【初心者向け】点推定とは？不偏性・一致性・有効性をわかりやすく解説

　「全国の平均年収はいくらか」——すべての人を調査するのは現実的ではありません。そこで 標本から得た1つの数値(統計量) でパラメータを推測する手法が 点推定（Point Estimation） です。

　この章では、点推定の基本的な考え方、良い推定量が満たすべき3つの条件（不偏性・一致性・有効性）、そして点推定の限界まで、図解を交えて丁寧に解説します。

9.1 推定とは
9.2 点推定の考え方
9.3 良い推定量の3条件
9.4 点推定の限界と区間推定へ
まとめ
次の記事

9.1 推定とは

　前章で学んだ通り、統計学の目標は 標本から母集団の特性（母数）を推測することです。この推測行為を 推定（Estimation） と呼び、大きく2種類に分かれます。

推定の種類	概要	例
点推定（Point Estimation）	1つの数値（点）で母数を推定する	「母平均は 52.3 点である」
区間推定（Interval Estimation）	母数が入る「範囲」を確率付きで示す	「95%の確率で 50〜55 点の間にある」

　点推定はシンプルでわかりやすい一方、「どのくらいズレる可能性があるか」という精度の情報が含まれません。区間推定（次章）ではこの弱点を補います。

9.2 点推定の考え方

　点推定では、標本から計算した 統計量 を使って母数を推測します。代表的な推定量は以下の通りです。

母数（未知）	推定量（統計量）	式
母平均 μ	標本平均 $\bar{x}$	$\bar{x} = \frac{\Sigma{x_i}}{n}$
母分散 σ²	不偏分散 s²	$s^2=\frac{\Sigma(x_i-\bar{x})^2}{n-1}$
母比率 p	標本比率 $\hat{p}$	$\hat{p}=\frac{標本中の該当数}{n}$

　たとえば10人の身長を測り、その平均が168.5cmだったとすれば、「全国の平均身長の点推定値は168.5cm」となります。しかし、別の10人を選べば異なる値になります。一般に、標本から計算した統計量はサンプリングのたびに異なる値をとり、ばらつきを持ちます。

　上図のように、各標本から得た平均 $\bar{x}$ は少しずつ異なりますが、その期待値は母平均 μ に等しいという性質があります。(不偏性)

9.3 良い推定量の3条件

点推定量には「良し悪し」があります。統計学では良い推定量の条件として以下の3つが挙げられます。

① 不偏性（Unbiasedness）

　推定量の期待値が真の母数と等しいとき、その推定量は 不偏推定量（Unbiased Estimator） といいます。

$E[\bar{x}] = \mu$ （標本平均の期待値は母平均に等しい）

注目すべき点として、標本分散 $\frac{\Sigma(x_i-\bar{x})^2}{n}$ は母分散の 偏った推定量（過小推定）になります。一方、(n-1) で割った 不偏分散 $s^2=\frac{\Sigma(x_i-\bar{x})^2}{n-1}$ は不偏推定量です。これがなぜ n ではなく n-1 で割るかの理由です。

② 一致性（Consistency）

　標本サイズ n を大きくすると推定量が真の値に近づく性質を 一致性 といいます。

n → ∞ のとき、 $\bar{x} \rightarrow\mu$

図9-2：n=5, 30, 100 における標本平均の分布。n が増えるほど分布が μ=50 に収束する（一致性）。どの n でも期待値が μ=50 になっている（不偏性）

　上図は n=5, 30, 100 のそれぞれで2000回シミュレーションした標本平均の分布（ヒストグラム）です。n が大きいほど分布が狭くなり、真の値 μ=50 に集中していることがわかります。これが一致性の視覚的なイメージです。

③ 有効性（Efficiency）

　不偏推定量が複数ある場合、分散が最も小さい（最もばらつきが少ない）推定量を 有効推定量（Efficient Estimator） と呼びます。分散が小さいほど良い推定量と言えます。

条件	意味	式・基準
不偏性	期待値が母数に一致	$E[\hat{\theta}]=\theta$
一致性	n を増やせば母数に近づく	$n\rightarrow\infin$ のとき、 $\hat{\theta}\rightarrow\theta$
有効性	同じ n でよりばらつきが小さい	$Var(\hat{\theta})$ が最小

　標本平均 $\bar{x}$ は母平均 μ の推定量として、この3条件すべてを満たす優れた推定量です。

9.4 点推定の限界と区間推定へ

　点推定は非常に便利ですが、根本的な限界があります。それは 「どのくらい正確か」がわからない点です。

「母平均の推定値は52.3点です」——でも、これは50点かもしれないし、55点かもしれない。どのくらいの誤差があるか、点推定だけではわかりません。

　この問題を解決するのが次章の 区間推定 です。区間推定では、「95%の確率で50〜55点の範囲に母平均がある」というように、確率付きの範囲（信頼区間）として推定結果を表現します。

比較	点推定	区間推定（次章）
推定結果の形式	1つの数値	範囲（区間）
精度の情報	含まない	信頼水準として含む
わかりやすさ	シンプル	やや複雑
実務での使用	概算・速報値	統計的な意思決定