統計的な推測(二項分布・正規分布)

統計的な推測(二項分布・正規分布)― 一部から全体を「確率つきで」推定する

まず、身近なところから

「内閣支持率 45%(調査対象 2000 人)」。全国民に聞いたわけではないのに、なぜ言い切れる?
スープの味見と同じで、よくかき混ぜてから 一部 をとれば、全体の味がだいたいわかる。

中 3 の標本調査は「だいたい同じ割合」で終わった。高校では どれくらいの誤差で 信頼できるかまで数で言う。

 確率変数と期待値 → 二項分布 → 正規分布 → 標本平均の分布 → 推定
 (この順に積み上げていく)

この単元で使う記号・ことば

記号・ことば読み方意味
確率変数 エックス(大文字)さいころの目のように、確率に応じて値が決まる 変数
ピー エックス イコール 3X が 3 になる 確率(Probability の P)
イー エックス期待値(平均)。「値 × 確率」の合計(Expectation の E)
ブイ エックス分散。平均からのばらつきの大きさ(Variance の V)
シグマ(小文字)標準偏差。。ばらつきを元の単位で表したもの
シグマ(大文字)全部たすという記号(数B 数列)
ビー エヌ ピー二項分布。確率 p のことを n 回くり返したときの「起こる回数」の分布
エヌ ミュー シグマ 2 じょう正規分布。平均 μ、標準偏差 σ の釣り鐘型の分布
ミュー平均を表す文字(ギリシャ文字の m)
ゼット標準化 した値。平均から標準偏差いくつ分はなれているか
母集団(ぼしゅうだん)・標本―調べたい全体・その中から取り出した一部
、エックス バー標本平均(取り出した一部の平均)
信頼区間(しんらいくかん)―「母平均はこの範囲にある」と、95% などの確かさで言える範囲
プラス マイナス は「 から まで」

1. 確率変数と期待値・分散

基本

確率変数 X の値と確率を表にしたものを 確率分布 という。

X の値
確率

例 1 X が 1、2、3 を確率 、、 でとるときの E(X)

  E(X) = 1 × 1/6 + 2 × 2/6 + 3 × 3/6    ← 値 × 確率 を たす
       = 1/6 + 4/6 + 9/6
       = 14/6
       = 7/3                              ← 約分

答え: 7/3

もっとくわしく: 期待値の意味 / 分散も計算してみる / 例題をもう 1 つ

期待値は「何回もくり返したときの 平均 の値」。例 1 を 6000 回やると、だいたい 1 が 1000 回、2 が 2000 回、3 が 3000 回出るので、平均は

  (1×1000 + 2×2000 + 3×3000) ÷ 6000
= 14000 ÷ 6000
= 7/3

分散(例 1 の X):

  E(X²) = 1² × 1/6 + 2² × 2/6 + 3² × 3/6
        = 1/6 + 8/6 + 27/6
        = 36/6
        = 6
  V(X) = E(X²) − {E(X)}²
       = 6 − (7/3)²
       = 6 − 49/9
       = 54/9 − 49/9
       = 5/9

例 X が 1、2、3 を確率 、、 でとる

  E(X) = 1 × 2/6 + 2 × 1/6 + 3 × 3/6     ← 分母を 6 にそろえる
       = (2 + 2 + 9)/6
       = 13/6

つまずきポイント: 確率の合計は必ず 1。 ✓ と確かめると計算ミスに気づける。

aX + b の期待値・分散

とすると

例 2 E(X) = 5、V(X) = 2 のとき Y = 3X + 1

  E(Y) = 3 × 5 + 1 = 16
  V(Y) = 3² × 2
       = 9 × 2
       = 18              ← + 1 は 関係ない
もっとくわしく: なぜ分散は a² 倍で、b は関係ないの?

テストの点数 X 全員に + 10 点 すると、平均は 10 上がるが、ばらつき(点数の差)は変わらない。だから b は分散に関係しない。
全員の点数を 2 倍 すると、平均からのずれも 2 倍になる。分散は「ずれの 2 乗」の平均なので 倍になる。

 X:       40   50   60      平均 50、ずれ −10, 0, 10
 2X:      80  100  120      平均 100、ずれ −20, 0, 20   ← ずれ 2 倍 → 分散 4 倍
 X + 10:  50   60   70      平均 60、ずれ −10, 0, 10    ← 分散 変わらない

2. 二項分布 B(n, p)

基本

確率 p で起こることを n 回 くり返し、起こった 回数 を X とする。X の分布を 二項分布 B(n, p) という。

例 3 B(100, 0.2) の期待値と分散

  E(X) = 100 × 0.2
       = 20
  V(X) = 100 × 0.2 × (1 − 0.2)
       = 100 × 0.2 × 0.8
       = 20 × 0.8
       = 16

答え: E(X) = 20、V(X) = 16

もっとくわしく: 確率の式 / 例題をもう 3 つ

X = k となる確率は、数A の反復試行と同じ:

期待値 np は「100 回やって確率 0.2 なら、だいたい 20 回」という当たり前の感覚と同じ。

例 さいころを 30 回投げて 1 が出る回数 → 、

例 B(20, 0.25) の E(X) →

例 B(10, 0.1) の V(X)

