「世論調査では候補者の支持率が48%、誤差範囲±3%」——この「誤差範囲」がどのように計算されるか知っていますか？なぜ1,000人に聞くだけで数千万人の意見を代表できるのでしょうか？標本統計はある核心的な問いに答えます：全員を調査しなくても、正しい方法さえ使えば、母集団について信頼できる推測ができるのです。
1. なぜ標本抽出が必要か？
全数調査（センサス）が理想ですが、現実には困難なことが多いです：
- コストが高い：すべての顧客に意見を聞くのは膨大な時間とリソースがかかる
- 時間がない：調査が終わるころには問題が変わってしまう
- 破壊的試験：電球の寿命テストですべて使い切ることはできない
- 無限の母集団：将来のユーザーを事前に調査することはできない
標本統計の核心：無作為で代表性のある標本であれば、母集団のほんの一部でも、定量化された精度で母集団の特性を推測できます。
2. 信頼区間：不確実性の定量的表現
「48% ±3%」の完全な表現は：95%信頼区間は45%〜51%。これは：
同じ方法で100回繰り返し標本抽出した場合、約95回はその信頼区間に母集団の真の値が含まれる。
信頼区間の公式（比率）
CI = p̂ ± Z × √(p̂(1−p̂)/n)
- p̂：標本比率（例：0.48）
- Z：信頼水準に対応するZスコア（95% → 1.96、99% → 2.576）
- n：標本数
試してみよう：統計計算ツールにデータを入力すれば、平均・標準偏差をすばやく計算できます。上記の公式と組み合わせて信頼区間を検証しましょう。
3. サンプルサイズの決め方
サンプルサイズの公式：n = Z² × p(1−p) / E²
| 誤差範囲 | 必要サンプルサイズ（95%CI、p=0.5） |
|---|---|
| ±10% | 96人 |
| ±5% | 384人 |
| ±3% | 1,067人 |
| ±2% | 2,401人 |
| ±1% | 9,604人 |
重要な発見：誤差を半分にするにはサンプル数が4倍必要です。また直感に反して、母集団のサイズはほとんど必要サンプル数に影響しません。
4. A/Bテスト：デジタル時代の実験設計
仮説検定の手順
- 帰無仮説 H₀：2グループに差はない（変更は効果なし）
- 対立仮説 H₁：グループBはグループAより優れている
- ユーザーをAまたはBに無作為に割り当て、データを収集
- p値を計算：H₀が真である場合にこれほど大きな差を観測する確率
- p < 0.05なら H₀ を棄却、差は統計的に有意
統計的有意性 ≠ 実際の重要性。サンプルが十分大きければ、わずかな差でも統計的有意になります。p値だけでなく効果量（Effect Size）も評価しましょう。
結果を視覚化：グラフ作成ツールでABグループのデータ分布を棒グラフや折れ線グラフで表示し、p値だけに頼らず効果量を直感的に判断しましょう。
5. よくある標本バイアス
- 選択バイアス：標本が母集団を代表していない（例：インターネット調査はネット非利用者を除外）
- 生存バイアス：「生き残った」ケースだけを見て、消えたケースを無視
- 回答バイアス：回答者が本音ではなく社会的に望ましい答えをする傾向
- 多重比較の問題：20の検定を同時に行えば、偶然だけでも約1つが p < 0.05 になる
割合をすばやく計算：レポートを読む際に変化率や割合を確認するには、パーセント計算ツールが役立ちます。
まとめ
- 標本抽出の核心：無作為性と代表性が信頼できる推測の基礎
- 信頼区間：不確実性の定量化——「真の値が区間内にある確率95%」という意味ではない
- サンプルサイズ：誤差を半分にするには4倍のサンプルが必要；母集団サイズはほぼ無関係
- A/Bテスト：無作為割り当て＋仮説検定；統計的有意性は実際の重要性と異なる
- p値：H₀が真のときに現在のデータを観測する確率——よく誤解される
統計的推測の究極の目標は精確な数値を算出することではなく、不確実性の中で根拠ある判断を下すことです。