統計学の誤差とは？標準偏差と標準誤差の違いを初心者向けに解説

株式投資でテクニカル分析やファンダメンタル分析を行う際、統計データを活用する場面は多くあります。しかし、統計学で扱う「誤差」という概念が曖昧なまま使っている方も多いのではないでしょうか。特に、標準偏差と標準誤差の違いや、どんな場面でどちらを使うべきかは混同しやすいポイントです。

この記事では、統計学における誤差の基本から、標準偏差と標準誤差の違い、標本誤差の意味、そして実際の計算方法や使い分けまで、初心者の方にもわかりやすく解説します。統計の誤差を正しく理解すれば、データの信頼性を判断でき、より精度の高い投資判断が可能になります。

目次

• 統計学における誤差とは？基本的な考え方
• 標準偏差（SD）とは何か？わかりやすく解説
• 標準誤差（SE）とは何か？標本平均のバラツキを示す指標
• 標準偏差と標準誤差の違いと使い分け
• 標本誤差とは？標本調査における誤差の理解
• 標準誤差の計算方法と具体例
• 誤差範囲の決定とサンプルサイズの計算
• まとめ

統計学における誤差とは？基本的な考え方

統計学で扱う誤差とは、測定値や推定値が真の値からどれだけ離れているかを示す指標です。株式投資でいえば、過去のデータから将来のリターンを予測する際、その予測値と実際の結果との差が誤差にあたります。

誤差には大きく分けて2つのタイプがあります。

• 系統誤差（偏り）：測定方法や調査設計そのものに原因がある誤差で、一定方向に偏る傾向があります。
• 偶然誤差（ランダム誤差）：偶然の要因によって生じる誤差で、測定のたびにランダムに変動します。

統計学で主に扱うのは偶然誤差です。これはデータのバラツキとして現れ、標準偏差や標準誤差といった指標で数値化されます。誤差を正しく把握することで、データの信頼性や推定の精度を客観的に評価できるようになります。

誤差とバラツキの関係

統計学では、データのバラツキ（散らばり具合）が大きいほど、個々のデータが平均値から離れていることを意味します。このバラツキこそが誤差の源泉です。バラツキを定量的に表す代表的な指標が標準偏差であり、推定値のバラツキを表すのが標準誤差です。

標準偏差（SD）とは何か？わかりやすく解説

標準偏差（Standard Deviation、SD）は、データのバラツキ具合を表す最も基本的な統計量です。データが平均値からどの程度散らばっているかを数値で示します。

標準偏差の意味

たとえば、ある銘柄の日次リターンのデータがあったとします。平均リターンが0.5%だったとしても、日によって+3%だったり-2%だったりとバラツキがあります。このバラツキの大きさを一つの数値で表すのが標準偏差です。

標準偏差が大きいほど、データは平均から大きく離れた値が多いことを意味し、ボラティリティが高い（変動が激しい）状態を示します。逆に標準偏差が小さければ、データは平均の周辺に集まっており、安定していると言えます。

標準偏差の計算式

標準偏差は次の式で計算されます。

\(
\text{標準偏差} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} (x_i – \bar{x})^2}
\)

ここで、

• n：データの個数
• x_i：個々のデータ値
• x̄：データの平均値

この式は、各データが平均からどれだけ離れているかを二乗して平均し、その平方根を取ったものです。二乗することで、プラスマイナスの方向を無視してバラツキの大きさだけを評価できます。

標準偏差を使う場面

標準偏差はデータそのもののバラツキを知りたいときに使います。具体的には以下のような場面です。

• リスク評価：株価のボラティリティを測定する
• 品質管理：製品のばらつきを評価する
• データ分布の把握：正規分布の場合、平均±1標準偏差の範囲に約68%のデータが含まれる

標準誤差（SE）とは何か？標本平均のバラツキを示す指標

標準誤差（Standard Error、SE）は、標本から計算された統計量（特に平均値）が、母集団の真の値からどれだけズレる可能性があるかを示す指標です。簡単に言うと、推定値のバラツキを表します。

標準誤差の意味

たとえば、ある銘柄の平均リターンを知りたいとき、過去100日分のデータから平均を計算したとします。しかし、もし別の100日分のデータを選んで計算したら、少し異なる平均値が出るでしょう。この「標本平均のバラツキ」を数値化したものが標準誤差です。

