論文のグラフに付いているエラーバー、あれは何を表しているか即答できますか? 「データのばらつき」だと思った人もいれば「平均値の信頼性」だと思った人もいるでしょう。実はこの2つはまったく別物で、前者を 標準偏差（SD: standard deviation）、後者を 標準誤差（SE: standard error） と呼びます。同じデータから計算しても、SEはSDより必ず小さく、しかもサンプル数が増えるほど小さくなります。この違いを取り違えると、論文の図を誤読したり、自分の研究で誤ったエラーバーを描いてしまったりします。
標準誤差は「手元のデータから推定した平均値が、どれくらい当てにならないか」を測る量です。世論調査で「内閣支持率は45%（誤差±3%）」と報じられるときの「±3%」、A/Bテストで「ボタンの色を変えたらクリック率が1.2%上がった、でも誤差の範囲かもしれない」と判断するときの基準、これらはすべて標準誤差が土台になっています。標準誤差を理解すると、信頼区間や仮説検定といった推測統計の入り口がすべて見通せるようになります。
本記事の内容
- SD（標準偏差）とSE（標準誤差）は何が違うのか — 直感で区別する
- 標本分布とは何か、なぜそれを考える必要があるのか
- 標準誤差の公式 $\mathrm{SE} = \sigma/\sqrt{n}$ を定義から導出する
- なぜ $\sqrt{n}$ なのか — 中心極限定理との関係
- 母標準偏差 $\sigma$ が未知のとき登場するt分布
- 公式が使えないときの最終兵器・ブートストラップSE
- エラーバー（SD / SE / 95%CI）の正しい使い分けと、世論調査・A/Bテストへの応用
- 上記すべてをPythonでシミュレーションして体感する
前提知識
この記事を読む前に、以下の記事を読んでおくと理解が深まります。
まず直感を掴む — SDとSEは「別物」
数式に入る前に、SDとSEがなぜ別物なのかを、ひとつの場面でイメージしてみましょう。
ある町の成人男性の身長を調べたいとします。本当は全員を測りたいのですが、それは無理なので、ランダムに40人だけ測ります。このとき、2種類の「ばらつき」が登場します。
ひとつは、40人の身長そのものがどれくらい散らばっているか。背の高い人もいれば低い人もいます。この「個々のデータの散らばり」を測るのが 標準偏差（SD） です。SDは町全体の身長のばらつき（母集団のばらつき）を反映していて、サンプルを増やしてもこの値はそれほど変わりません。なぜなら、人を増やしても「人間の身長はだいたいこれくらい散らばっている」という事実は変わらないからです。
もうひとつは、この40人から計算した平均身長が、どれくらい信用できるか。たまたま背の高い人ばかり40人選んでしまえば、平均は実際より高く出ます。別の40人を選べば、また少し違う平均になるでしょう。この「平均値そのものの揺らぎ」を測るのが 標準誤差（SE） です。SEはサンプルを増やすほど小さくなります。たくさんの人を測れば、たまたまの偏りは打ち消し合って、平均がより安定するからです。
整理すると、こうなります。
- SD: データ1点1点のばらつき。「この町の人の身長はどれくらいバラバラか」
- SE: 平均値の推定精度。「私が計算したこの平均値はどれくらい当てになるか」
この区別こそが本記事の核心です。下の図は、同じ設定でSDとSEがどう違うかを並べたものです。
左がSD、右がSEです。横軸のスケールに注目してください。左（SD）は値が $-3$ から $3$ まで広がっているのに対し、右（SE）は $-1$ から $1$ という狭い範囲に密度が集中しています。同じ母集団（標準偏差 $\sigma = 1$）から出発しても、$n = 40$ の標本平均のばらつき（SE）は元のばらつき（SD）よりずっと小さいのです。これが「SEはSDより必ず小さい」ことの視覚的な意味です。
では、この「平均値の揺らぎ」を厳密に扱うために、まず 標本分布 という概念を整えていきましょう。
標本分布とは — 「もし何度も標本を取り直したら」
