統計学の区間推定をわかりやすく解説！信頼区間と推定方法の基本

統計学を学んでいると「区間推定」という言葉に出会いますが、最初は何のことだかよくわからないという方も多いのではないでしょうか。データから母集団の特徴を推測したいけれど、どうやって信頼できる範囲を計算すればいいのか悩みますよね。

区間推定とは、標本データから母集団のパラメータ（母平均や母比率など）がどの範囲に含まれるかを一定の確率で推定する統計手法です。単一の値で推定する点推定とは異なり、「95%の確率でこの範囲に真の値がある」という形で幅を持たせて推定するため、推定の信頼性を数値で示すことができます。

この記事では、統計学における区間推定の基本的な考え方から、信頼区間の意味、具体的な計算方法まで、初心者の方にもわかりやすく丁寧に解説していきます。株式投資のデータ分析にも応用できる重要な知識ですので、ぜひ最後まで読んで理解を深めてください。

目次

• 区間推定とは何か
• 点推定と区間推定の違い
• 信頼区間と信頼度の意味
• 母平均の区間推定（母分散既知の場合）
• 母平均の区間推定（母分散未知の場合）
• 母比率の区間推定
• 母分散の区間推定
• 中心極限定理と大標本での区間推定
• 区間推定を実際に計算してみよう
• まとめ

区間推定とは何か

区間推定（くかんすいてい）とは、手元にある標本データから、母集団の未知のパラメータ（例えば母平均や母比率）がどの範囲に含まれるかを推定する統計的手法です。

例えば、ある企業の株価の日次変動率を100日分調べて、その平均値が0.5%だったとしましょう。しかしこの0.5%は、たまたま抽出した100日間のデータから得られた値であって、本当の母集団全体の平均値（母平均）とは異なる可能性があります。

区間推定を使えば、「真の母平均は95%の確率で0.3%から0.7%の間に含まれる」といった形で、幅を持った範囲で推定することができます。この推定の幅を信頼区間と呼び、その確率を信頼度や信頼水準と呼びます。

統計学において区間推定が重要なのは、推定の不確実性を定量的に表現できる点にあります。単に「平均は0.5%です」と言うよりも、「95%の確率で0.3%から0.7%の間です」と言う方が、推定の信頼性や精度がわかりやすくなりますよね。

点推定と区間推定の違い

統計学における推定方法には、大きく分けて点推定と区間推定の2種類があります。この2つの違いを理解することが、区間推定を正しく使いこなす第一歩です。

点推定とは

点推定は、母集団のパラメータを1つの値（点）で推定する方法です。例えば、標本平均を計算して「母平均の推定値は0.5%です」と答えるのが点推定です。

点推定は計算がシンプルでわかりやすいというメリットがありますが、推定値がどれくらい信頼できるのか、どれくらいの誤差があるのかといった情報は含まれていません。

区間推定の特徴

一方、区間推定は母集団のパラメータが含まれる範囲を確率とともに示します。「95%の確率で0.3%から0.7%の間に母平均が含まれる」という形式です。

区間推定の主な特徴は以下の通りです。

• 推定の信頼性を数値化:信頼度（95%、99%など）によって、どれくらい確実に真の値を捉えているかを示せます。
• 推定の精度が可視化:信頼区間の幅が狭ければ精度が高く、広ければ不確実性が大きいことがわかります。
• 標本サイズの影響を反映:標本数が多いほど信頼区間は狭くなり、推定精度が向上します。

投資判断やビジネス分析では、単一の推定値だけでなく、その推定値の信頼性や誤差の範囲を把握することが重要です。そのため、実務では点推定よりも区間推定が好まれるケースが多くあります。

信頼区間と信頼度の意味

区間推定を理解する上で最も重要な概念が信頼区間と信頼度です。これらは初心者にとって少し混乱しやすいポイントなので、丁寧に説明していきます。

信頼区間とは

信頼区間（Confidence Interval）とは、母集団のパラメータが含まれると期待される数値の範囲のことです。例えば「95%信頼区間が[0.3%, 0.7%]」という場合、この区間が真の母平均を含む確率が95%であることを意味します。