標準誤差が小さいほど、標本平均は母集団の真の平均に近いと考えられ、推定の精度が高いことを意味します。

標準誤差の計算式

標準誤差は標準偏差とサンプルサイズから次のように計算されます。

\(
\text{標準誤差} = \frac{\text{標準偏差}}{\sqrt{n}}
\)

ここで、

• 標準偏差：データそのもののバラツキ
• n：サンプルサイズ（標本の数）

この式からわかるように、サンプルサイズが大きいほど標準誤差は小さくなります。つまり、たくさんのデータを集めるほど、推定値の精度は向上するのです。

標本平均の誤差範囲としての標準誤差

標準誤差は、標本平均が母平均からどの程度の範囲でズレうるかを示します。正規分布を仮定すると、真の母平均は標本平均±1標準誤差の範囲に約68%の確率で含まれ、±2標準誤差の範囲には約95%の確率で含まれます。

この性質を利用して、信頼区間を設定し、推定値の信頼性を評価することができます。

標準偏差と標準誤差の違いと使い分け

標準偏差と標準誤差は名前が似ているため混同しやすいですが、測定する対象が根本的に異なります。

両者の違いを整理

使い分けのポイント

どちらを使うべきかは、何を知りたいかによって決まります。

標準偏差を使うとき

• データのバラツキそのものを知りたい：株価の変動幅、リターンのボラティリティなど
• 個々のデータの分布を把握したい：正規分布のどの範囲にデータが集中しているか
• エラーバーで個々の観測値のばらつきを示したい：実験データや測定データのグラフ

標準誤差を使うとき

• 推定値の精度を評価したい：標本平均がどれだけ信頼できるか
• 信頼区間を設定したい：母平均の推定範囲を示す
• 必要なサンプルサイズを決定したい：どれくらいのデータ数があれば十分な精度が得られるか
• エラーバーで推定値の不確実性を示したい：グループ間比較や平均値の信頼性

一般に、データの散らばり自体を議論する場合は標準偏差、推定や予測の信頼性を議論する場合は標準誤差を使うのが適切です。

標本誤差とは？標本調査における誤差の理解

標本誤差は、標本調査を行った際に避けられない誤差で、標本から得られた推定値が母集団の真の値とどれだけ異なるかを表します。

標本誤差が生じる理由

母集団全体を調査することは、時間やコストの面で現実的ではありません。そこで、母集団から一部を抜き出した標本を調査し、その結果から母集団全体の特性を推定します。

しかし、標本は母集団のごく一部に過ぎないため、どの標本を選ぶかによって結果が変わります。この「標本のランダムな選び方」によって生じるバラツキが標本誤差です。

標本誤差と標準誤差の関係

標本誤差を定量化する代表的な指標が、まさに標準誤差です。標準誤差は、無数の標本を取った場合に標本平均がどの程度バラつくかを示すため、標本誤差の大きさを表す尺度として使われます。

標本誤差を小さくする方法

標本誤差を小さくするには、以下の方法が有効です。

1. サンプルサイズを増やす：標本数を大きくすれば、標準誤差は小さくなり、推定精度が向上します。
2. 無作為抽出を徹底する：偏りのない抽出方法を用いることで、系統誤差を減らし、標本誤差のみを評価できます。
3. 層化抽出を利用する：母集団を複数の層に分け、各層から適切にサンプルを選ぶことで、効率的に誤差を減らせます。

標本誤差の情報の見方

統計調査の結果には、しばしば「標準誤差」や「信頼区間」といった誤差情報が付記されています。これらは推定値の信頼性を示す重要な情報です。

たとえば、「平均リターン 2.5% ± 0.3%（標準誤差）」と書かれていれば、真の平均リターンは2.2%から2.8%の範囲にある可能性が高いと解釈できます。

標準誤差の計算方法と具体例

ここでは、実際に標準誤差を計算する手順を、具体例を使って見ていきましょう。

計算の前提

ある銘柄の過去10日間の日次リターン（%）が以下の通りだったとします。

1.2, -0.5, 2.3, 0.8, -1.1, 1.5, 0.3, -0.7, 1.9, 0.6

この標本から、母集団の平均リターンを推定し、その推定精度を標準誤差で評価します。

ステップ1：標本平均を計算する

まず、10個のデータの平均値を求めます。

\(
\bar{x} = \frac{1.2 + (-0.5) + 2.3 + 0.8 + (-1.1) + 1.5 + 0.3 + (-0.7) + 1.9 + 0.6}{10} = \frac{6.3}{10} = 0.63
\)

