今回は標本平均の期待値です。
統計検定2級のシラバスにひっそりあります。
標本平均のさらに期待値なので、平均の平均の印象でしたが、違う模様。
以前平均と期待値の違いを調べましたが本質的にはその時と一緒でした。
一言でいうと
標本平均の期待値とは、一言でいうと、
「標本を繰り返し抽出したときに得られる標本平均の、理論上の平均値」
のことです。
母平均 \mu を持つ母集団から標本を抽出すると、毎回まったく同じ標本が得られるとは限りません。そのため、標本平均 \bar{X} も抽出するたびに変化します。
しかし、標本平均という確率変数の期待値を考えると、
E[\bar{X}] = \muとなります。
つまり、標本平均は母平均を偏りなく推定できる「不偏推定量」ということです。
標本平均の公式と期待値の式
サンプルサイズ n の標本データ X_1, X_2, \dots, X_n に対する「標本平均 \bar{X}」の計算式は以下の通りです。
\bar{X} = \frac{1}{n} \sum_{i=1}^{n} X_i = \frac{X_1 + X_2 + \dots + X_n}{n}そして、この標本平均 \bar{X} の期待値は、
E[\bar{X}] = \muとなります。
- \bar{X}：標本平均
- E[\bar{X}]：標本平均の期待値
- \mu：母平均
- n：標本の大きさ（サンプルサイズ）
この関係は、標本が母集団から適切に抽出され、各標本の期待値が母平均 \mu となることを前提としています。
なぜ標本平均の期待値は母平均と一致するのか？
1回の抽出で得られる標本平均 \bar{X} は、たまたま選ばれたデータによって「52」になったり「48」になったりして、真の母平均 \mu（例えば50）から多少ズレることがあります。
しかし、標本平均を確率変数として考え、その期待値を求めると、母平均 \mu と一致します。
例えば母平均が50であれば、ある標本では標本平均が48、別の標本では52、さらに別の標本では51になる可能性があります。
このように標本平均は抽出するたびに変化しますが、その確率的な平均を考えると母平均50になります。
この性質があるため、標本平均 \bar{X} は偏りのない推定量である「不偏推定量」として扱われます。
なお、「何度も標本を抽出して、その標本平均を平均すると母平均に近づく」という説明は直感的な理解として有用ですが、厳密には「標本平均という確率変数の期待値が母平均に等しい」というのが数学的な意味です。
「標本平均」と「標本分散」の期待値の違い
統計学を学ぶ上で間違いやすい「平均の期待値」と「分散の期待値」の違いを表で整理してみましょう。
| 指標 | 計算式 | 期待値の公式 | 不偏性（ズレの有無） |
|---|---|---|---|
| 標本平均（\bar{X}） | \frac{1}{n}\sum X_i | E[\bar{X}] = \mu | 偏りなし（母平均 \mu に一致する） |
| 標本分散（S^2） | \frac{1}{n}\sum (X_i - \bar{X})^2 | E[S^2] = \frac{n-1}{n}\sigma^2 | 偏りあり（母分散 \sigma^2 より小さくなる） |
| 不偏分散（s^2） | \frac{1}{n-1}\sum (X_i - \bar{X})^2 | E[s^2] = \sigma^2 | 偏りなし（補正により母分散に一致） |
分散の場合は n で割ると期待値が小さくズレてしまうため n-1 による補正が必要でした。
一方、標本平均の場合は、各標本の期待値が母平均 \mu であれば、最初から n で割ることで期待値が母平均に一致します。
標本平均の期待値と標本平均の分散は別物
ここは統計学の学習で混同しやすいポイントです。
「標本平均の期待値」と「標本平均の分散」は、それぞれ別の性質を表しています。
| 項目 | 公式 | 意味 |
|---|---|---|
| 標本平均の期待値 | E[\bar{X}] = \mu | 標本平均の中心がどこにあるか |
| 標本平均の分散 | V[\bar{X}] = \frac{\sigma^2}{n} | 標本平均がどの程度ばらつくか |
| 標本平均の標準偏差 | \sqrt{V[\bar{X}]} = \frac{\sigma}{\sqrt{n}} | 標本平均のばらつきを元の単位で表したもの |
つまり、
- 期待値：標本平均の中心はどこか
- 分散：標本平均はどの程度ばらつくか
という違いがあります。
標本サイズ n が大きくなるほど、
V[\bar{X}] = \frac{\sigma^2}{n}となり、標本平均のばらつきは小さくなります。
