推定と区間｜統計検定2級の体系とオリジナル演習

このページはプロモーション（広告）を含みます。

統計検定2級の体系とオリジナル演習（中級・読む30分＋演習35分）

この授業のゴール

• 問題文から推定対象・独立性・母分散の既知／未知・母集団分布・片側／両側を書き出し、使う区間の式を選べる
• 母平均（既知σ・未知σ）と母比率の95%信頼区間を電卓で計算し、標準誤差と標準偏差の違いを説明できる
• 目標の半幅から必要な標本サイズを逆算できる
• 信頼区間の正しい解釈と、よくある誤った解釈を区別できる

仕事でどう使うか

区間推定は、統計検定2級の範囲の「標本分布」「推定」にあたり（対象範囲と項目対応）、実務では数字にどれだけ幅があるかを伝える基本道具です。

この授業は、「標準誤差」（有料版）（標準誤差）と 「点推定と信頼区間」（有料版）（信頼区間）で学んだ内容を、条件を読んで式を選ぶ試験形式の問題に整理します。問題はすべてオリジナルです。

確認日と出典：この授業の試験情報は、2026年10月（10月11日）に統計検定の公式サイトで確認した内容です。
- 統計検定2級のページ：https://www.toukei-kentei.jp/grade/grade2/
- 試験概要のページ：https://www.toukei-kentei.jp/about/summary
- 統計検定2級 出題範囲表（PDF）：https://www.toukei-kentei.jp/hubfs/files/grade_range/grade2_hani_20181214.pdf
- 出題範囲表の改訂のお知らせ：https://www.toukei-kentei.jp/news/post-8545

試験の方式・範囲・合格水準は変わることがあります。受験前に必ず公式サイトの最新情報で確認してください。

前提

次の内容を前提にします。

• 無作為標本と推定量 → 「無作為標本と推定量」（有料版）、中心極限定理 → 「中心極限定理」（有料版）
• 標準誤差 → 「標準誤差」（有料版）、点推定と信頼区間 → 「点推定と信頼区間」（有料版）、標本サイズと精度 → 「標本サイズと精度」（有料版）
• 正規分布・t分布・カイ二乗分布の形 → 「正規・指数・t・カイ二乗・F」（有料版）、二項分布の正規近似 → 「分布の選び方と近似」（有料版）
• 平方根の計算 → 関数・指数・対数・総和

記号：$\mu$ は母平均、$\sigma$ は母標準偏差、$s$ は標本標準偏差（n−1で割る）、$n$ は標本サイズ、$\hat{p}$ は標本比率です。係数（1.96や t の値）は、試験では配布される数値表から読みます。この授業では問題文の中で与えます。

身近な状況：「標準偏差10」とだけメモした答案

ある工場で、部品の長さ（mm）を100個測った平均が50でした。2人の受験者が、同じ問題を次のようにメモしました。

Gさんの区間は $[30.4, 69.6]$、Hさんの区間は $[48.04, 51.96]$ で、幅が10倍違います。Gさんは「1個の部品の長さのばらつき（標準偏差）」と「100個の平均のばらつき（標準誤差）」を区別していません。さらに、「標準偏差10」とだけメモすると、それが母標準偏差（既知）なのか、標本から計算した値なのかがわからず、使う分布（正規かtか）を選べません。

区間推定の問題では、数値より先に条件を読む必要があります。この授業では、次の5つを答案の最初に書く習慣をつけます。

1. 推定対象（母平均か、母比率か、平均の差か、母分散か）
2. 標本は独立か（無作為抽出か、対応があるか）
3. 母分散は既知か未知か
4. 母集団の分布（正規か、標本が十分大きいか）
5. 両側か片側か、信頼係数は何％か