ここで注意したいのは、信頼区間の解釈です。「95%信頼区間」とは、「同じ方法で何度も標本を取って信頼区間を計算すると、100回中95回はその区間に真の母数が含まれる」という意味です。

よくある誤解として「母平均が95%の確率でこの区間に存在する」と考えてしまうことがありますが、これは厳密には正しくありません。母平均は固定された値であり、確率的に動くものではないからです。動いているのは標本抽出によって変わる信頼区間の方なのです。

信頼度（信頼水準）とは

信頼度または信頼水準は、信頼区間が真の母数を含む確率のことです。一般的には95%や99%が用いられます。

• 95%信頼度:最もよく使われる水準で、リスクと精度のバランスが取れています。
• 99%信頼度:より高い確実性を求める場合に使用しますが、信頼区間の幅は広くなります。
• 90%信頼度:速報的な分析や予備調査で使われることがあり、信頼区間は狭くなります。

信頼度を高くすると、より確実に真の値を捉えられますが、その代わり信頼区間の幅が広くなり、推定の精度は下がります。逆に信頼度を低くすると区間は狭くなりますが、真の値を外すリスクが高まります。このトレードオフを理解して、目的に応じた信頼度を選択することが大切です。

母平均の区間推定（母分散既知の場合）

ここからは具体的な区間推定の計算方法を見ていきましょう。まずは最もシンプルなケース、母分散が既知の場合の母平均の区間推定から始めます。

前提条件

このケースでは以下の条件を仮定します。

• 母集団は正規分布に従う
• 母分散（σ²）は既知である
• 標本サイズはn個
• 標本平均は X̄ である

実務ではあまり母分散が既知というケースは少ないのですが、理論を理解する上で重要な基本形です。

信頼区間の計算式

母平均μの信頼度（1-α）×100%の信頼区間は、以下の式で計算されます。

\(\bar{X} – Z_{\alpha/2} \times \frac{\sigma}{\sqrt{n}} \leq \mu \leq \bar{X} + Z_{\alpha/2} \times \frac{\sigma}{\sqrt{n}}\)

ここで各記号の意味は以下の通りです。

• X̄: 標本平均
• σ: 母標準偏差（母分散の平方根）
• n: 標本サイズ
• Z_α/2: 標準正規分布の上側α/2点（95%信頼区間ならZ_0.025=1.96）

計算手順

実際に計算する際は、以下の手順で進めます。

1. 標本平均を計算: 標本データからX̄を求めます。
2. 信頼度を決定: 95%信頼区間なら、α=0.05となります。
3. Z値を確認: 標準正規分布表からZ_0.025=1.96を読み取ります。
4. 標準誤差を計算: σ/√n を計算します。これは標本平均のばらつきを示します。
5. 信頼区間を算出: X̄ ± 1.96 × (σ/√n) で上限と下限を求めます。

計算例

具体例で理解を深めましょう。ある銘柄の日次収益率について、母標準偏差σ=2%、標本サイズn=100、標本平均X̄=0.5%だったとします。95%信頼区間を求めてみましょう。

1. 標準誤差 = 2% / √100 = 2% / 10 = 0.2%
2. 誤差の幅 = 1.96 × 0.2% = 0.392%
3. 信頼区間の下限 = 0.5% – 0.392% = 0.108%
4. 信頼区間の上限 = 0.5% + 0.392% = 0.892%