この性質は、アンケート調査や品質管理、統計的推定などで非常に重要になります。
標本平均の標準誤差とは？
標本平均の分散 V[\bar{X}] の平方根を取ったものは、標本平均の標準偏差です。
\sqrt{V[\bar{X}]} = \frac{\sigma}{\sqrt{n}}この値は、標本平均がどの程度ばらつくのかを表しており、統計学では「標準誤差（Standard Error）」と呼ばれます。
実際の分析では母標準偏差 \sigma が未知であることが多いため、標本から計算した標準偏差を使って、
\mathrm{SE}(\bar{X}) = \frac{s}{\sqrt{n}}のように標準誤差を推定します。
標本サイズを4倍にすると、標準誤差は半分になります。
\frac{s}{\sqrt{4n}} = \frac{1}{2}\frac{s}{\sqrt{n}}このため、標本数を増やすことで標本平均の推定精度を高めることができます。
実務上の使いどころ
標本平均の期待値そのものを毎回計算する場面はそれほど多くありませんが、「標本平均は母平均を偏りなく推定する」という性質は、実務上の統計分析の土台になっています。
1. アンケート調査
例えば、ある商品の満足度を全国の消費者から調査するとします。
全国の消費者全員にアンケートを実施することは難しいため、一部の消費者を無作為に抽出して平均満足度を計算します。
このとき、標本平均 \bar{X} は母平均 \mu の不偏推定量となります。
もちろん1回の調査結果が母平均と完全に一致するわけではありません。標本によって結果は変動しますが、標本平均には系統的に高くなったり低くなったりする偏りがないことが重要です。
2. 品質管理
工場で製造される製品の重量や寸法などを調査する場合にも利用されます。
すべての製品を測定するのではなく、一部の製品を抜き取って平均値を計算し、製造工程の状態を確認します。
標本平均の期待値が母平均に一致するという性質は、こうしたサンプリングによる品質管理の基礎となります。
3. 市場調査・世論調査
市場調査や世論調査では、対象となる人全員を調査するのではなく、標本を抽出して全体の傾向を推測します。
標本平均を利用する場合、母平均を偏りなく推定できることに加えて、標本平均の標準誤差を利用することで、推定値がどの程度ばらつくのかも評価できます。
4. 統計的推定・仮説検定
標本平均は、母平均の推定だけでなく、信頼区間の計算や仮説検定など、推測統計のさまざまな場面で利用されます。
特に標本平均の分布や標準誤差を理解することは、「標本から母集団について判断する」ための重要な基礎になります。
「平均の平均」という誤解と正しい概念
標本平均の期待値 E[\bar{X}] = \mu を説明する際、「標本平均の平均（＝平均の平均）」という表現を目にすることがあります。
一見すると分かりやすい表現ですが、統計学としては少し注意が必要です。
なぜ「平均の平均」と呼ばれてしまうのか？
「標本平均の期待値」の意味を言葉でかみ砕くと、以下のようなイメージになります。
- 母集団から標本を取り出し、その標本平均を計算する
- これを何度も繰り返すと、さまざまな標本平均が得られる
- それらの標本平均について、理論上の平均を考える
- その値が母平均 \mu に一致する
この構造から、直感的に「平均の平均」と表現されることがあります。
統計学として正しく理解するための注意点
1. 単なる「平均値の算術平均」ではない
「平均の平均」と聞くと、「手元にある3つのグループの平均値を足して3で割る」といった計算をイメージしがちです。
しかし、E[\bar{X}] における外側の「期待値 E」は、単に手元の複数の平均値を足して割る操作ではありません。
標本抽出という確率的な仕組みを考えたとき、標本平均という確率変数が持つ理論上の平均を表しています。
2. 「標本平均という確率変数の期待値」が正確な定義
確率論において、標本平均 \bar{X} は抽出するサンプルによって値が変わる「確率変数」です。
したがって、正確には「平均の平均」ではなく、「確率変数である標本平均の期待値」と理解するのが適切です。
練習問題
【問題】
ある全国模試を受けた高校生全体の平均点（母平均）は \mu = 60 点、標準偏差は \sigma = 10 点であることがわかっています。
この集団から無作為に100人の生徒（n = 100）を選び、その標本平均を \bar{X} とするとき、標本平均の期待値 E[\bar{X}] の値として正しいものを1つ選んでください。
① 0.6点
② 6.0点
③ 60.0点
④ 600.0点
解答・解説
正解：③
解説
標本平均の期待値の公式 E[\bar{X}] = \mu をそのまま適用します。
