推測統計 (G検定)

2026年8月12日2026年9月2日

G検定

1. 定義と概要

推測統計とは、母集団（調査や推測の対象にしたいデータ全体の集まり）を丸ごと調べることが難しい場合に、そこから無作為抽出（偏りが出ないようにランダムにデータを選び出すこと）した標本（サンプル。母集団から取り出した一部のデータ）をもとに、母集団の平均や分散といった性質を統計学的に推測する手法です。

代表的な手法として、母集団の値を求める統計的推定と、立てた仮説の妥当性を判断する統計的仮説検定の2つがあります。たとえば、選挙の出口調査から全体の得票率を予測したり、視聴率調査から全世帯の視聴傾向を推測したりする場面が該当します。

従来、統計学の基本は手元にあるデータの特徴を数値や図でまとめて示す記述統計でした。データを漏れなく集計する全数調査であれば、記述統計だけで実態を把握できます。しかし、対象となるデータ量が膨大になるほど、すべてを調べ切るには時間や費用がかかりすぎるという制約が表面化します。

全数調査が現実的でない場面が増えたことで、一部の標本から母集団を推測する推測統計の必要性が高まりました。推測統計を理解するうえでは、調査したい対象全体である母集団と、そこから取り出した一部である標本の関係が前提知識になります。母集団の一部しか見ていない以上、推測には常にある程度の誤差が伴います。

推測統計は英語で「inferential statistics」と呼ばれ、推計統計学や推測統計学という表記が使われることもあります。全数調査は悉皆調査と呼ばれることもあり、同じ意味で使われる言葉です。

2. 試験対策ポイント

理解するうえで中心になるのは、記述統計と推測統計の違いです。記述統計は手元にあるデータの特徴を数値や図でまとめて示す手法であるのに対し、推測統計は標本のデータから母集団を推測する手法という違いがあります。名称と目的を入れ替えた説明は、混同しやすい組み合わせです。

推測統計は、統計的推定と統計的仮説検定の2本柱で構成されます。全体の構造は次のとおりです。

分類	手法	何をするか
統計的推定	点推定	母集団の値をひとつの数値で言い当てる
統計的推定	区間推定	信頼区間という幅をもたせて示す
統計的仮説検定	ー	立てた仮説が正しいといえるかを判断する

信頼区間とは、区間推定で示す「このくらいの確からしさで正しい」という値の範囲を指します。点推定と区間推定の定義を入れ替えた説明は、取り違えやすい典型です。

標本平均（標本のデータから計算した平均値）や標本分散（標本のデータから計算したばらつきの大きさを表す値）などの標本統計量は、無作為抽出のたびに変動する確率変数（試行のたびに値が変わりうる変数のこと）です。中心極限定理により、標本サイズ（1回の抽出で集めるデータの個数）が大きいほど標本平均の分布は正規分布に近づくという関連知識も、あわせて整理しておきたいところです。

加えて、統計的仮説検定の基本手順も押さえておきたいポイントです。仮説を設定し、有意水準（「偶然とは考えにくい」と判断する基準となる確率）を決定し、検定統計量（仮説を判断するためにデータから計算する値）を算出して、結論を導くという流れです。判定の誤りを表す第一種の過誤（本来正しい仮説を誤って退けてしまう誤り）と第二種の過誤（本来誤っている仮説を誤って採用してしまう誤り）との関連も、混同しやすい組み合わせです。

3. 関連概念との比較・相違点

記述統計との最大の違いは、目的にあります。記述統計は手元データの特徴を要約・可視化することが目的であるのに対し、推測統計は標本から母集団の性質を推測することが目的です。

手元の売上データの平均や分布を示すだけなら記述統計で足りますが、その結果から全社や全店舗の傾向を語るには推測統計の考え方が必要になります。両者は対立する手法ではなく、記述統計で全体像をつかんだうえで推測統計に進むという順序で使われる関係にあります。

統計的推定と統計的仮説検定の違いは、担う役割にあります。統計的推定は母集団の値そのものを求める手法であり、統計的仮説検定は立てた仮説の妥当性を判断する手法です。両者は推測統計を構成する2つの柱という関係にあり、状況設定を読んで「値を求める場面か、仮説を検証する場面か」を見分けられるかどうかが理解の分かれ目になります。

4. ビジネス・実務での活用シナリオ

マーケティングや世論調査の現場では、限られた人数へのアンケート結果から市場全体の支持率や需要を推測し、施策判断の根拠にする場面があります。対象者全員に聞くことは現実的でないため、標本調査の結果を推測統計で母集団に当てはめる考え方が土台になります。標本の取り方に偏りがあると母集団の推測もゆがむため、無作為抽出の考え方が実務でも重視されます。

品質管理や製造業では、全数検査が難しい製品ロットから抜き取り検査を行い、不良率を推測して出荷可否を判断します。すべての製品を検査すると時間もコストもかかりすぎるため、一部の抜き取り結果から全体の品質を推測する推測統計の枠組みが欠かせません。抜き取った標本の不良率から母集団全体の品質を推測することで、限られた検査工数でも出荷判断の根拠を示せます。

Webサービスの分野では、一部ユーザーへのテスト結果から施策全体の効果を統計的仮説検定で判断し、機能改善の可否を決めるA/Bテスト（2つの案を一部のユーザーに出し分けて効果を比較する手法）が広く使われています。一部の反応だけで全体の意思決定を行う以上、偶然のばらつきと本当の効果の違いを見分ける統計的な判断が土台になります。この判断の枠組みがなければ、たまたま出た差を根拠に誤った意思決定をしてしまう可能性があります。