直感的な説明：1個のばらつきと、平均のばらつきは違う

1個の部品の長さは、平均50mmのまわりに標準偏差10mmくらいでばらつきます。ところが100個の平均をとると、大きい部品と小さい部品が打ち消し合い、平均はずっと安定します。何度も100個ずつ測り直したときの「平均値のばらつき」が標準誤差で、$\sigma/\sqrt{n}$ になります。100個なら $10/10=1$ です。

標本サイズを4倍にすると、標準誤差は $\sqrt{4}=2$ で割られて半分になります。精度を2倍にするには、データが4倍必要です。

信頼区間は「推定値 ± 係数 × 標準誤差」という形をしています。係数は、使う分布と信頼係数で決まります。

• 母標準偏差がわかっている（またはnが十分大きい）→ 標準正規分布の係数（95%両側なら1.96）
• 母標準偏差がわからず、標本標準偏差 $s$ で代用する正規母集団 → t分布の係数（自由度 n−1）。t の係数は1.96より大きく、小さい n ほど大きくなります。$s$ で代用すると不確かさが1つ増えるので、区間を広げて補います。

注意：「95%信頼区間」は「母平均がこの区間に入る確率が95%」という意味ではありません。母平均は決まった1つの値で、ぶれるのは区間のほうです。正確な解釈は次の節で確認します。

正確な定義：条件別の区間の式と解釈

1. 母平均（正規母集団、σ既知）：$\bar{x}$ を標本平均、$z_{\alpha/2}$ を標準正規分布の上側 $\alpha/2$ 点とすると、信頼係数 $1-\alpha$ の区間は

$$\bar{x} \pm z_{\alpha/2}\,\frac{\sigma}{\sqrt{n}}$$

95%両側なら $z_{0.025}\approx1.96$。単位は元のデータと同じです。

2. 母平均（正規母集団、σ未知）：$s$ を標本標準偏差（n−1で割った分散の平方根）、$t_{\alpha/2}(n-1)$ を自由度 n−1 のt分布の上側 $\alpha/2$ 点とすると

$$\bar{x} \pm t_{\alpha/2}(n-1)\,\frac{s}{\sqrt{n}}$$

n が大きいと t の係数は1.96に近づきます（自由度99で約1.984）。正規母集団でなくても、n が十分大きければ中心極限定理により近似的に使えますが、外れ値の多い分布では注意が必要です（「中心極限定理」（有料版））。

3. 母比率（大標本の近似）：n 人中 x 人が「はい」なら $\hat{p}=x/n$、

$$\hat{p} \pm z_{\alpha/2}\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$$

二項分布の正規近似にもとづくので、$n\hat{p}$ と $n(1-\hat{p})$ がどちらも十分大きい（目安としてそれぞれ5〜10以上）ときに使います。区間の幅はパーセントポイントで表します。

4. 必要な標本サイズ：比率の区間の半幅（± の部分）を $e$ 以下にしたいとき、

$$n \ge \left(\frac{z_{\alpha/2}}{e}\right)^2 p(1-p)$$

$p$ が不明なら、$p(1-p)$ が最大になる $p=0.5$ を使うと安全側です。結果は切り上げます。

5. 正しい解釈：同じ方法で標本をとって区間を作ることを何度も繰り返すと、作られた区間のうち約95%が母平均を含む、という方法の性質が「95%信頼」の意味です。1回の調査で得た区間 [48.04, 51.96] について言えるのは「この方法で作った区間である」ことで、「観測値の95%がこの区間に入る」でも「母平均が95%の確率でこの中にある」でもありません。

6. 推定量の性質：不偏性は推定量の期待値が真の値に等しいこと（$E[\bar{X}]=\mu$、$E[s^2]=\sigma^2$）、一致性は n を大きくすると推定量が真の値に近づくことです（「無作為標本と推定量」（有料版））。

段階付き例題：条件を書いてから計算する

例題1（σ既知）：正規母集団、母標準偏差 $\sigma=10$ が既知、独立な標本 n=100、標本平均50、両側95%（係数1.96）。

意味：この方法で区間を作れば、繰り返したときの約95%が母平均を含みます。

例題2（σ未知）：同じ工場で別の部品を16個測り、平均50、標本標準偏差 $s=10$。正規母集団、母標準偏差は未知。t分布の上側2.5%点は $t_{0.025}(15)=2.131$ と与えられている。