標準誤差を定義するには、その前提となる 標本分布（sampling distribution） を理解する必要があります。
標本分布とは、ひとことで言えば「標本統計量（平均・分散など）が、標本を取り直すたびにどう変わるかを表す分布」です。少しややこしいので、思考実験で考えましょう。
先ほどの身長の例で、40人を選んで平均を計算したら $172.3\,\mathrm{cm}$ だったとします。ここでもう一度、別の40人を選び直して平均を計算すると、今度は $171.1\,\mathrm{cm}$ かもしれません。さらにもう一度やれば $173.0\,\mathrm{cm}$。このように「40人を選んで平均を取る」という操作を仮に1万回繰り返したとすると、1万個の平均値が手に入ります。この1万個の平均値が作るヒストグラム、これが 標本平均の標本分布 です。
ここで大事なのは、現実には標本を取り直すことなど普通はしない、という点です。私たちが手にするのはたった1組の標本だけです。それでも「もし何度も取り直したらどうなるか」という仮想の分布を考えることで、「いま手元にある1つの平均値が、どれくらい揺らぎうるか」を見積もれるのです。これが推測統計の根本的な発想です。
下の図は、この発想を3段階で表したものです。
3つのパネルを左から見ていきましょう。
- 左（母集団）: 平均 $\mu = 50$、標準偏差 $\sigma = 12$ の母集団です。これが「真実」ですが、普通は全体を観測できません。
- 中央（1つの標本）: そこから $n = 25$ 個だけ取り出した標本です。私たちが現実に手にするのはこれだけ。青い縦線がこの標本から計算した平均 $\bar{x}$ で、母平均 $\mu$（黒破線）からは少しずれています。
- 右（標本平均の分布）: 「$n=25$ の標本を取って平均する」を5000回繰り返して得た標本平均のヒストグラムです。母平均 $\mu = 50$ を中心に、きれいな釣鐘型になっています。そしてその標準偏差は $\sigma / \sqrt{n} = 12/5 = 2.4$ で、母集団のばらつき $\sigma = 12$ よりずっと小さいことがわかります。
この右のパネルの分布の「広がり（標準偏差）」こそが標準誤差です。次は、なぜそれが $\sigma/\sqrt{n}$ という形になるのかを、数式で導いていきます。
標本平均の分布 — 期待値と分散
標準誤差の公式を導くために、まず標本平均という確率変数の性質を調べます。
母集団から独立に $n$ 個の標本 $X_1, X_2, \dots, X_n$ を取り出すとします。各 $X_i$ は同じ分布に従い、その期待値（母平均）を $\mu$、分散（母分散）を $\sigma^2$ とします。標本平均は次で定義されます。
$$ \bar{X} = \frac{1}{n}\sum_{i=1}^{n} X_i $$
ここで重要なのは、$\bar{X}$ もまた 確率変数 だということです。標本を取り直せば値が変わるからです。この確率変数 $\bar{X}$ の期待値と分散を計算しましょう。
標本平均の期待値
まず期待値です。期待値の線形性（和の期待値は期待値の和）を使います。
$$ \begin{align} E[\bar{X}] &= E\!\left[\frac{1}{n}\sum_{i=1}^{n} X_i\right] \\ &= \frac{1}{n}\sum_{i=1}^{n} E[X_i] \\ &= \frac{1}{n}\sum_{i=1}^{n} \mu \\ &= \frac{1}{n}\cdot n\mu = \mu \end{align} $$
1行目から2行目では、定数 $1/n$ を期待値の外に出し、和の期待値を期待値の和に分解しました。2行目から3行目では、各 $X_i$ の期待値がすべて $\mu$ であることを使っています。最後は単純な計算です。
結論として $E[\bar{X}] = \mu$。標本平均の期待値は母平均そのものになります。これは「標本平均は母平均の偏りのない（不偏な）推定量である」ことを意味します。平均的には、標本平均は母平均を当てるということです。
