2026-04-25·用語整理·⏱ 約 6 分

紛らわしい統計用語 9 ペアを徹底比較 ─ 試験で間違えないために

「独立」と「排反」、「信頼区間」と「信用区間」、「相関」と「因果」… 統計学には似ていて紛らわしい用語が多くあります。試験で頻出の 9 ペアを並べて比較します。

統計学にはひっかかりやすい「似ているけど違う」用語のペアが多くあります。試験では選択肢の中にわざと混ぜてくることも。本記事では、特に間違えやすい 6 ペアを並べて比較します。

ペア 1 ─ 独立 vs 排反

独立: 2 つの事象が互いに影響を与えない。 $P (A \cap B) = P (A) P (B)$ 。排反: 2 つの事象が同時に起こり得ない。 $P (A \cap B) = 0$ 。両者は 正反対の概念。排反な事象はむしろ強く影響し合う(片方が起これば他方は起こらない)ので、「排反 ⇒ 独立」は誤りです。むしろ「排反 ⇒ 独立でない」が成立(両事象が確率 0 でない限り)。

ペア 2 ─ 標本分散 vs 不偏分散

標本分散 $s^{2} = \frac{1}{n} \sum (X_{i} - \overset{ˉ}{X})^{2}$ ─ 分母は $n$ 。 不偏分散 $\overset{s}{^}^{2} = \frac{1}{n - 1} \sum (X_{i} - \overset{ˉ}{X})^{2}$ ─ 分母は $n - 1$ 。母分散 $σ^{2}$ を推定したいなら不偏分散( $n - 1$ )を使います。標本のばらつきを記述するだけなら標本分散( $n$ )。Excel の VAR.S・Python の np.var(ddof=1) は不偏分散、np.var(デフォルト) は標本分散、と実装も別物。

ペア 3 ─ 信頼区間 vs 信用区間

信頼区間(confidence interval): 頻度主義の概念。「同じ手続きを繰り返すと得られる区間の 95% が真の母数を含む」。 信用区間(credible interval): ベイズ主義の概念。「真の母数がこの区間に入る確率が 95%」。直感に近いのは信用区間ですが、2 級で扱うのは信頼区間です。準1級・1級でベイズに踏み込むと信用区間が登場します。詳しくは [準1級教科書 2.2](/textbook/grade-pre1#ch2-sec2)で。

ペア 4 ─ 第1種の誤り vs 第2種の誤り

第1種の誤り: $H_{0}$ が真なのに棄却してしまう誤り。確率は 有意水準 $α$ (慣例 $0.05$ )。 第2種の誤り: $H_{0}$ が偽なのに棄却できない誤り。確率は $β$ 。検出力は $1 - β$ 。両者はトレードオフ。 $α$ を厳しくする(0.01 に下げる)と第1種は減るが第2種が増える。実務では「重大な見落としを避けたい」「慎重に判定したい」で使い分け。

ペア 5 ─ 相関 vs 因果

相関: 2 変数が連動する傾向の強さ。 $r$ (相関係数)で測る。因果: 一方が他方の原因になっている関係。「相関があっても因果があるとは限らない」は統計学の最も重要な戒めの 1 つ。たとえば「アイスの売上と水難事故」は強く相関しますが、片方が他方の原因ではなく、共通の原因(気温)があるだけ ─ これを 擬似相関 と呼びます。データを見るとき必ず「なぜそういう関係なのか」を考えるクセを。

ペア 6 ─ 期待値 vs 平均値

期待値 $E [X]$ : 確率変数 $X$ の理論的な平均。 $\sum x_{i} P (X = x_{i})$ 。 平均値 $\overset{x}{ˉ}$ : データの算術平均。 $\frac{1}{n} \sum x_{i}$ 。期待値はモデル(確率分布)の量、平均値はデータから計算する量。ただし大数の法則より、 $n \to \infty$ で $\overset{x}{ˉ} \to E [X]$ に収束するので、実務上は混同して使われることも多いです。

ペア 7 ─ 標準誤差 vs 標準偏差

標準偏差 $s$ : 1 つのデータ自体のばらつき。 $\frac{1}{n} \sum (x_{i} - \overset{x}{ˉ})^{2}$ 。 標準誤差 $SE$ : ある 推定量 のばらつき。標本平均なら $σ / n$ 。標準偏差は「個々のデータが散らばる幅」、標準誤差は「(同じ実験を繰り返したときの)推定量自体が揺れる幅」。 $n$ を増やしても標準偏差は変わらないが、標準誤差は $n$ で縮む、というのがいちばん大きな違いです。

ペア 8 ─ バイアス vs 誤差

バイアス(系統誤差): 推定量の期待値が真値からズレている量。 $E [\hat{θ}] - θ$ 。何度繰り返しても同じ方向にズレる タイプの誤り。誤差(ランダム誤差・偶然誤差): 推定量の標本ごとの揺れ。 $\hat{θ} - E [\hat{θ}]$ 。推定量の悪さは「MSE = バイアス² + 分散」で測れます。バイアスが残るより分散が大きいほうが「やり直せばいつかは当たる」ぶんマシ、というのが現代統計学の暗黙の価値観。

ペア 9 ─ 相関 vs 共分散

共分散 $s_{x y} = \frac{1}{n} \sum (x_{i} - \overset{x}{ˉ}) (y_{i} - \overset{y}{ˉ})$ : 2 変数の連動の方向を示す。単位の影響を受ける。 相関係数 $r = s_{x y} / (s_{x} s_{y})$ : 共分散を標準偏差で割って 単位を消した量。 $- 1 \leq r \leq 1$ で強さを比較できる。「共分散の符号が連動の向き、相関係数の大きさが連動の強さ」と覚えるとスッキリ整理できます。

学習のコツ

紛らわしい用語は、「定義」「式」「使う場面」を 3 点セットで覚える のがおすすめです。本サイトの [用語集](/glossary)では、各用語に短い定義と関連する教科書節へのリンクを付けているので、復習のチェックリストとしてご利用ください。