• 標準誤差 $s/\sqrt{n}=10/4=2.5$
• 半幅 $2.131\times2.5\approx5.33$
• 区間 $[44.67,\ 55.33]$

もし誤って1.96を使うと半幅は4.9で、区間が狭くなりすぎます（被覆率が95%を下回ります）。

例題3（比率）：無作為に選んだ400人のうち80人が「新サービスを使いたい」と回答。

• $\hat{p}=80/400=0.20$。$n\hat{p}=80$、$n(1-\hat{p})=320$ で正規近似の条件を満たす。
• 標準誤差 $\sqrt{0.2\times0.8/400}=\sqrt{0.0004}=0.02$
• 半幅 $1.96\times0.02=0.0392$、区間は $[0.1608,\ 0.2392]$、つまり約16.1%〜23.9%。半幅は約3.9パーセントポイントです（3.9%と書くと、20%の3.9%＝0.78ポイントと誤読されます）。

例題4（標本サイズ）：比率の区間の半幅を3ポイント（$e=0.03$）以下にしたい。$p$ は不明。

$$n \ge \left(\frac{1.96}{0.03}\right)^2\times0.25 \approx 1067.1$$

切り上げて 1,068人 以上必要です。半幅を半分の1.5ポイントにするには、約4倍の4,269人が必要になります。

操作して理解する：n・σ既知/未知・係数を変えて幅を比べる

次のコードは、条件を変えたときの区間を計算します。stats.t.ppf(q, df) は自由度 df のt分布で下側確率が q になる点（float）を返す関数で、stats.norm.ppf(q) は標準正規分布の同じ点を返します。試験では数値表から読む値を、ここでは計算で確かめます。

import math
from scipy import stats

def z_interval(mean, sigma, n, z=1.96):
    se = sigma / math.sqrt(n)
    return round(mean - z*se, 3), round(mean + z*se, 3)

def t_interval(mean, s, n, level=0.95):
    t = float(stats.t.ppf(1 - (1-level)/2, n - 1))
    se = s / math.sqrt(n)
    return round(t, 3), (round(mean - t*se, 3), round(mean + t*se, 3))

print("例題1 σ既知 n=100:", z_interval(50, 10, 100))
print("n=25 にすると:", z_interval(50, 10, 25))
print("例題2 σ未知 n=16 (t係数, 区間):", t_interval(50, 10, 16))
for n in [5, 16, 30, 100]:
    print(f"n={n:3d} の t係数 = {stats.t.ppf(0.975, n-1):.3f}")
print("標準正規の係数:", round(stats.norm.ppf(0.975), 3))

出力：例題1は (48.04, 51.96)、n=25 では (46.08, 53.92)、例題2は t係数2.131、区間 (44.671, 55.329)（係数を丸めずに計算するため、手計算の 44.67〜55.33 と小数第3位がわずかに違います）。t係数は n=5で2.776、16で2.131、30で2.045、100で1.984と、n が増えると1.96（正確には1.960）に近づきます。

考える問い

1. σ既知で n を100から25に減らすと、半幅は何倍になりますか。→ $\sqrt{100/25}=2$ 倍（1.96→3.92）。
2. 信頼係数を95%から99%（係数2.576）に上げると、例題1の半幅は？ → $2.576\times1=2.576$。信頼係数を上げると区間は広がります。「99%のほうが精度が高い」は誤解です。
3. 片側の区間（上限だけを示す）では、係数が1.645（95%片側）に変わります。両側・片側の指定を見落とすと係数を誤ります。