標本平均の分散
次に分散です。ここが標準誤差の心臓部です。各 $X_i$ が独立であることを使います。独立な確率変数の和の分散は、分散の和になります（共分散がゼロになるため）。
$$ \begin{align} V[\bar{X}] &= V\!\left[\frac{1}{n}\sum_{i=1}^{n} X_i\right] \\ &= \frac{1}{n^2} V\!\left[\sum_{i=1}^{n} X_i\right] \\ &= \frac{1}{n^2} \sum_{i=1}^{n} V[X_i] \\ &= \frac{1}{n^2} \cdot n\sigma^2 = \frac{\sigma^2}{n} \end{align} $$
1行目から2行目では、分散の性質 $V[aX] = a^2 V[X]$ を使い、定数 $1/n$ を $1/n^2$ として外に出しました。2行目から3行目が決定的に重要で、$X_i$ が独立だからこそ 和の分散を分散の和に分解できます（もし相関があれば共分散項が残ります）。3行目から4行目では各 $V[X_i] = \sigma^2$ を代入しました。
結論として、
$$ \begin{equation} V[\bar{X}] = \frac{\sigma^2}{n} \end{equation} $$
標本平均の分散は、母分散を $n$ で割ったものになります。サンプル数 $n$ が大きいほど分散は小さくなる、つまり標本平均は母平均の周りにギュッと集まる、ということです。
この分散の平方根、すなわち標本平均の標準偏差こそが、標準誤差にほかなりません。次のセクションで正式に定義します。
標準誤差 SE = σ/√n の意味
いよいよ標準誤差を定義します。標準誤差とは、標本平均 $\bar{X}$ の標準偏差のことです。前のセクションで $V[\bar{X}] = \sigma^2/n$ を導いたので、その平方根を取れば、
$$ \begin{equation} \mathrm{SE}(\bar{X}) = \sqrt{V[\bar{X}]} = \sqrt{\frac{\sigma^2}{n}} = \frac{\sigma}{\sqrt{n}} \end{equation} $$
これが標準誤差の公式です。シンプルですが、含意は深いものがあります。
- 分子の $\sigma$ は 母集団のばらつき。母集団がもともとバラバラなら、平均も不安定になります。当然です。
- 分母の $\sqrt{n}$ は サンプル数の平方根。$n$ を増やすほどSEは小さくなり、平均はより信頼できるものになります。
ここで「SDとSEは別物」という冒頭の話と完全につながります。SDは母集団のばらつき $\sigma$（あるいはその推定値 $s$）そのもの。SEはそれを $\sqrt{n}$ で割ったもの。式で書けば、
$$ \mathrm{SE} = \frac{\mathrm{SD}}{\sqrt{n}} $$
なので、$n \geq 2$ なら必ず $\mathrm{SE} < \mathrm{SD}$ です。サンプルが1つ（$n=1$）のときだけ両者は一致します。これは直感的にも納得できます。1個しか測っていないなら、「データのばらつき」と「平均の信頼性」は区別しようがありません。
下の図は、サンプル数 $n$ を変えたときに標本平均の分布（SEで決まる幅）がどう縮むかを示しています。
$n=2$ では幅広い分布だったのが、$n=100$ では中心に鋭く尖っています。凡例のSE値を見ると、$n=2$ で $0.707$、$n=100$ で $0.100$ と、約7分の1まで縮んでいます。注目すべきは、$n$ を2から100へ50倍にしてもSEは7分の1程度にしかならない点です。この「効きの鈍さ」こそ、次に見る $\sqrt{n}$ の正体です。
なぜ √n なのか — 中心極限定理との関係
標準誤差の式に $\sqrt{n}$ が現れることには、深い意味があります。ここで 中心極限定理（CLT） が登場します。
