）

中心極限定理（動画）

7. 統計検定2級でこの章が効く問題

この章の考え方は、次のような問題で効きます。

標本平均の期待値や分散を問う問題
有限母集団修正を使うか判断する問題
標準誤差、信頼区間、サンプルサイズの関係を問う問題
母分散既知/未知で参照分布を切り替える問題
中心極限定理を使って正規近似する問題

特に、標本平均の分散 $\sigma^2/n$ と標準誤差 $\sigma/\sqrt{n}$ は、後の推定・検定の章で何度も使います。

試験で問われやすいポイント

記述統計は手元のデータの要約、推測統計は母集団への一般化
標本平均は標本の取り方で変わる確率変数として扱う
$E[\bar{X}]=\mu$、$Var(\bar{X})=\sigma^2/n$ をすぐ使えるようにする
有限母集団から非復元抽出する場合は有限母集団修正を考える
標準誤差は標本平均のばらつきで、信頼区間や検定の土台になる

この章のあとに解きたい演習

本文を読んだら、次の問題で「公式を選ぶ」「条件を読む」「計算する」練習に移りましょう。