したがって、母平均の95%信頼区間は[0.108%, 0.892%]となります。

この結果から、真の母平均は95%の確率で約0.11%から0.89%の間に含まれると推定できます。

母平均の区間推定（母分散未知の場合）

実際のデータ分析では、母分散が既知であることは稀です。むしろ母分散も未知というケースがほとんどです。この場合は、標本から推定した分散（不偏分散）を使い、正規分布の代わりにt分布を用います。

t分布とは

t分布（Student’s t-distribution）は、標本サイズが小さい場合に標準正規分布の代わりに使われる確率分布です。標本サイズが大きくなると正規分布に近づいていきます。

t分布は自由度（degrees of freedom）というパラメータで形が決まります。標本サイズがnの場合、自由度はn-1となります。

信頼区間の計算式

母分散未知の場合の母平均μの信頼区間は以下のようになります。

\(\bar{X} – t_{\alpha/2}(n-1) \times \frac{s}{\sqrt{n}} \leq \mu \leq \bar{X} + t_{\alpha/2}(n-1) \times \frac{s}{\sqrt{n}}\)

ここで各記号の意味は以下の通りです。

• X̄: 標本平均
• s: 標本標準偏差（不偏標準偏差）
• n: 標本サイズ
• t_α/2(n-1): 自由度n-1のt分布の上側α/2点

計算手順

母分散未知の場合は、以下の手順で計算します。

1. 標本平均X̄を計算: データの平均値を求めます。
2. 不偏分散s²を計算: データのばらつきを推定します。不偏分散は偏差平方和を(n-1)で割ったものです。
3. 標本標準偏差sを計算: 不偏分散の平方根を求めます。
4. 自由度を決定: 自由度 = n – 1 です。
5. t値を確認: t分布表から適切なt値を読み取ります。
6. 標準誤差を計算: s/√n を求めます。
7. 信頼区間を算出: X̄ ± t値 × (s/√n) で上限と下限を計算します。

計算例

20日分の株価変動率データがあり、標本平均X̄=0.6%、標本標準偏差s=1.8%だったとします。95%信頼区間を求めてみましょう。

1. 標本サイズ n = 20
2. 自由度 = 20 – 1 = 19
3. t_0.025(19) ≒ 2.093（t分布表より）
4. 標準誤差 = 1.8% / √20 ≒ 0.402%
5. 誤差の幅 = 2.093 × 0.402% ≒ 0.841%
6. 信頼区間の下限 = 0.6% – 0.841% = -0.241%
7. 信頼区間の上限 = 0.6% + 0.841% = 1.441%

したがって、母平均の95%信頼区間は[-0.241%, 1.441%]となります。

標本サイズが小さい（20日分のみ）ため、母分散既知の場合と比べて信頼区間の幅が広くなっていることがわかります。

母比率の区間推定

母平均だけでなく、母比率（割合）の区間推定も実務では頻繁に使われます。例えば「株価が上昇する確率」「配当を実施する企業の割合」などを推定する際に役立ちます。

母比率推定の基本

母比率pの推定では、標本から得られた比率（標本比率p̂）をもとに信頼区間を計算します。母比率の推定は二項分布に基づいていますが、標本サイズが十分大きい場合（目安としてnp≥5かつn(1-p)≥5）、正規分布で近似できます。

信頼区間の計算式

母比率pの信頼区間は以下の式で求められます。

\(\hat{p} – Z_{\alpha/2} \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} \leq p \leq \hat{p} + Z_{\alpha/2} \times \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}\)

ここで各記号の意味は以下の通りです。

• p̂: 標本比率（該当する標本数 / 全標本数）
• n: 標本サイズ
• Z_α/2: 標準正規分布の上側α/2点

計算手順

母比率の信頼区間を求める手順は以下の通りです。

1. 標本比率p̂を計算: 該当件数を標本サイズで割ります。
2. 信頼度を決定: 95%信頼区間ならα=0.05です。
3. Z値を確認: 95%信頼区間ならZ_0.025=1.96です。
4. 標準誤差を計算: √[p̂(1-p̂)/n] を求めます。
5. 信頼区間を算出: p̂ ± Z値 × 標準誤差 で上限と下限を計算します。

