母比率の信頼区間計算ツール

成功数とサンプルサイズ、または標本比率とサンプルサイズから母比率を推定します。

サンプル情報の入力

計算結果

信頼区間

$35.1598\% \le p \le 48.8402\%$

計算式

\hat{p} - ME \le p \le \hat{p} + ME

代入値

0.42 - 0.068402 \le p \le 0.42 + 0.068402

信頼水準 95% で、母比率は 35.1598% から 48.8402% の間にあると推定されます。

n p̂ = 84 と n(1 - p̂) = 116 が共に10以上のため、正規近似は妥当です。

下限

35.1598%

上限

48.8402%

標本比率 $\hat{p}$

0.42

標本比率 (%)

42%

誤差範囲

0.068402

標準誤差 $\mathrm{SE}$

0.0349

Z値 (臨界値) $z_{1-\alpha/2}$

1.959964

成功数

サンプルサイズ

200

近似標本分布

信頼水準 95% の面積

\pm z^*=\pm 1.96

ME=0.0684

下限35.1598%

p̂42%

上限48.8402%

段階的な計算手順

1. 入力値の確認

x=84,\ n=200,\ C=95\%

2. 標本比率の計算

\hat{p}=\frac{x}{n}=\frac{84}{200}=0.42

3. 標準誤差 (SE) の計算

SE=\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}=\sqrt{\frac{0.42(1-0.42)}{200}}=0.0349

4. Z値の取得

z_{0.975}=1.959964

5. 誤差範囲 (ME) の計算

ME=1.959964\times 0.0349=0.068402

6. 信頼区間の算出

\hat{p}\pm ME=0.42\pm 0.068402\Rightarrow 0.351598 \le p \le 0.488402

母比率の信頼区間を理解する

まずはじめに：この計算ツールでわかること

200人にアンケートを行ったり、500個の製品を検査したりする場合、あなたは*母集団全体*について何かを推定しようとしています。標本はあくまでも全体のごく一部であるため、得られた結果は推定値にすぎません。

この計算ツールの主な目的は、その単一の推定値を信頼性の高い範囲に変換することです。単純な数値を示すのではなく、次のような明確で実用的な結論を提示します。

> 「信頼水準95%で、母集団の真の比率は35.16%〜48.84%の間と推定されます。」

これにより、真の値が実際にどのあたりに存在するかを現実的な範囲として把握でき、調査結果を裏付けるための誤差の限界と標準誤差も確認できます。

基本概念：統計をわかりやすく解説

計算に入る前に、この計算を支える重要な考え方を理解しておくと役立ちます。

信頼区間とは何か？

信頼区間は、標本データをもとに、未知の母比率について妥当な範囲を推定するものです。標本比率（数学的には $\hat{p}$ と表します）だけを報告するのではなく、その推定値を中心として両側に余裕を持たせた区間を報告します。

「信頼水準」とは何を意味するのか？

信頼水準は通常、90%、95%、99%のいずれかに設定されます。この数値は、統計的手法の長期的な信頼性を表しています。同じ方法で無作為標本を繰り返し抽出して区間を作成した場合、そのうちの約95%が真の母比率を含むことになります。

信頼水準が高いほど区間は広くなります（真の値を見逃さないようにするため）。
信頼水準が低いほど区間は狭くなります。

「z値」（臨界値）とは何か？

母比率の信頼区間では、標準的な教科書的方法として臨界z値が使用されます。この値は標準正規分布から導かれ、選択した信頼水準に応じた乗数として機能します。信頼水準が高いほど大きなz値が必要となり、最終的に誤差の限界が大きくなります。

計算方法の数学的背景

標準的なウォルド区間（両側）の数学的な構造は比較的シンプルです。

\hat{p} \pm z_{1-\alpha/2} \times SE

この式を構成する要素は以下の通りです。

$\hat{p}$ ：標本比率。
$z_{1-\alpha/2}$ ：臨界z値。
$SE$ ：標準誤差。

標準誤差は、比率が50%にどれだけ近いかと、標本の大きさによって計算されます。

SE = \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}

標本サイズ（ $n$ ）が大きいほど標準誤差は小さくなります。観測された比率が50%に近いほど標準誤差は最大となるため、50/50付近では区間が広くなる傾向があります。

前提条件と注意点

この方法を正確に使用するには、標本が無作為抽出されているか、あるいは合理的に代表的であることが必要です。また、各観測値が独立していることも条件です。さらに、ウォルド区間は正規近似に基づいています。一般的な目安として、標本中の「成功数」と「失敗数」がそれぞれ10以上あることを確認してください。

n\hat{p} \ge 10 \quad \text{かつ} \quad n(1-\hat{p}) \ge 10

これらの値が小さすぎると、正規近似の精度が低下することがあります。また、標本サイズが非常に小さい場合や極端な比率の場合には、計算結果が0%を下回ったり100%を超えたりすることがあります。実際の比率はそのような値を取らないため、実用的な解釈では常に0%〜100%の範囲に制限してください。

計算例

200名の参加者のうち84名が「はい」と回答したアンケートで、信頼水準95%の信頼区間を求める場合を考えます。

1. 標本比率を計算する：

\hat{p} = \frac{84}{200} = 0.42

2. 臨界z値を求める： 95%の両側区間の場合、z値は次のようになります。

z_{0.975} = 1.96

3. 標準誤差を計算する：

SE = \sqrt{\frac{0.42(1-0.42)}{200}} \approx 0.0349

4. 誤差の限界を計算する：

ME = 1.96 \times 0.0349 \approx 0.0684

5. 最終的な区間を計算する：

0.42 \pm 0.0684 = [0.3516,\ 0.4884]

パーセンテージで表すと、最終的な信頼区間は35.16%〜48.84%となります。

この計算ツールの使い方

このツールは、手元にあるデータに応じて柔軟に対応できるよう設計されています。

ステップ1：入力モードを選択する

データは2つの方法で入力できます。

成功数とサンプルサイズ：観測された成功の実数（ $x$ ）と標本全体のサイズ（ $n$ ）を入力します。割り算はツールが自動的に行います。*（この方法はあいまいさを避けられるため、通常はより明確です。）*
標本比率とサンプルサイズ：標本比率を $n$ と一緒に直接入力します。小数（0.42）または整数のパーセンテージ（42 または 42%）で入力できます。1より大きい値はパーセンテージとして解釈されます。

> 「成功」とは何を意味するのか？ > 統計における「成功」とは、カウントしている特定の結果を表す標準的なラベルにすぎません。アンケートの「はい」の回答、ウェブサイトのコンバージョン、製造ラインの不良品、その他関心のある任意の結果が「成功」に当たります。

ステップ2：信頼水準を設定する

希望する信頼水準（通常は95%）を選択します。正しい臨界z値は自動的に入力されます。

*注意：特定の授業、参照表、または課題で独自のz値の手動入力が必要な場合は、上書きオプションを使用できます。このオプションが有効な場合、ツールは自動検索を無視し、入力された値をそのまま使用します。*

ステップ3：計算する

「計算する」をクリックすると、下限・上限、標準誤差、誤差の限界、そして計算の段階的な内訳が即座に表示されます！