標準誤差計算機
サンプルから見える「真実」への距離。推定精度を数値化します。
統計解析結果
標準誤差（Standard Error of the Mean, SEM）とは？
標準誤差とは、サンプル（標本）から得られた平均値が、母集団（全体）の真の平均値からどれくらいズレている可能性があるかを示す指標です。つまり、「測定した平均値の信頼性」を数値化したものです。
例えば、日本全国の中学生 100万人の身長を全て測ることは不可能です。そこで、1000人だけをランダムに選んで平均身長を出します。このとき、「この 1000人の平均身長が、本当の平均（100万人全員の平均）とどれくらい違うかもしれないか？」という誤差の大きさが標準誤差なのです。
計算公式：SE = σ / √n
標準誤差（SE）は以下のシンプルな公式で求められます：
- σ (シグマ)： 標準偏差（データのばらつき具合）
- n：サンプルサイズ（調査した人数やデータ数）
この公式から分かる重要なポイントは、サンプルサイズが大きいほど、標準誤差は小さくなるということです。つまり、多くの人を調査すればするほど、推定精度が高まります。
標準偏差との違い
| 指標 | 何を示すか |
|---|---|
| 標準偏差 (SD) | 個々のデータが平均からどれくらい散らばっているか |
| 標準誤差 (SE) | サンプルから計算した平均値が、真の平均からどれくらいズレているか |
標準偏差は「データ自体のバラつき」、標準誤差は「推定の正確さ」を表します。
95% 信頼区間の意味
標準誤差を使って、「95% の確率で、母集団の真の平均はこの範囲にある」という区間を計算できます。これを 95% 信頼区間 と呼びます。
一般的には、以下の式で計算します：
※サンプルサイズが小さい場合（n < 30）は、正規分布の代わりに t分布を使用します。
実務での活用例
- アンケート調査： 1000人に聞いた「支持率 55%」という結果に対し、標準誤差を使って「真の支持率は 52%～58% の範囲にある」と推定できます。
- 医学研究： 新薬の効果をテストする際、サンプルから得た平均値の信頼性を評価し、実用性を判断します。
- 品質管理： 製品のサンプル検査で得た平均寿命や性能値が、製品全体をどれくらい代表しているかを評価します。
よくある質問 (FAQ)
Q. 標準誤差が大きいと何が問題ですか？
標準誤差が大きいと、サンプル平均が母集団平均から大きく外れている可能性が高いことを意味します。つまり、推定が不正確で信頼性が低い状態です。サンプルサイズを増やすことで改善できます。
Q. サンプルサイズを2倍にすると、標準誤差はどうなりますか？
標準誤差は √n で割るため、サンプルを2倍にしても誤差は半分にはなりません。正確には、約 0.71倍（1/√2）になります。4倍にすれば、誤差は半分（1/√4 = 1/2）になります。
Q. 標準誤差はいくつ以下なら「良い」のですか？
絶対的な基準はありませんが、研究分野やデータの性質によります。一般的には、信頼区間の幅（SE × 1.96）が、実用上許容できる範囲内に収まっているかを評価します。
Kaori Suzukiの視座：「サンプル」という名の賭け
統計学を学ぶ中で、最も印象的だったのが「私たちは決して全てを知ることはできない」という事実でした。どれだけ精密にデータを集めても、それは常に「一部」でしかない。だからこそ、標準誤差という数値が持つ意味は、単なる計算結果以上のものがあります。それは「わからないこと」を正直に認めながらも、「それでも最善の推測をしよう」という科学的誠実さの証です。あなたが導き出すこの小さな数字が、大きな意思決定を支える一本の柱になるかもしれません。数値の向こう側には、無数の現実が広がっています。その不確実性と向き合い、それを数値で飼いならそうとする営みこそが、データサイエンスの本質だと私は信じています。この計算機が、あなたの「知る勇気」を後押しできれば幸いです。