計算例

200社の上場企業を調査したところ、120社が増配を実施していました。増配を実施する企業の母比率の95%信頼区間を求めてみましょう。

1. 標本比率 p̂ = 120 / 200 = 0.6（60%）
2. 標準誤差 = √[0.6 × 0.4 / 200] = √[0.24 / 200] = √0.0012 ≒ 0.0346
3. 誤差の幅 = 1.96 × 0.0346 ≒ 0.0678
4. 信頼区間の下限 = 0.6 – 0.0678 = 0.5322（53.22%）
5. 信頼区間の上限 = 0.6 + 0.0678 = 0.6678（66.78%）

したがって、増配実施企業の母比率の95%信頼区間は[53.22%, 66.78%]となります。

真の増配実施率は95%の確率で約53%から67%の間に含まれると推定できます。

母分散の区間推定

母平均や母比率だけでなく、母分散（データのばらつき）の区間推定も重要です。株式投資では、リスクの大きさを示すボラティリティ（分散や標準偏差）の推定が不可欠だからです。

カイ二乗分布の利用

母分散σ²の区間推定には、カイ二乗分布（χ²分布）を使います。正規母集団から抽出した標本の不偏分散に基づいて、母分散の信頼区間を計算します。

信頼区間の計算式

母分散σ²の信頼区間は以下の式で求められます。

\(\frac{(n-1)s^2}{\chi^2_{\alpha/2}(n-1)} \leq \sigma^2 \leq \frac{(n-1)s^2}{\chi^2_{1-\alpha/2}(n-1)}\)

ここで各記号の意味は以下の通りです。

• s²: 不偏分散
• n: 標本サイズ
• χ²_α/2(n-1): 自由度n-1のカイ二乗分布の上側α/2点
• χ²_1-α/2(n-1): 自由度n-1のカイ二乗分布の下側α/2点

計算の注意点

母分散の信頼区間は、他の推定と比べて少し複雑です。カイ二乗分布は非対称なので、上限と下限で異なるχ²値を使う必要があります。また、分子と分母が逆転している点にも注意が必要です。

計算例

25日分の日次収益率データから、不偏分散s²=4（%²）が得られたとします。母分散の95%信頼区間を求めてみましょう。

1. 標本サイズ n = 25、自由度 = 24
2. カイ二乗分布表より、χ²_0.025(24) ≒ 39.364、χ²_0.975(24) ≒ 12.401
3. 信頼区間の下限 = (24 × 4) / 39.364 ≒ 2.438
4. 信頼区間の上限 = (24 × 4) / 12.401 ≒ 7.741

したがって、母分散の95%信頼区間は[2.438, 7.741]（%²）となります。

母標準偏差（ボラティリティ）で表現する場合は、これらの平方根を取って[1.56%, 2.78%]となります。

中心極限定理と大標本での区間推定

ここまでは母集団が正規分布に従うことを前提としてきましたが、実際のデータは必ずしも正規分布とは限りません。しかし、中心極限定理という強力な定理により、母集団の分布が何であれ、標本サイズが十分大きければ区間推定が可能になります。

中心極限定理とは

中心極限定理（Central Limit Theorem）は、統計学における最も重要な定理の一つです。どんな分布の母集団であっても、そこから抽出した標本平均の分布は、標本サイズが大きくなるにつれて正規分布に近づくという定理です。

一般的に、標本サイズが30以上あれば、中心極限定理が適用できる「大標本」とみなされます。

大標本での区間推定の利点

中心極限定理のおかげで、以下のような利点があります。

• 母集団の分布を問わない: 正規分布でなくても区間推定が可能になります。
• 正規分布を利用可能: 標本サイズが大きければ、Z分布（標準正規分布）を使えます。
• 母分散未知でも近似可能: 標本サイズが十分大きい場合、t分布の代わりにZ分布を使っても大きな誤差は生じません。

一般母集団で大標本の場合の信頼区間

母集団の分布が未知で、標本サイズが大きい（n≥30）場合、母平均μの信頼区間は以下のように計算できます。

\(\bar{X} – Z_{\alpha/2} \times \frac{s}{\sqrt{n}} \leq \mu \leq \bar{X} + Z_{\alpha/2} \times \frac{s}{\sqrt{n}}\)

