1 母分散の基本概念
母分散は、母集団に含まれる値の散らばりを数量化する指標である。平均値の周辺にデータがどの程度集中しているか、あるいは広く分布しているかを示すため、統計学では中心的位置を表す母平均と並ぶ基本量として扱われる。
1.1 定義と数学的表現
母分散は、各値と母平均との差を二乗し、その平均を取ったものとして定義される。確率変数 \(X\) の母平均を \(\mu\) とすると、母分散は通常 \(Var(X)=E[(X-\mu)^2]\) と表される。離散型の場合は各値とその確率の積の和、連続型の場合は確率密度に関する積分で表現される。
1.2 母平均との関係
母平均は分布の中心を示し、母分散はその中心からの広がりを示す。両者は独立した量ではあるが、平均が同じでも分散が異なれば分布の形は大きく変わる。したがって、母平均だけでは母集団の特徴を十分に記述できず、分散の把握が必要になる。
1.3 分散の直感的な意味
分散が小さい場合、値は母平均の近くに集まりやすい。逆に分散が大きい場合、値は平均から大きく離れやすく、ばらつきの大きい集団であると理解できる。二乗を用いるのは、正負のずれを打ち消さずに離れ具合を反映させるためである。
2 母分散の計算方法
母分散の求め方は、母集団のデータを直接扱う場合と、確率変数の分布から求める場合に大別される。いずれも「平均からのずれの二乗の平均」という考え方を基礎としている。
2.1 従来型の計算手順
実測データが母集団全体として与えられているなら、まず母平均を求め、各観測値との差を二乗し、それらを全体で平均する。手順自体は単純だが、値の数が多いほど計算量は増えるため、実務では表計算や統計ソフトが用いられることが多い。
2.1.1 組合せに基づく母集団データがある場合
母集団が有限個の要素から成るときは、各要素を同じ重みで扱い、平均との差の二乗を要素数で割って平均を出す。たとえば、値が \(x_1, x_2, \dots, x_N\) であれば、母平均を求めたうえで \(\frac{1}{N}\sum_{i=1}^{N}(x_i-\mu)^2\) を計算する。これは母集団全体が明示されている状況での基本形である。
2.1.2 確率変数としての定義に基づく場合
確率変数として扱うときは、値そのものではなく、各結果が生じる確率を重みとして分散を求める。離散分布なら \(\sum (x-\mu)^2p(x)\)、連続分布なら \(\int (x-\mu)^2f(x)\,dx\) という形になる。ここでは観測値の列よりも、理論分布の性質を記述する意味合いが強い。
2.2 分散の性質（非負性など）
母分散は二乗の平均であるため、負の値にはならない。値がすべて母平均と一致する場合のみ、分散は0になる。また、原点の取り方を変えても、平均との差を二乗する定義である限り、分散の値は平行移動の影響を受けない。さらに、全体に一定の倍率を掛けると、分散はその倍率の二乗に比例して変化する。
2.3 母分散と標準偏差
標準偏差は分散の平方根であり、元のデータと同じ単位で散らばりを表せる。分散は数学的な扱いやすさに優れる一方、単位が二乗になるため直感的に理解しにくいことがある。そのため、解釈や比較では標準偏差が併用されることが多い。
3 標本分散との関係
現実の統計調査では、母集団全体を観測できない場合がほとんどである。このため、限られた標本から母分散を推定する考え方が重要になる。標本分散は母分散の近似値として使われるが、計算式や性質には注意が必要である。
3.1 標本分散による推定
標本分散は、標本平均を中心に各標本値のずれを二乗して求める。これは母分散の推定量として機能するが、標本の取り方や式の違いによって値が変わる。実務上は、データの総体を直接示すのではなく、観測された一部から全体の散らばりを見積もる役割を担う。
3.2 不偏推定と母分散の関係
標本分散を母分散の推定に用いる際、分母を標本サイズ \(n\) にする方法と、\(n-1\) にする方法がある。後者は不偏推定量として用いられることが多く、標本平均を使うことによるずれを補正する意味を持つ。推定の理論では、期待値が母分散に一致するかどうかが重要な判断基準になる。
3.3 標本サイズが与える影響
標本サイズが小さいと、推定された分散は偶然の影響を受けやすい。標本が大きくなるほど推定値は安定し、母分散に近づきやすくなる。したがって、分散の評価では数値そのものだけでなく、標本の規模も併せて確認する必要がある。
4 応用上の注意点
母分散は基礎的な指標であるが、使い方を誤ると解釈を誤りやすい。データの性質や分析目的に応じて、母分散と標本分散を区別しながら扱うことが求められる。
4.1 母分散と標本分散の使い分け
母集団全体が完全に分かっているなら母分散を計算できるが、通常は標本分散で代用する。理論的な考察では母分散を、実測データの分析では標本分散を使うのが一般的である。両者は近い概念だが、同一視すると推定や比較に誤差が生じる。
4.2 データの前提（独立性・同分布など）
分散の解釈では、観測値が互いに独立で、同じ分布に従うという前提が置かれることが多い。これらの条件が崩れると、標本分散が母分散を適切に表さない場合がある。時系列データや集団内の相関が強いデータでは、前提条件を確認することが不可欠である。
4.3 分散が支配的になる状況と解釈
平均よりも分散が分析上の焦点になるのは、値の変動自体が重要な意味を持つ場合である。たとえば、同じ平均でもばらつきが大きければ、安定性や予測可能性は低くなる。逆に、平均が多少異なっても分散が小さければ、実際の挙動は似ていると判断されることがある。分散は中心ではなく広がりを表すため、データの性格を読むうえで補助的ながら重要な役割を果たす。