サンプルサイズ n = 100 や標準偏差 \sigma = 10 の数値に関わらず、標本平均の期待値は母平均 \mu と等しくなります。
したがって、母平均が60点であるため、標本平均の期待値 E[\bar{X}] も60.0点（③）となります。
なお、標準偏差 \sigma = 10 は標本平均の期待値には影響しませんが、標本平均のばらつきには関係します。
この場合、標本平均の標準誤差は、
\mathrm{SE}(\bar{X}) = \frac{\sigma}{\sqrt{n}} = \frac{10}{\sqrt{100}} = 1となります。
まとめ
今回は「標本平均の期待値」について解説しました。
- 標本平均の期待値は「E[\bar{X}] = \mu（母平均と一致する）」
- 標本平均 \bar{X} は、母平均 \mu の不偏推定量である
- 標本平均の期待値は、サンプルサイズ n の大きさによって変化しない
- 一方、標本平均の分散はV[\bar{X}] = \frac{\sigma^2}{n}となり、標本数が増えるほど小さくなる
- 標本平均の標準誤差は\frac{\sigma}{\sqrt{n}}で表され、標本数を増やすほど推定のばらつきが小さくなる
「標本平均の期待値」と「標本平均の分散」をセットで理解すると、「標本平均は平均的には母平均を捉えているが、1回の調査では母平均からズレることがある」という統計学の重要な考え方が見えてきます。
これは、標本から母集団を推測する推測統計の基本となる考え方です。
参考 関連用語
| 用語 | 簡易的な説明 |
|---|---|
| 標本平均（\bar{X}） | 母集団から抽出した標本データの平均値。 |
| 母平均（\mu） | 母集団全体の真の平均値。 |
| 期待値 | 確率変数が理論上とる値を、その確率で重み付けして平均した値。 |
| 期待値の線形性 | E[aX + bY] = aE[X] + bE[Y] が成り立つ性質。標本平均の期待値の証明に利用される。 |
| 標本平均の分散（V[\bar{X}]） | 標本平均自体のばらつきを表す値。V[\bar{X}] = \frac{\sigma^2}{n} となる。 |
| 標準誤差（SE） | 推定量のばらつきを表す指標。標本平均では \sigma/\sqrt{n} で表される。 |
| 不偏推定量 | 期待値が推定したい真の母数に一致する推定量。 |
| 標本分散（S^2） | 標本データのばらつきを表す分散。分母を n とする定義では、母分散の不偏推定量にはならない。 |
| 不偏分散（s^2） | 母分散の不偏推定量となるよう、分母を n-1 とした分散。 |
参考：標本平均の期待値 E[X̄] = μ の数学的導出
標本平均の期待値がなぜ母平均 \mu に一致するのか、数式を用いた導出手順を解説します。
前提条件
母平均 \mu の母集団から、互いに独立に抽出された n 個の確率変数を X_1, X_2, \dots, X_n とします。
ここでは、それぞれの確率変数が同じ母集団から抽出されるため、個々の期待値はすべて母平均に等しいとします。
E[X_1] = E[X_2] = \dots = E[X_n] = \mu証明ステップ
標本平均
\bar{X} = \frac{1}{n} \sum_{i=1}^{n} X_iの両辺に期待値演算子 E を作用させます。
E[\bar{X}] = E\left[ \frac{1}{n} \sum_{i=1}^{n} X_i \right]期待値の性質である「定数は外に出せる（線形性）」を利用して \frac{1}{n} を括り出します。
E[\bar{X}] = \frac{1}{n} E\left[ \sum_{i=1}^{n} X_i \right]さらに「和の期待値は、期待値の和に等しい（線形性）」を利用して展開します。
\begin{aligned} E[\bar{X}] &= \frac{1}{n} \left( E[X_1] + E[X_2] + \dots + E[X_n] \right) \end{aligned}各 E[X_i] に \mu を代入します。カッコの中には \mu が n 個存在します。
\begin{aligned} E[\bar{X}] &= \frac{1}{n} \underbrace{(\mu + \mu + \dots + \mu)}_{n個} \\ &= \frac{1}{n} \cdot (n\mu) \\ &= \mu \end{aligned}以上の計算により、
E[\bar{X}] = \muが数学的に証明されました。
したがって、標本平均 \bar{X} は母平均 \mu の不偏推定量です。
コメント