1 基本概念
不偏分散は、標本から母分散を推定するための基本的な統計量である。標本の散らばり具合を数値化する点では通常の分散と同じだが、母集団全体の分散に対して平均的に過大・過小にならないよう調整されている。統計学では、標本をもとに未知の母数を推定する場面で重要な役割を果たす。
1.1 分散の定義
分散は、各データが平均からどれだけ離れているかを二乗して平均した値である。値が大きいほど、データは平均の周囲に広がっている。二乗を用いるのは、正負のずれを相殺せず、離れ具合の大きさを強調するためである。
1.2 不偏分散の定義
不偏分散は、標本平均からの偏差平方和を、標本数から1を引いた値で割って得られる分散の推定量である。標本平均を同じデータから求めているため、その分だけ自由に動ける情報が1つ減ると考えられる。この補正により、期待値が母分散に一致する。
1.3 標本分散との違い
標本分散という語は、分母に標本数を用いる定義を指すことがある。この場合、母分散の推定値としては一般に小さめに出る傾向がある。不偏分散は分母を標本数から1減らすことで、そのずれを修正した形になっている。
2 理論的背景
不偏分散の考え方は、推定量の偏りを抑えることにある。標本から計算した値が、母集団の真の値を平均的にどの程度再現するかを重視する点に特徴がある。
2.1 不偏性の考え方
不偏性とは、推定量の期待値が推定対象の母数と一致する性質をいう。個々の標本では真の値とずれることがあっても、標本を無数に取り替えて平均すると、正しい値に収束することを意味する。
2.1.1 期待値との関係
不偏推定量では、推定量そのものの平均が母数に一致するかどうかが基準になる。母分散を推定する場合、単純な平均では標本平均を使うことによる縮小効果が生じるため、そのままでは一致しない。そこで係数を調整し、平均的に正しい水準へ合わせる。
2.1.2 偏りの補正
偏りの補正は、分母を標本数ではなく標本数から1引いた値にすることで実現される。この1の差は小さく見えるが、標本サイズが小さいと影響が大きい。補正を入れることで、推定値が全体として母分散に近づく。
2.2 自由度との関係
自由度は、データのうち独立に変えられる情報の数を表す。標本平均を計算すると、各データはその平均を中心に配置されるため、偏差の総和に制約が生じる。不偏分散の分母に現れる「n−1」は、この制約を反映している。
2.2.1 標本平均による制約
標本平均との差をすべて足し合わせると、必ず0になる。したがって、偏差のうち最後の1個は他の値が決まると自動的に定まる。平均を推定に使った時点で、独立な情報が1つ失われるとみなせる。
2.2.2 自由度が1減る理由
自由度が1減るのは、標本平均がデータから推定されているためである。もし平均が既知なら、各偏差は独立に扱いやすいが、未知の平均を標本から求めると、その分だけ分散の推定に使える情報が減る。このため分母をnではなくn−1にする。
3 計算方法
不偏分散は、手順に従えば比較的単純に計算できる。まず平均を求め、その後に各値の平均との差を二乗して合計し、最後に自由度で割る。
3.1 計算式
標本を x1, x2, …, xn とすると、不偏分散は標本平均 x̄ を用いて表される。偏差平方和を n−1 で割る形が基本である。
3.1.1 標本平均との差の二乗和
各データ xi から標本平均 x̄ を引き、その差を二乗して足し合わせる。これにより、データ全体の散らばりの大きさが求められる。差を二乗することで、正負の方向の違いを無視して広がりを測る。
3.1.2 分母における標本数から1の減算
偏差平方和をnで割るのではなくn−1で割る点が不偏分散の要点である。標本平均を同じデータで求めたことによる情報の消費を補うため、この修正が入る。結果として、母分散の推定値として扱いやすくなる。
3.2 手計算の手順
小規模なデータであれば、段階を追って計算すればよい。計算の流れを整理すると、誤りを減らしやすい。
3.2.1 標本平均の算出
まず、すべてのデータを合計し、標本数で割って平均を求める。これは散らばりの基準点を決める作業にあたる。以後の計算は、この平均を中心に進める。
3.2.2 偏差平方和の算出
各データから平均を引いて偏差を出し、それぞれを二乗して合計する。負の値も正の値も同じ強さとして扱われるため、ばらつきの大きさを一貫して評価できる。
3.2.3 不偏分散の算出
得られた偏差平方和を標本数から1を引いた値で割れば、不偏分散が得られる。最終的な値は、データ全体の広がりを母集団の尺度に近づけた推定量となる。
3.3 計算例