この式は母分散既知の場合と似ていますが、母標準偏差σの代わりに標本標準偏差sを使っている点が異なります。標本サイズが大きいため、この近似は十分正確です。

実務での応用

株式投資のデータ分析では、多くの場合、母集団の分布は明確ではありません。しかし、数十日から数百日分のデータがあれば、中心極限定理を活用して信頼性の高い区間推定ができます。

例えば、100日分の収益率データがあれば、その分布が正規分布でなくても、標本平均の分布は正規分布に近づくため、通常の区間推定の手法が適用できるのです。

区間推定を実際に計算してみよう

ここまで学んだ知識を使って、実際に区間推定の計算問題に取り組んでみましょう。手を動かすことで理解が深まります。

演習問題1：母分散既知の場合の信頼区間

問題: ある銘柄の日次収益率は正規分布N(μ, 4)に従うとします（母分散σ²=4、つまりσ=2%）。64日分のデータから標本平均が0.8%でした。母平均μの95%信頼区間を求めてください。

解答手順:

1. 与えられた情報を整理: X̄=0.8%、σ=2%、n=64、信頼度95%
2. Z値を確認: Z_0.025=1.96
3. 標準誤差を計算: σ/√n = 2% / √64 = 2% / 8 = 0.25%
4. 誤差の幅を計算: 1.96 × 0.25% = 0.49%
5. 信頼区間を算出: 0.8% ± 0.49% = [0.31%, 1.29%]

答え: 母平均μの95%信頼区間は[0.31%, 1.29%]です。

演習問題2：母分散未知の場合の信頼区間

問題: 16銘柄の年間収益率を調査したところ、標本平均が8%、標本標準偏差が3%でした。母平均の95%信頼区間を求めてください。

解答手順:

1. 与えられた情報を整理: X̄=8%、s=3%、n=16、信頼度95%
2. 自由度を計算: n – 1 = 15
3. t値を確認: t_0.025(15) ≒ 2.131（t分布表より）
4. 標準誤差を計算: s/√n = 3% / √16 = 3% / 4 = 0.75%
5. 誤差の幅を計算: 2.131 × 0.75% ≒ 1.598%
6. 信頼区間を算出: 8% ± 1.598% ≒ [6.40%, 9.60%]

答え: 母平均の95%信頼区間は[6.40%, 9.60%]です。

演習問題3：母比率の信頼区間

問題: 400銘柄を調査したところ、160銘柄が配当利回り3%以上でした。配当利回り3%以上の銘柄の母比率の95%信頼区間を求めてください。

解答手順:

1. 標本比率を計算: p̂ = 160 / 400 = 0.4（40%）
2. Z値を確認: Z_0.025=1.96
3. 標準誤差を計算: √[0.4 × 0.6 / 400] = √[0.24 / 400] = √0.0006 ≒ 0.0245
4. 誤差の幅を計算: 1.96 × 0.0245 ≒ 0.048
5. 信頼区間を算出: 0.4 ± 0.048 = [0.352, 0.448]、つまり[35.2%, 44.8%]

答え: 母比率の95%信頼区間は[35.2%, 44.8%]です。

これらの演習問題を通じて、各ケースでの計算方法の違いと共通点が見えてきたのではないでしょうか。実際のデータでも同じ手順で計算できますので、ぜひ手元のデータで試してみてください。

区間推定を投資判断に活かすポイント

区間推定は単なる数学的計算ではなく、投資判断における重要な意思決定ツールです。ここでは実務での活用方法をいくつか紹介します。

リスクとリターンの評価

株式投資では、期待リターンだけでなく、そのリターンの信頼性を評価することが重要です。区間推定を使えば、「このポートフォリオの年間リターンは95%の確率で5%から15%の間」といった形で、リターンの不確実性を定量化できます。