中心極限定理は、おおむね次のように述べられます。「母集団がどんな分布であっても、独立な標本の平均 $\bar{X}$ は、$n$ が大きくなるにつれて正規分布 $N(\mu, \sigma^2/n)$ に近づく」。式で書けば、
$$ \bar{X} \xrightarrow{\;d\;} N\!\left(\mu, \frac{\sigma^2}{n}\right) \quad (n \to \infty) $$
ここで前セクションで導いた $E[\bar{X}] = \mu$ と $V[\bar{X}] = \sigma^2/n$ が、この極限分布のパラメータとしてそのまま現れていることに注目してください。標準誤差 $\sigma/\sqrt{n}$ は、この極限正規分布の標準偏差そのものなのです。
中心極限定理のすごいところは、母集団が正規分布でなくても成り立つ という点です。極端に歪んだ分布でさえ、平均を取れば正規分布に化けます。下の図でそれを確かめましょう。
母集団として、右に長い裾を引く指数分布（明らかに非対称）を使いました。$n=1$（つまり個々のデータそのもの）では右に大きく歪んでいますが、$n$ を増やすにつれてヒストグラムが赤い正規分布の曲線に吸い寄せられていきます。$n=30$ ではほぼ完全に正規分布に一致します。母集団がどんなにいびつでも、平均を取れば正規に近づく、これが中心極限定理の威力です。
√n の「効きの鈍さ」
では、なぜ $n$ ではなく $\sqrt{n}$ で割るのでしょうか。分散が $\sigma^2/n$ なので、標準偏差（その平方根）は $\sigma/\sqrt{n}$ になる、というのが数式上の答えです。しかし、その実用的な含意は厳しいものです。
SEを半分にしたければ、$\sqrt{n}$ を2倍にする必要があります。つまり $n$ を 4倍 にしなければなりません。SEを10分の1にしたければ、$n$ を 100倍 に。精度を上げるコストは、サンプル数に対して急激に増えていきます。これが「大規模調査がなぜ高くつくのか」「なぜ精密測定が難しいのか」の数学的な理由です。
この $\sqrt{n}$ スケーリングを、両対数グラフで視覚化してみましょう。
両対数（横軸 $n$・縦軸SEともに対数）でプロットすると、理論曲線（緑線）はきれいな直線になり、その傾きは $-1/2$ です。$\log \mathrm{SE} = \log\sigma – \tfrac{1}{2}\log n$ という関係を反映しています。青い点（シミュレーションで実測した標本平均の標準偏差）が理論線にぴったり乗っていることから、公式 $\mathrm{SE}=\sigma/\sqrt{n}$ が正しいことが確認できます。
ここまでは母標準偏差 $\sigma$ が既知だと仮定してきました。しかし現実には $\sigma$ も未知です。次はその場合を考えます。
σが未知のとき — t分布の登場
実務では、母標準偏差 $\sigma$ を知っていることはほぼありません。知っていたら、母平均 $\mu$ もたいてい知っているはずだからです。そこで $\sigma$ の代わりに、標本から計算した 不偏標本標準偏差 $s$ を使います。
$$ s = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(X_i – \bar{X})^2} $$
分母が $n$ ではなく $n-1$ になっているのは、不偏推定量にするための補正（ベッセル補正）です。これを使った標準誤差の 推定値 は、
$$ \widehat{\mathrm{SE}} = \frac{s}{\sqrt{n}} $$
となります。ここで問題が生じます。$\sigma$ を $s$ で置き換えると、$s$ 自体が標本ごとに揺らぐ確率変数なので、追加の不確実性が入り込みます。特に $n$ が小さいと、$s$ の揺らぎは無視できません。この影響を正しく扱うには、正規分布ではなく t分布（スチューデントのt分布） を使う必要があります。
