1 母数の基本
母数は、統計学において母集団の特徴を表す基準値である。調査対象の全体を要約する役割を持ち、標本から推測を行う際の出発点となる。日常的な統計の文脈では、人数や件数のような集計値を指すこともあるが、理論的には未知の定数として扱われる場合が多い。
1.1 母数の定義
母数とは、集団の性質を数値で表したものをいう。代表的には平均、分散、比率などがあり、これらは観測値そのものではなく、集団全体に対する特性として定められる。確率モデルでは、分布を規定する未知の値を指すこともある。
1.2 母集団との関係
母集団は、分析の対象となる要素の全体である。母数は、その母集団に固有の特徴を要約した量として位置づけられる。母集団が大きい、あるいは無限に近い場合でも、母数は理論上の記述として定義される。
1.3 標本との対比
標本は母集団の一部を取り出したものであり、実際に観測できるのは通常こちらである。標本から得られる値は標本統計量と呼ばれ、母数そのものとは区別される。統計分析では、標本の情報を用いて母数の値を近似的に求める。
2 母数の種類
母数は、集計対象を要約する記述的な量としても、確率分布を定めるモデルの要素としても用いられる。どの種類の母数を扱うかによって、解釈や推定方法は異なる。
2.1 記述統計における母数
記述統計では、母集団の要約値として母数を捉える。これは、標本平均や標本分散に対応する集団全体の値を示し、比較や要約に利用される。
2.1.1 平均
母平均は、母集団の中心的な位置を表す。全要素の値を合計し、要素数で割った量として理解される。分布が偏っている場合でも、全体の水準を把握する指標として使われる。
2.1.2 分散
母分散は、値が平均の周囲にどの程度散らばっているかを示す。ばらつきが大きいほど分散も大きくなる。変動の強さを表すため、安定性や不確実性の比較に用いられる。
2.1.3 比率
母比率は、特定の属性を持つ要素の割合を表す。賛成者の割合、故障品の割合のように、二値的な分類で特に重要である。割合の推定は、世論調査や品質管理で広く用いられる。
2.2 確率モデルにおける母数
確率モデルでは、母数は確率分布の形を決める未知の定数として表現される。観測データはこの分布から得られたものとみなされ、母数はその背後にある構造を指定する。
2.2.1 分布の位置を表す母数
位置母数は、分布全体を左右に移動させる役割を持つ。代表例として平均や中央値に関係する値があり、中心の置かれ方を示す。観測値の水準を説明するときに重要となる。
2.2.2 分布の散らばりを表す母数
散らばりを表す母数は、分布の広がり具合を決める。分散、標準偏差、尺度パラメータなどがこれに当たる。値の集中度や変動幅を比較する際に利用される。
2.2.3 分布の形状を表す母数
形状母数は、分布の非対称性や裾の重さなどを特徴づける。歪度や尖度に関係する場合があり、単なる中心や広がりでは捉えにくい性質を示す。分布の詳細な性格を記述するうえで役立つ。
3 母数の推定
母数は直接観測できないことが多いため、標本からその値を推定する必要がある。推定では、どの情報をどの程度信頼するかが重要であり、方法ごとに特徴が異なる。
3.1 点推定
点推定は、母数を一つの数値で表して推定する方法である。計算が比較的単純で、初期的な把握や実務上の判断に用いやすい。
3.1.1 不偏推定量
不偏推定量は、平均的に見て母数を過大にも過小にも見積もらない推定量をいう。多数回の抽出を考えると、期待値が母数に一致することが特徴である。標本平均はその代表例である。
3.1.2 最尤推定
最尤推定は、観測されたデータが最も起こりやすくなるような母数を選ぶ方法である。確率モデルに基づくため、幅広い分布で利用できる。計算上の扱いやすさから、理論と応用の双方で重視される。
3.2 区間推定
区間推定は、母数が存在すると考えられる範囲を示す方法である。単一点ではなく範囲で示すため、不確実性を併せて表現できる。
3.2.1 信頼区間
信頼区間は、一定の信頼水準のもとで母数を含むと期待される区間である。標本のばらつきが小さいほど区間は狭くなり、精度が高いと解釈される。推定結果の実用的な読み取りに適している。
3.2.2 推定誤差
推定誤差は、推定値と真の母数との差を指す。標本の偏りや偶然変動によって生じ、結果の不確かさを測る手がかりとなる。誤差の大きさは、標本の質や規模に左右される。
3.3 推定量の性質
推定量には、望ましい性質がいくつかある。これらを比較することで、どの推定法が目的に適しているかを判断しやすくなる。
3.3.1 一致性
一致性とは、標本数が増えるにつれて推定量が真の母数に近づく性質である。十分に大きなデータが得られるほど、推定の安定性は高まる。長期的な精度を評価する際に重要である。
3.3.2 有効性
有効性は、同じ条件のもとでより小さな分散を持つ推定量が望ましいという考え方に関係する。ばらつきが小さいほど、推定結果は安定しやすい。精密さを重視する場面で注目される。
4 母数と統計的推測
母数は、統計的推測の中心概念である。標本から得た情報をもとに、未知の集団特性について判断を行うとき、その基準として働く。
4.1 仮説検定
仮説検定では、母数に関する主張をデータによって検討する。ある仮定が妥当かどうかを、標本の情報に基づいて評価する手続きである。
4.1.1 帰無仮説
帰無仮説は、通常は差や効果がないとする基本的な仮定である。検定ではまずこの仮説を出発点とし、データがそれと整合的かを調べる。棄却の可否が判断の中心となる。
4.1.2 対立仮説
対立仮説は、帰無仮説とは異なる主張を表す。効果や差の存在を示す場合が多く、検定結果がどちらの仮説を支持するかを考える。研究目的に応じて、片側・両側の形が選ばれる。
4.2 標本サイズとの関係
標本サイズが大きいほど、母数の推定は一般に安定しやすい。少数の標本では偶然の影響が強くなり、推定の揺れが増える。十分な標本数を確保することは、精度と信頼性の向上に直結する。
4.3 推測の限界
統計的推測は有用だが、完全ではない。標本に基づく以上、母数に関する結論には一定の制約が伴う。
4.3.1 抽出誤差
抽出誤差は、標本が母集団の一部であることから生じる偶然的なずれである。抽出方法が適切でも、標本ごとの差は避けられない。推定や検定では、この不確実性を前提として解釈する必要がある。
4.3.2 バイアス
バイアスは、推定が系統的に真の母数からずれる傾向をいう。標本の偏り、測定方法の問題、モデルの不適合などが原因となる。偶然誤差とは異なり、方向を持ったずれとして現れる。