信頼区間の幅が狭いほど、リターンの予測精度が高く、投資判断の確実性が増します。逆に幅が広い場合は、より慎重な判断が求められます。

銘柄選択での活用

複数の銘柄を比較する際、単純に標本平均だけで比較するのではなく、信頼区間を考慮することで、より適切な判断ができます。

例えば、銘柄Aの平均リターンが8%（信頼区間[6%, 10%]）、銘柄Bが7%（信頼区間[6.5%, 7.5%]）だった場合、Bの方が平均は低いものの、予測精度が高いため安定した投資対象と言えるかもしれません。

ボラティリティの推定

母分散の区間推定を使えば、リスク指標であるボラティリティの信頼区間も計算できます。これにより、「このファンドのボラティリティは95%の確率で15%から25%の間」といった形で、リスクの不確実性も把握できます。

標本サイズの重要性

区間推定から学べる重要な教訓の一つは、標本サイズ（データ数）の重要性です。データが多いほど信頼区間は狭くなり、推定精度が向上します。

投資判断においても、数日分のデータだけで判断するのではなく、できるだけ長期間のデータを収集・分析することが、確実性の高い意思決定につながります。

区間推定の限界と注意点

区間推定は強力なツールですが、万能ではありません。実務で使う際の限界と注意点を理解しておきましょう。

前提条件の確認

区間推定の計算式は、特定の前提条件（母集団の正規性、標本の独立性など）を仮定しています。実際のデータがこれらの前提を満たしているか、事前に確認することが重要です。

特に株価データは自己相関（前日の値が翌日に影響する）を持つことが多く、標本の独立性の仮定が成立しない場合があります。

信頼区間の解釈

前述の通り、「95%信頼区間」の正しい解釈は「同じ方法で繰り返し標本抽出すると、100回中95回はその区間に真の値が含まれる」というものです。「真の値が95%の確率でこの区間にある」という解釈は厳密には誤りです。

実務では多少緩い解釈でも問題ありませんが、統計的議論では正確な理解が求められます。

外れ値の影響

標本平均や標本分散は外れ値（極端に大きい、または小さい値）の影響を受けやすい統計量です。データに外れ値が含まれると、信頼区間が歪む可能性があります。

事前にデータをクリーニングしたり、ロバストな推定手法を検討したりすることが重要です。

過去のデータと将来の予測

区間推定は過去のデータに基づいて母集団のパラメータを推定する手法です。株式市場のように環境が刻々と変化する状況では、過去の推定値が必ずしも将来に当てはまるとは限りません。

区間推定の結果は、現在の市場環境や将来の見通しと組み合わせて、総合的に判断する必要があります。

まとめ

この記事では、統計学における区間推定について、基本概念から具体的な計算方法まで幅広く解説しました。最後に重要なポイントをまとめておきます。

• 区間推定は母集団パラメータを幅で推定: 点推定とは異なり、信頼区間という範囲で推定することで、推定の不確実性を定量化できます。信頼度（95%、99%など）とセットで表現することで、推定の信頼性を明確に示せます。
• 母分散既知・未知で計算方法が異なる: 母分散が既知の場合は正規分布（Z分布）を使い、未知の場合はt分布を使います。実務では母分散未知のケースがほとんどなので、t分布による区間推定が基本となります。
• 母比率や母分散も区間推定可能: 母平均だけでなく、母比率の推定には正規近似、母分散の推定にはカイ二乗分布を使います。投資では割合やボラティリティの推定にも応用できます。
• 中心極限定理が実務の強い味方: 標本サイズが30以上あれば、母集団の分布に関わらず正規分布を使った区間推定が可能です。これにより、実務での適用範囲が大きく広がります。
• 投資判断では信頼区間の幅も重要: リターンやリスクの推定値だけでなく、信頼区間の幅（推定の精度）にも注目することで、より確実性の高い投資判断ができます。データ数が多いほど信頼区間は狭くなり、推定精度が向上します。

区間推定は統計学の基本技術でありながら、投資やビジネスの実務でも広く活用されています。この記事で学んだ知識を、ぜひご自身のデータ分析や投資判断に役立ててください。