統計学では、データから母数を推定する際に「推定量」という概念を使います。
推定量には 不偏性・一致性・効率性 という3つの重要な性質があります。
この記事では、それぞれの性質を直感的な例を使ってわかりやすく解説します。

1. 不偏性（Unbiasedness） – 「平均すると正解に当たる」

推定量の 期待値（平均）が真の値に一致する ことを指します。
つまり、「何度も繰り返せば、長期的に見て正しい値に落ち着く」推定方法であれば、不偏性を持つといえます。

サイコロを振って平均値を推定する場合、何度も試行すれば出目の平均は理論上の期待値 3.5 に近づきます。
この場合、推定量は不偏です。

✅ ポイント:

2. 一致性（Consistency） – 「データが増えれば正解に近づく」

サンプルサイズを無限に増やしたときに、推定値が真の値に確率的に収束する 性質のこと。
データが少ないうちはバラつくかもしれないが、たくさん集めれば正しい値に近づく推定量を「一致推定量」といいます。

サイコロを5回振ると、平均は 3.5 にならないことが多い。
しかし 1000回振れば、平均はかなりの確率で 3.5 に近づく。
これは、一致性のある推定量の特徴です。

✅ ポイント:

同じ不偏な推定量の中で、推定値のバラつき（分散）が最も小さい ものを効率的な推定量と呼びます。
効率的な推定量ほど、より少ないデータで精度よく推定 できます。

ある町の平均年収を推定するとする。
- 方法A: 100人を無作為に選び、平均を求める。
- 方法B: 100人の中に極端な高所得者・低所得者が多く含まれてしまう。
どちらの方法でも長期的に見れば「平均年収」は正しく推定されるが、方法Aの方がデータのバラつきが少なく、より精度の高い推定ができる。
効率性とは「正解に向かうときのムダなブレが少ないこと」

✅ ポイント:

統計学において、推定量の 不偏性・一致性・効率性 は非常に重要な概念です。
単に「正しい値を推定する」だけでなく、「ブレを少なく」「データが増えたら確実に収束する」といった観点が重要になります。

この3つの性質を理解すると、推定量の選び方やデータ分析の精度向上に役立ちます。
「より正確なデータ分析をしたい！」というときには、ぜひこの3つを意識してみてください！