発展：母分散の区間・平均の差・限界

母分散の区間（カイ二乗分布）：正規母集団から n 個をとり、不偏分散 $s^2$ を求めると、$(n-1)s^2/\sigma^2$ は自由度 n−1 のカイ二乗分布に従います。これから、95%区間は

$$\left[\frac{(n-1)s^2}{\chi^2_{0.025}(n-1)},\ \frac{(n-1)s^2}{\chi^2_{0.975}(n-1)}\right]$$

です。$\chi^2_{0.025}$ は上側2.5%点（大きい値）、$\chi^2_{0.975}$ は上側97.5%点（小さい値）です。例：n=10、$s^2=4$、$\chi^2_{0.025}(9)=19.023$、$\chi^2_{0.975}(9)=2.700$ なら、$36/19.023\approx1.89$ から $36/2.700\approx13.33$。区間は推定値4に対して左右非対称になります。大きい値で割ると下限、小さい値で割ると上限になる点を取り違えやすいので注意します。この方法は正規性の仮定に敏感で、外れ値があると大きくずれます。

平均の差（独立2標本）：両群の母分散が既知なら $\bar{x}_1-\bar{x}_2 \pm z_{\alpha/2}\sqrt{\sigma_1^2/n_1+\sigma_2^2/n_2}$。未知で等分散を仮定するなら、プールした分散と自由度 $n_1+n_2-2$ のt分布を使います。等分散を仮定しない場合はウェルチの方法を使います。対応のあるデータ（同じ人の前後）では、差をとって1標本の問題にします。どちらかを取り違えると標準誤差が大きく変わります。

比率の区間の限界：例題3の近似区間は、$\hat{p}$ が0や1に近い、または n が小さいと被覆率が95%から外れます。実務ではウィルソンの区間などの改良版を使うことがあります（「点推定と信頼区間」（有料版） の発展）。

区間と検定の関係：母平均の95%信頼区間に値 $\mu_0$ が含まれないことは、両側5%の検定で $H_0:\mu=\mu_0$ が棄却されることと対応します（同じ分布・同じ標準誤差を使う場合）。この関係は 検定と回帰 で使います。

よくある失敗

失敗1：σ と s を取り違える（既知か未知かを読まない）

誤った例：「16個の標本の標準偏差が10」の問題で、$50\pm1.96\times10/4=[45.1,\ 54.9]$ とする。

なぜ誤りか：標本から計算した $s$ で代用する場合、正規母集団なら t分布（自由度15、係数2.131）を使います。正しくは $50\pm2.131\times2.5=[44.67,\ 55.33]$。1.96を使うと区間が狭すぎ、実際の被覆率は95%を下回ります。

直し方：答案の最初に「σ既知／σ未知（sで代用）」を書く。問題文の「母標準偏差」「母集団の標準偏差は〜とわかっている」と「標本標準偏差」「標本から求めた」を区別して読む。

失敗2：分母の n を √n にしない（標準偏差と標準誤差の混同）

誤った例：n=36、標本標準偏差12のとき、平均の標準誤差を 12 や 12/36≈0.33 と答える。

正しくは $12/\sqrt{36}=12/6=$ 2 です。12は1個の観測のばらつき（標準偏差）、12/36は分母に n をそのまま使った計算ミスです。

直し方：「平均のばらつき＝標準偏差÷√n」と書いてから代入する。n を4倍にしたら標準誤差が半分になるか、で検算する。

失敗3：「観測値の95%が入る」「母平均が95%の確率で入る」と解釈する

誤った例：例題1の区間 [48.04, 51.96] を見て、「部品の95%は長さ48.04〜51.96mmに入る」と品質報告に書く。

なぜ誤りか：個々の部品は標準偏差10でばらつくので、観測値の約95%が入る範囲はおよそ $50\pm1.96\times10=[30.4,\ 69.6]$ で、信頼区間よりはるかに広い範囲です。信頼区間は母平均を推定する方法の確かさを表すもので、観測値の範囲（予測の範囲）ではありません。また、「母平均が95%の確率でこの区間にある」という書き方も、頻度論の信頼区間の解釈としては不正確です。

