許容誤差 (G検定)

1. 定義と概要

許容誤差とは、測定値や予測値と真の値との差である誤差について、実用上・仕様上許容できるとされる範囲の上限を指す基準です。用途に応じて、プラスマイナス何単位という絶対値の形、またはプラスマイナス何パーセントという相対値の形で設定されます。

同じ考え方が、分野ごとに違う呼び名で使われている点も特徴です。代表的な三つの分野で、許容誤差にあたるものを並べてみます。

分野	許容誤差にあたるもの
製造業	公差（製造業で決められている、寸法のズレとして許される範囲）
統計調査	マージンオブエラー（一部の人だけを調べる統計調査で、結果が本当の値からどれくらいズレうるかを示す誤差の範囲）
機械学習	回帰モデル（数値を予測するタイプの機械学習モデル）の予測誤差をどこまで許すかという実務要件

統計調査のマージンオブエラーについては、信頼度95%（結果が95%の確率でこの範囲に収まるという意味の目安）のとき、その目安は±3〜5%程度とされることが多いとされています。呼び名は違っても、どこまでのズレなら受け入れるかを決めておくという発想は共通しています。

測定や予測には誤差が伴うため、あらゆる場面でズレをゼロにすることは現実的ではありません。従来は誤差があること自体が問題視されがちでしたが、実務では、どれだけズレたら困るかという基準をあらかじめ決めておくことで、合格・不合格や実用に耐えるかどうかを判断できるようになります。この発想の転換が、許容誤差という考え方の背景にあります。

2. 試験対策ポイント

まず整理したいのは、絶対誤差・相対誤差との関係です。絶対誤差（測定値や予測値と真の値の差を、プラスマイナスを気にせず大きさだけで表したもの）や相対誤差（真の値に対して誤差がどれくらいの割合かをパーセントなどで表したもの）は、実際に生じた誤差の大きさが計算によって一意に定まる値です。

一方の許容誤差は、その誤差がどこまでなら許容されるかという基準であり、用途に応じて人が設定する値という違いがあります。前者が結果、後者が基準にあたる関係です。

回帰モデルの評価指標との関係もあわせて整理しておきたいところです。具体的には、MAE（予測値と実際の値の差の大きさを平均した、回帰モデルの当たり具合を測る指標）やRMSE（誤差を2乗してから平均し平方根をとった指標で、大きく外れた予測をより厳しく評価する）があります。加えて、決定係数（モデルが実際のデータのばらつきをどれだけ説明できているかを示す指標）も、代表的な評価指標のひとつです。

これらはいずれも、モデル全体の予測性能を要約する指標にあたります。これに対して許容誤差は、個々の予測がどこまでズレて良いかという実務上の基準線を示すものであり、両者は役割が異なります。

分野によって許容誤差の考え方や目安が異なる点も、押さえておきたいポイントです。製造業の公差、統計調査のマージンオブエラー、医療診断などでは求められる厳しさが異なり、一律の基準があるわけではありません。また、許容誤差を厳しく、つまり小さく設定するほど、それを満たすためのコストや技術的な難易度が高くなるという関係も、取り違えやすい点です。

3. 関連概念との比較・相違点

絶対誤差・相対誤差との最大の違いは、実際に生じた誤差量そのものか、その誤差を判断する基準かという点にあります。三つを並べると、役割の違いがはっきりします。

概念	表すもの	位置づけ
絶対誤差	実測値と真の値の差の絶対値	実際に生じた誤差量そのもの
相対誤差	真の値に対する誤差の比率をパーセントなどで表したもの	実際に生じた誤差量そのもの
許容誤差	誤差がどこまでなら許されるかという上限	用途に応じて人が定める基準値

絶対誤差との関係でいえば、許容誤差は、絶対誤差がその枠内に収まっているかどうかを判断する物差しの役割を果たします。両者は片方だけでは意味をなさず、絶対誤差という実測値と、許容誤差という基準値をあわせて見て初めて、実用に耐えるかどうかの判断ができる関係にあります。

相対誤差との関係も同じ構図です。許容誤差は絶対値・相対値のどちらの形でも設定されうる基準であり、相対誤差の値そのものと、その値が基準の枠内に収まっているかを判断する基準とは、別の概念として捉える必要があります。

たとえば予測の相対誤差が5%であっても、その分野で定められた許容誤差が10%であれば実用上問題ないと判断できます。一方、同じ5%でも許容誤差が3%であれば、基準を超えていることになります。

4. ビジネス・実務での活用シナリオ

製造業では、部品の寸法公差を許容誤差として設定し、量産ラインでその範囲内に収まった製品のみを合格とする検査基準として運用しています。個々の部品にわずかなズレがあっても製品全体が正しく機能するためには、あらかじめ許容できるズレの上限を明確にしておく必要があります。

マーケティング・世論調査の分野では、アンケート調査の結果を報告する際に標本（アンケートなどで実際に調べた一部の対象者）の誤差にあたる許容誤差を明記し、「支持率40%±3%」のように結果の信頼性の目安を示します。一部の対象者だけを調査して全体を推し量る以上、結果には必ずブレが伴うため、そのブレの範囲をあわせて示すことで、数字だけを見たときの誤解を防げます。

AI・機械学習モデルの運用では、需要予測などの回帰モデルを実務に導入する際、「予測誤差は実際の値の±10%以内に収める」といった許容誤差をあらかじめ定義し、モデルの実用可否を判断する基準にします。モデルの精度を数値だけで語るのではなく、業務にとって許せるズレの水準を先に決めておくことで、導入判断の軸がぶれにくくなります。

5. 要点まとめ

• 許容誤差とは、測定値や予測値のズレについて実用上許容できる範囲の上限を指す基準です。
• 絶対誤差・相対誤差が実際に生じた誤差量を表すのに対し、許容誤差はその誤差がどこまでなら許されるかという基準という違いがあります。
• 製造業の部品公差、統計調査のマージンオブエラー、回帰モデルの実務要件など、分野によって許容誤差の考え方や目安は異なります。

6. 確認問題