標本平均は0.63%です。

ステップ2：標準偏差を計算する

次に、各データと平均の差を二乗し、その平均を取って平方根を求めます。

1. 各データと平均の差を計算：(1.2 – 0.63), (-0.5 – 0.63), …
2. それぞれを二乗：(0.57)², (-1.13)², …
3. 二乗した値の平均を計算
4. 平方根を取る

計算すると、標準偏差は約1.18%となります。

ステップ3：標準誤差を計算する

標準誤差は、標準偏差をサンプルサイズの平方根で割ります。

\(
\text{標準誤差} = \frac{1.18}{\sqrt{10}} = \frac{1.18}{3.162} \approx 0.37
\)

標準誤差は約0.37%です。

結果の解釈

この結果から、標本平均0.63%は、母集団の真の平均リターンの推定値として、約0.37%の誤差範囲を持つと言えます。95%信頼区間であれば、0.63% ± 1.96×0.37% = 0.63% ± 0.73%、つまり約-0.1%から1.36%の範囲に真の平均がある可能性が高いと推定できます。

Excelで計算する方法

Excelでは、以下の関数を使って簡単に計算できます。

• 標準偏差：=STDEV.S(範囲) または =STDEV(範囲)
• 標準誤差：=STDEV.S(範囲)/SQRT(COUNT(範囲))

データが A1:A10 に入力されている場合、セルに以下のように入力します。

=STDEV.S(A1:A10)/SQRT(COUNT(A1:A10))

これで標準誤差が自動計算されます。

誤差範囲の決定とサンプルサイズの計算

標準誤差を理解すると、逆に「どれくらいの精度で推定したいか」から必要なサンプルサイズを決めることができます。

誤差範囲の決定

統計学では、推定値の信頼性を示すために信頼区間を設定します。一般的には95%信頼区間が使われ、次の式で表されます。

\(
\text{信頼区間} = \bar{x} \pm 1.96 \times \text{標準誤差}
\)

この範囲内に、母集団の真の平均が95%の確率で含まれると解釈します。1.96という数値は、正規分布における95%の範囲に対応する係数です。

必要なサンプルサイズの決定

逆に、「誤差を○○以下にしたい」という目標がある場合、必要なサンプルサイズは次のように計算できます。

\(
n = \left( \frac{1.96 \times \text{標準偏差}}{\text{許容誤差}} \right)^2
\)

具体例：必要なサンプルサイズの計算

ある銘柄のリターンの標準偏差が2%とわかっている場合、推定誤差を±0.5%以内に抑えるには何日分のデータが必要でしょうか。

1. 与えられた情報：標準偏差 = 2%、許容誤差 = 0.5%
2. 計算式に代入：

\(
n = \left( \frac{1.96 \times 2}{0.5} \right)^2 = \left( \frac{3.92}{0.5} \right)^2 = (7.84)^2 \approx 61.5
\)

3. 結果：約62日分のデータが必要です。

このように、標準誤差の考え方を使えば、必要なデータ量を事前に見積もることができ、効率的な調査計画が立てられます。

サンプルサイズと誤差の関係

サンプルサイズを2倍にしても、標準誤差は半分にはなりません。標準誤差はサンプルサイズの平方根に反比例するため、誤差を半分にするにはサンプルサイズを4倍にする必要があります。

つまり、精度を高めるには多くのデータが必要ですが、その効果は次第に小さくなっていくため、コストと精度のバランスを考えることが重要です。

まとめ

統計学における誤差の理解は、データ分析の信頼性を評価する上で欠かせません。この記事では、標準偏差と標準誤差の違い、標本誤差の意味、そして実際の計算方法まで解説しました。

• 統計学の誤差とは、測定値や推定値が真の値からどれだけ離れているかを示す指標で、データのバラツキや推定の不確実性を表します。
• 標準偏差（SD）はデータそのもののバラツキを示し、個々の観測値が平均からどれだけ散らばっているかを測定します。
• 標準誤差（SE）は推定量（標本平均など）のバラツキを示し、推定値が母集団の真の値からどれだけズレる可能性があるかを評価します。
• 標本誤差は標本調査で避けられない誤差で、標準誤差によって定量化され、サンプルサイズを増やすことで小さくできます。
• 標準誤差を活用すれば、信頼区間の設定や必要なサンプルサイズの計算が可能になり、効率的で精度の高いデータ分析が実現できます。

株式投資やデータ分析において、誤差を正しく理解し活用することで、より信頼性の高い判断ができるようになります。ぜひこの知識を実践に役立ててください。