直し方：報告には「この方法で作った区間は、繰り返すと約95%が母平均を含む」という意味で「母平均の95%信頼区間は48.04〜51.96mm」と書く。個々の観測値の範囲が必要なら、予測区間や許容区間という別の量を使う（「予測区間と残差診断」（有料版））。

まとめ

• 式に数字を入れる前に、推定対象・独立性・σ既知／未知・分布・片側／両側を書く。条件も得点の対象。
• 標準誤差は標準偏差÷√n。n を4倍にすると半幅は半分になる。
• σ既知なら標準正規の係数、σ未知（sで代用）の正規母集団なら自由度 n−1 のt係数。比率は正規近似の条件を確かめる。
• 必要な標本サイズは $(z/e)^2p(1-p)$ を切り上げ。p不明なら0.5を使う。
• 95%信頼は「方法を繰り返したときの被覆率」。観測値の範囲でも、母平均が入る確率でもない。比率の幅はポイントで書く。

用語

標準誤差（standard error）

推定量（標本平均など）が標本ごとにどれだけばらつくかを表す標準偏差。平均なら σ/√n。

半幅（margin of error）

信頼区間の「推定値 ± 半幅」の ± の部分。係数×標準誤差。

信頼係数（confidence level）

区間を作る方法を繰り返したとき、区間が真の値を含む割合（95%など）。

自由度（t分布）（degrees of freedom）

t分布の形を決めるパラメータ。1標本の母平均の区間では n−1。

よくある質問

試験の問題は公式の過去問と同じですか？

この授業の問題はすべてオリジナルです。公式の過去問題の転載はしていません。条件の読み方と式の選び方を練習するために作っています。

1.96 や t の係数は暗記するのですか？

95%両側の1.96、片側の1.645、99%両側の2.576程度は覚えておくと速くなります。t の係数は自由度で変わるので、数値表の読み方（自由度 n−1 の行、上側確率の列）を練習します。公式サイトによると、解答に必要な数値表は試験会場で配布されます（2026年10月（10月11日）確認）。

片側の区間ではどう変わりますか？

片側（上限だけ、下限だけ）では、上側 $\alpha$ 点を使います。95%片側なら1.645（σ既知）です。問題文の「片側」「〜以上であることを示す」などの指定を見落とすと係数を誤ります。

標本が小さいときに気をつけることは？

t分布の区間は母集団が正規分布であることを前提にしています。小さい標本で外れ値や強い偏りがあると、区間が当てにならなくなります。分布の形を確認し、必要ならブートストラップなど別の方法を検討します（「ブートストラップ」（有料版））。

信頼係数を上げれば、より良い推定になりますか？

信頼係数を95%から99%に上げると、母平均を含む確率（方法の性質）は上がりますが、区間は広がり、情報としてはあいまいになります。精度（幅の狭さ）を上げたいなら、標本サイズを増やすのが基本です。

間違えたとき、どこへ戻ればよいですか？

条件の読み違い（σ既知／未知、分布）は 「点推定と信頼区間」（有料版）、標準誤差の計算（√n）は 「標準誤差」（有料版） と 関数・指数・対数・総和、解釈の誤りは 「点推定と信頼区間」（有料版） と 「検定結果の伝え方」（有料版） に戻ってください。

確認問題

次に学ぶこと

次は 検定と回帰 で、検定と回帰を試験形式で整理します。信頼区間と検定の対応（区間に $\mu_0$ が含まれないこと＝両側検定で棄却）もそこで使います。

誤解別の戻り先：条件の読み違い → 「点推定と信頼区間」（有料版）／√n の計算 → 「標準誤差」（有料版）、関数・指数・対数・総和／解釈 → 「検定結果の伝え方」（有料版）／標本サイズ → 「標本サイズと精度」（有料版）。この授業の確認問題だけで習得とはしません。CE01の総合テストと模試（オリジナル模試と弱点補習）で判定します。