0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

[Statistics] 信頼区間推定 とは(標準正規分布、t分布、二項分布)

Last updated at Posted at 2025-09-18

信頼区間推定における各分布の使用判断フロー

標準正規分布(母分散が既知/大標本・正規母集団想定)

数式・性質

項目 内容
標本平均($\bar X$) 母集団平均を $\mu$、母集団標準偏差を $\sigma$ とすると、標本サイズ $n$ の標本の平均値 $\bar X$ は分布 $N\left(\mu,; \displaystyle \frac{\sigma^2}{n}\right)$ に従う。
標本分散(母分散既知の場合) 母集団分散 $\sigma^2$ が既知なので、標本分散は分散の推定を必要とせず、標本平均の分散は $\displaystyle \frac{\sigma^2}{n}$。

信頼区間推定における Z の使用

ステップ 内容
1 正規母集団・母分散既知、またはサンプル数が十分大きく中心極限定理が使えるときに適用。
2 標準化変数 $Z$ を使う:
$Z = \frac{\bar X - \mu}{\sigma / \sqrt{n}}$
3 信頼度 $(1-\alpha)$ の両側区間を構築:
$P\left(-z_{\alpha/2} \le Z \le z_{\alpha/2}\right) = 1 - \alpha$
4 信頼区間は:
$\bar X \pm z_{\alpha/2} \frac{\sigma}{\sqrt{n}}$

t 分布(母分散未知・正規母集団/小標本)

数式・性質

項目 内容
標本平均 $\bar X$ 正規母集団からの標本で、平均 $\mu$、分散不明。標本平均は母平均 $\mu$ のまわりに分布するが、分散は未知分散の推定を利用。
標本分散 $S^2$(不偏分散) $S^2 = \frac{1}{n-1} \sum_{i=1}^n (X_i - \bar X)^2$
母分散未知のときに使用。

信頼区間推定における T の使用

ステップ 内容
1 正規母集団・母分散未知、小標本で適用。
2 $T = \frac{\bar X - \mu}{S / \sqrt{n}}$ は自由度 $n-1$ の t 分布に従う。
3 信頼度 $(1-\alpha)$ の両側区間:
$P\left(-t_{n-1,;\alpha/2} \le T \le t_{n-1,;\alpha/2}\right) = 1 - \alpha$
4 信頼区間は:
$\bar X \pm t_{n-1,;\alpha/2} \frac{S}{\sqrt{n}}$

二項分布/母比率(成功確率 $p$ の推定)

数式・性質

項目 内容
標本比率($\hat p$) $\hat p = \frac{X}{n}$
(二値データの標本平均そのもの)
分散(母比率を用いた) $Var(\hat p) = \frac{p(1-p)}{n}$(実務では $\hat p$ で近似)。

信頼区間推定における Z の使用(正規近似)

ステップ 内容
1 $np, ; n(1-p)$ が十分大きいとき、正規近似可能。
2 $Z = \frac{\hat p - p}{\sqrt{\frac{p(1-p)}{n}}}$
3 信頼度 $(1-\alpha)$ の両側区間:
$P\left(-z_{\alpha/2} \le Z \le z_{\alpha/2}\right) = 1 - \alpha$
4 信頼区間は:
$\hat p \pm z_{\alpha/2} \sqrt{\frac{\hat p (1-\hat p)}{n}}$

共通・補足

  • 標本平均・標本比率は 母平均の推定量、標本分散は 母分散の推定量
  • 標本分散は不偏分散($n-1$ で割る形)を使うのが一般的。
  • 信頼区間は「母数が含まれる確率」ではなく「多数の標本から作成した区間のうち母数を含む割合」。

参考リンク

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?