  10 × 0.1 × 0.9
= 1 × 0.9
= 0.9

つまずきポイント: 分散は ではなく 。「1 − p」をかけ忘れない。

3. 正規分布 N(μ, σ²) と標準化

基本

身長・テストの点・測定誤差など、多くの量は平均 μ を中心とした 左右対称の釣り鐘型 に分布する。これが 正規分布 。

             ╭───╮
           ╱       ╲
         ╱           ╲
       ╱               ╲
 ────╱───┼─────┼─────┼───╲────
       μ−2σ  μ−σ  μ  μ+σ  μ+2σ
        └── 約 68% ──┘
     └────── 約 95% ──────┘

標準化: どんな正規分布も

で、平均 0、標準偏差 1 の 標準正規分布 N(0, 1) に直せる。z は「平均から 標準偏差いくつ分 はなれているか」。

例 4 N(50, 10²) で X = 70 の z

 μ = 50、σ = 10(10² の 2 乗の前の数)
  z = (70 − 50) / 10
    = 20 / 10
    = 2

答え: 2(平均より 2σ 上)

もっとくわしく: 例題をもう 2 つ / つまずきポイント

例 N(45, 5²) で X = 35

  z = (35 − 45) / 5
    = −10 / 5
    = −2          ← 平均より 下なので マイナス

例 N(60, 15²) で X = 75 →

標準化すると、ちがう正規分布どうしでも同じ表(正規分布表)で確率が読める。
n が大きいとき、二項分布 B(n, p) は正規分布 N(np, np(1 − p)) で近似できる。

つまずきポイント: N(50, 10²) の 2 つ目は 分散()。わるのは σ = 10。100 でわらない。

4. 標本平均の分布 ― 推定の土台

基本

母平均 μ、母標準偏差 σ の母集団から、大きさ n の標本をとって平均 を出す。 は標本ごとにばらつくが、

標本が大きいほど のばらつきは小さい( でわる)。

例 5 σ = 12、n = 9 の標本平均の標準偏差と分散

 標準偏差 = σ / √n
         = 12 / √9
         = 12 / 3
         = 4
 分散     = σ² / n
         = 144 / 9
         = 16          (4² = 16 と同じ)
もっとくわしく: 例題をもう 2 つ / 割り切れないとき

例 σ = 6、n = 16

 標準偏差 = 6 / √16 = 6 / 4 = 1.5
 分散     = 36 / 16 = 2.25

例 σ = 20、n = 36 の標準偏差

  20 / √36
= 20 / 6
= 3.333…
→ 3.33          ← 小数第 3 位を 四捨五入

割り切れないときは 小数第 2 位まで(四捨五入)で答える。

つまずきポイント: 標準偏差は σ/√n(σ/n ではない)。分散は σ²/n(σ を 2 乗してから n でわる)。

5. 母平均の推定 ― 95% 信頼区間

基本

は正規分布に従い、その 95% は の範囲に入る。これを裏返すと、

と書いたときの幅 。

例 6 σ = 20、n = 100 のときの k

  k = 1.96 × 20 / √100
    = 1.96 × 20 / 10
    = 1.96 × 2
    = 3.92

答え: 3.92。「母平均は の範囲にある(95% の信頼度で)」

もっとくわしく: 1.96 はどこから? / 例題をもう 1 つ / n と幅の関係

標準正規分布 N(0, 1) で、−1.96 ≦ z ≦ 1.96 に入る確率がちょうど 95%(正規分布表で読む値)。だから「± 1.96 × 標準偏差」の範囲。

例 σ = 10、n = 400

  1.96 × 10 / √400
= 1.96 × 10 / 20
= 1.96 × 0.5
= 0.98

n を 4 倍にすると幅は半分( でわるから):

nk(σ = 20)
100103.92
400201.96

たくさん調べるほど、推定の幅がせまく(正確に)なる。

練習してみよう

  1. B(50, 0.1) の E(X) → 5
  2. B(40, 0.5) の V(X) → 10
  3. N(60, 15²) で X = 45 を標準化した z → −1
  4. σ = 10、n = 25 の標本平均の標準偏差 → 2
  5. E(X) = 4、V(X) = 3、Y = 2X + 5 → E(Y) = 13、V(Y) = 12
  6. σ = 30、n = 400 の 95% 信頼区間の幅 k → 2.94
  7. X が 1、2、3 を確率 、、 でとるときの E(X) → 13/6
  8. σ = 20、n = 36 の標本平均の標準偏差 → 3.33
もっとくわしく: 練習の途中式

1. 

2. 

3. 

4. 

5. E(Y) = 2 × 4 + 5 = 13、V(Y) =

6. 

7. 

8.  → 3.33

よくある間違い

練習の前に

二項分布の期待値・分散、標準化、標本平均の分散・標準偏差、aX + b、期待値、信頼区間の幅が 20 問。小数・分数可。
「期待値は np、分散は np(1 − p)、標本平均のばらつきは σ/√n」を軸に。小数の答えが割り切れないときは小数第 2 位まで(四捨五入)で入力する。わからなくなったら、上の「この単元の前に」の単元に戻ろう。