母集団と標本

概要

母集団と標本は、推測統計のすべての土台になる枠組みです。母集団とは「本当に知りたい対象の全体」を指します。日本の有権者全員、工場で生産される製品のすべて、あるサービスの全ユーザー — 調査の目的によって母集団は変わります。一方の標本は、その母集団から実際に取り出して観測した一部分のことです。出口調査で声をかけた数千人、検査のために抜き取った数十個の製品が標本にあたります。

この枠組みの核心は、「一部しか見ていないのに、全体について語る」という一見無茶な跳躍を、確率の言葉で正当化することにあります。標本から計算した平均や比率はあくまで標本の値であって、母集団の真の値とは少しずれています。そのずれがどの程度の大きさになりうるかを見積もり、制御する — これが推測統計と呼ばれる分野の仕事であり、仮説検定や信頼区間はすべてこの母集団と標本の区別の上に組み立てられています。

日常の言葉では「サンプル」は単なる「例」の意味で使われますが、統計学の標本は「母集団を代表するように選ばれた一部」という厳密な役割を持ちます。この区別を意識できるかどうかが、データから結論を引き出すときの信頼性を大きく左右します。

なぜ生まれたか

全体を知りたいなら全部調べればよい — これが最も素朴な発想で、実際に国勢調査のような全数調査は古くから行われてきました。しかし全数調査には根本的な限界があります。費用と時間が膨大にかかること、そして製品の耐久試験のように「調べると対象が壊れてしまう」場合はそもそも全数調査が不可能なことです。電球の寿命を全数検査したら、売る電球が一つも残りません。

「一部を調べて全体を推し量る」考え方が科学として確立したのは20世紀前半です。転機としてよく語られるのが1936年のアメリカ大統領選挙で、雑誌リテラリー・ダイジェスト誌は約240万人という空前の規模の調査でランドン勝利を予測しましたが、結果はルーズベルトの圧勝でした。回答者が自動車や電話の保有者に偏っていたためです。一方、わずか数千人規模の調査で当選を的中させたのがギャラップでした。この対比は「標本は大きさよりも偏りのなさが重要である」ことを劇的に示し、無作為抽出にもとづく標本調査が主流になっていきます。少数でも正しく選べば全体を語れる — この発見が、現代の世論調査から臨床試験までを支えています。

詳細

母数と統計量 — 知りたい値と手元の値

母集団の特徴を表す真の値（母平均 μ、母分散 σ² など）を「母数（パラメータ）」と呼びます。これは神様だけが知っている固定の値で、私たちが直接観測することはできません。一方、標本から計算した値（標本平均 x̄ など）は「統計量」と呼ばれ、こちらは手元のデータからいつでも計算できます。推測統計とは、観測できる統計量を手がかりに、観測できない母数を推し量る営みだと言えます。統計の教科書で μ と x̄ のように記号が使い分けられているのは、この「知りたい値」と「手元の値」を混同しないためです。

無作為抽出 — 偏りを確率で封じる

標本が母集団を代表するための基本原理が「無作為抽出（ランダムサンプリング）」です。母集団のどの個体も等しい確率で選ばれるようにくじ引きの要領で標本を選ぶと、特定の性質を持つ個体だけが集まる系統的な偏りを避けられます。重要なのは、無作為抽出をしても標本の値が真の値に一致するわけではない、という点です。偶然によるずれ（標本誤差）は必ず残ります。しかし無作為抽出のもとでは、このずれが確率分布に従うため、「ずれの大きさがどの程度か」を数学的に見積もれるようになります。偏りを消すのではなく、偏りを「計算可能な偶然」に置き換える — これが無作為抽出の本当の価値です。

実務では単純な無作為抽出のほかに、母集団を年代や地域などの層に分けて各層から抽出する「層化抽出」、地点をまとまりで選ぶ「クラスタ抽出」などが使われます。いずれも、無作為性を保ちながら調査コストや精度を改善するための工夫です。

標本の大きさと精度

標本を大きくするほど推定は正確になりますが、その効き方には法則があります。標本平均のばらつき（標準偏差で測ったもの）は、標本の大きさ n の平方根に反比例して小さくなります。つまり精度を2倍にしたければ標本は4倍必要です。この「√n の法則」は、世論調査が数千人規模で頭打ちになる理由でもあります。ある程度を超えると、標本を増やしても精度の改善がコストに見合わなくなるのです。標本平均の分布がどんな形になるかは中心極限定理が教えてくれます。

落とし穴 — 統計以前に標本設計で失敗する

分析の失敗の多くは、計算ではなく標本の選び方の段階で起きています。代表的なのが「選択バイアス」で、調べやすい対象だけを調べてしまう偏りです。Webアンケートは「そのサービスを使い続けている人」しか答えられませんし、顧客満足度調査は「まだ顧客でいる人」の声しか拾えません。撃墜されずに帰還した爆撃機の被弾箇所だけを見て装甲を厚くする箇所を決めようとした「生存者バイアス」の逸話は、この構造を象徴しています。また、回答を拒否した人と回答した人で性質が異なる「無回答バイアス」も世論調査の古典的な難問です。どんなに高度な検定や区間推定を使っても、標本が母集団を代表していなければ結論は歪みます。データを見たらまず「この標本はどの母集団から、どうやって取り出されたのか」を問う習慣が、統計リテラシーの第一歩です。