たとえば、データが 2, 4, 6 の3個であるとする。平均は4で、偏差は −2, 0, 2 となる。二乗して足すと8であり、これを 3−1=2 で割るので、不偏分散は4になる。なお、同じデータをnで割る通常の分散は約2.67となり、値が小さく出る。
4 関連する統計量
不偏分散は、他の基本統計量と密接に結びついている。とくに標準偏差や母分散との関係を理解すると、意味が明確になる。
4.1 標準偏差
標準偏差は、分散の平方根である。単位が元のデータと同じになるため、解釈しやすい。ばらつきの大きさを直感的に示す指標として広く使われる。
4.2 不偏標準偏差
不偏分散の平方根を不偏標準偏差と呼ぶことがある。ただし、平方根を取った量は一般に厳密な不偏性を保たない。実務では、分散の不偏性と解釈しやすさの両面から利用される。
4.3 母分散
母分散は、母集団全体について定義される真の分散である。標本から計算する不偏分散は、その母分散を推定するための量であり、両者は目的と位置づけが異なる。
4.4 標本平均
標本平均は、データの中心を表す量である。不偏分散の計算では、この平均を基準に偏差を求める。平均自体が推定量であるため、分散の自由度に影響する。
5 性質
不偏分散には、推定量としての明確な性質がある。特に標本数や推定精度との関係が重要である。
5.1 期待値
不偏分散の期待値は母分散に一致する。これは、標本を何度も抽出したときの平均的な振る舞いを示している。個々の標本では上下にぶれるが、平均的には正しい値を与える。
5.2 分散推定としての解釈
不偏分散は、母集団のばらつきを標本から見積もるための標準的な方法である。データの散らばりを過小評価しにくいため、推測統計の基礎として扱いやすい。実験や観測の結果を比較する際にも有用である。
5.3 標本数が少ない場合の注意点
標本数が少ないと、1の補正の影響が相対的に大きくなる。推定値のばらつきも増えやすく、個別の結果に左右されやすい。したがって、小標本では不偏性だけでなく安定性も意識する必要がある。
6 応用
不偏分散は、理論統計だけでなく実務でも幅広く利用される。データの分布を把握し、後続の解析に進むための基礎量として働く。
6.1 推測統計
推測統計では、標本から母集団の性質を推定する。分散の推定は、信頼区間や仮説検定の計算にも関わるため、不偏分散は重要な出発点となる。
6.2 実験データの解析
実験では、測定値のばらつきが結果の信頼性に直結する。不偏分散を用いると、繰り返し測定の変動を比較的公平に評価できる。誤差の大きさを定量化する場面でも使われる。
6.3 品質管理
品質管理では、製品寸法や性能の変動を把握するために分散が利用される。標本から工程の安定性を確認する際、不偏分散は標準的な指標の一つである。異常なばらつきを検出する補助にもなる。
6.4 回帰分析の基礎
回帰分析では、残差の散らばりを評価するために分散が登場する。誤差項の推定では自由度調整が必要になることが多く、不偏分散の考え方が基礎を支える。推定精度の比較やモデル評価にも関係する。
7 近似と修正
不偏分散は便利だが、常に唯一の最適解というわけではない。標本サイズや目的によっては、別の推定量が選ばれることもある。
7.1 大標本での近似
標本数が十分大きい場合、nとn−1の差は小さくなる。そのため、不偏分散と通常の標本分散の差はほとんど無視できることが多い。大標本では、補正の影響は相対的に弱まる。
7.2 他の分散推定量との比較
分散の推定には複数の考え方があり、用途によって選択が変わる。目的が不偏性なのか、予測性能なのかによって、適した方法は異なる。
7.2.1 最尤推定量との違い
正規分布を仮定すると、分散の最尤推定量は分母にnを使う形になることが多い。この推定量は不偏ではないが、別の観点では扱いやすい場合がある。不偏分散は、推定値の平均的な正しさを重視する点で異なる。
7.2.2 バイアスと分散のトレードオフ
不偏性を得るための補正が、必ずしも推定精度の総合的な最良化につながるとは限らない。バイアスを小さくすると推定量の分散が大きくなる場合もある。統計では、この両者のバランスを見ながら推定量を選ぶ。
</INTERNAL_LINK_CANDIDATES> 分散（データの散らばりを表す基本量） 標本分散（標本から計算する分散） 期待値（確率変数の平均的な値） 偏り（推定量が真の値からずれる度合い） 自由度（独立に変えられる情報の数） 標準偏差（分散の平方根） 母分散（母集団全体の分散） 標本平均（標本データの平均） 推測統計（標本から母集団を推定する統計） 品質管理（工程のばらつきを管理する手法） 回帰分析（変数間の関係を調べる解析） 最尤推定量（尤度を最大にする推定量） バイアス（推定の系統的なずれ）