知って得する統計の違い！既知の母分散と未知の母分散の違いをやさしく解説

---

既知と未知の母分散の違いを理解する基礎

統計学では「母分散」という言葉をよく耳にします。母分散とは母集団全体のばらつきの度合いを表す指標で、私たちがデータを集めるときの性質を理解するうえで基本的な役割を果たします。ところで「既知」と「未知」という言葉がここでどう関係するのでしょうか。つまり、母分散がわかっている場合とわからない場合では、データから何を推定できるか、どのくらいの信頼度で推定できるかが変わります。例えるなら、あなたが宝の場所を知っているかどうか、手掛かりがあるかないかの違いに似ています。既知の母分散があると、推定の計算が簡単で、誤差の評価も確実性が高くなりやすいのです。一方、未知の母分散では、データから「本当にその母分散がそうなのか」を推測する余地が生まれ、推定には追加の不確かさが生じます。覚えておきたいのは、未知の場合、標本から母分散を推定する必要があり、サンプルの大きさによって結果の安定性が大きく変わるという点です。ここから、本文の後半で、具体的な場面を想定して、どういう計算や結論が変わってくるのかを順を追って見ていきましょう。


まず最初に、既知・未知の違いを理解するには、サンプル平均の分布を考えるとわかりやすくなります。母分散が既知なら、サンプル平均の分布は正規分布に近い形をとりやすく、標本誤差は σ/√n の形で直接計算できます。これが「計算が楽で、直感的に理解しやすい」理由です。これに対して、母分散が未知なら、サンプルの分散を代わりに使い、t分布という別の分布で考えるのが一般的です。t分布はサンプルサイズが小さいときに引っ張られやすく、自由度が増えると正規分布に近づく性質を持つため、推定の不確かさが大きくなる要因となります。

詳しい解説：基礎用語と混同しがちなポイント

ここでは、用語を整理し、実務でよくある誤解を解くことを目指します。

「サンプル」という言葉の意味合い、σとsの違い、そして「z検定」と「t検定」の使い分けを、具体的な数字を使いながら解説します。未知の場合には、標本分散を用いて推定を行い、自由度に応じた分布を考える必要が出てきます。未知を前提とした推定は、サンプルサイズが増えるほど安定性が増します。既知と未知の違いは、結論の信頼区間の幅や検定の結果の解釈に直結します。下の表も参考にしてください。

<table><th>要素説明既知の母分散母分散 σ が既知。標準誤差は σ/√n で計算。検定は z 検定などが適用可能。未知の母分散母分散 σ が未知。標準誤差は s/√n。検定は t 分布に基づく t 検定が一般的。大きい n の場合未知でも t 分布は正規分布に近づく。結果の安定性は高まる。table>

ピックアップ解説

友達とカフェでこの話をしているとき、私はふと思った。母分散が未知だとき、どうしてサンプルの分散を代わりに使うのか。それは“真のばらつきを推定するための補助材料”が必要だからだ。データの世界には“正解”がないから、私たちは手元の情報だけで推測を組み立てる。サンプルの分散は、その補助材料の役割を果たし、推定の幅を現実的に保つ。つまり、少ないデータだと推定が揺れやすく、多くのデータを集めることが信頼性を高める。話を雑談風に言えば、未知の母分散は謎解きのようなもの。手掛かりが増えるほど謎は解けやすくなるが、まだ完全には解けない。そんな感覚を味わいながら、私たちはデータを読む力を少しずつ高めていくのです。

---