標準化した統計量
$$ t = \frac{\bar{X} – \mu}{s/\sqrt{n}} $$
は、正規分布ではなく自由度 $\nu = n-1$ のt分布に従います。t分布は正規分布によく似ていますが、裾が重い のが特徴です。
自由度 $\nu$ が小さい（$\nu=1$）ほど、t分布は正規分布より中心が低く裾が厚くなっています。右下の拡大図を見ると、右裾でt分布が正規分布の上に来ていることがはっきりわかります。裾が重いとは「極端な値が出やすい」という意味で、$\sigma$ を $s$ で推定したことによる不確実性を反映しています。$\nu$ が大きくなる（$n$ が増える）と、t分布は正規分布にほぼ一致します。経験的には $n \gtrsim 30$ で両者の差はほとんど無視できます。
t分布を使うことで、$\sigma$ が未知でも正しい信頼区間が作れます。では、公式そのものが使えない複雑な状況ではどうすればよいでしょうか。次はそのための万能ツールを紹介します。
ブートストラップによる標準誤差
標準誤差の公式 $s/\sqrt{n}$ は、「平均」に対しては使えます。しかし、中央値・相関係数・分位点・複雑な機械学習モデルの予測値といった統計量については、SEを与える簡単な公式が存在しないことがほとんどです。こうしたときに使えるのが ブートストラップ法 です。
ブートストラップの発想は驚くほど単純です。前の方で「標本分布を知るには、本当は標本を何度も取り直したい」という話をしました。でも母集団からは取り直せません。そこで、手元の標本を母集団の代わりとみなして、そこから復元抽出（同じデータを何度選んでもよい抽出）で再標本を作る のです。
手順はこうです。
- 手元の $n$ 個のデータから、復元抽出で $n$ 個を選び、再標本（ブートストラップ標本）を作る。
- その再標本で興味のある統計量（例えば平均）を計算する。
- 1〜2を $B$ 回（数千回）繰り返す。
- 得られた $B$ 個の統計量の標準偏差が、ブートストラップによる標準誤差の推定値。
数式で書けば、$b$ 回目の再標本から計算した統計量を $\hat\theta^*_b$ として、
$$ \widehat{\mathrm{SE}}_{\text{boot}} = \sqrt{\frac{1}{B-1}\sum_{b=1}^{B}\left(\hat\theta^*_b – \overline{\hat\theta^*}\right)^2}, \quad \overline{\hat\theta^*} = \frac{1}{B}\sum_{b=1}^{B}\hat\theta^*_b $$
つまり「再標本の統計量たちのばらつき」をそのままSEとするわけです。公式を一切使わず、計算機の力だけでSEを得られるのがブートストラップの強みです。
平均についてブートストラップを実行した結果です。再標本の平均（青ヒストグラム）はきれいな釣鐘型になり、その標準偏差（ブートストラップSE）が、公式 $s/\sqrt{n}$ で計算したSEとほぼ一致しています。平均のように公式があるものでブートストラップを検算すると、両者がぴたりと合うので「ブートストラップは正しく動いている」と安心できます。そして公式がない統計量にも、まったく同じ手順で適用できるのです。
ここまでで標準誤差の計算方法は出揃いました。次は、それをグラフ上でどう表現し、どう読むべきかという実践的な話に移ります。
エラーバーの正しい解釈 — SD / SE / CI
論文や報告書のグラフに付いているエラーバーは、実は3種類あり得ます。SD（標準偏差）、SE（標準誤差）、そして CI（信頼区間） です。どれを描くかで、エラーバーの長さも意味もまったく変わります。
- SDのエラーバー: データそのものの散らばりを示す。「個体差がどれくらいあるか」を伝えたいときに使う。サンプルを増やしても縮まない。
- SEのエラーバー: 平均値の推定精度を示す。「この平均値はどれくらい当てになるか」を伝えたい。$\mathrm{SD}/\sqrt{n}$ なので必ずSDより短い。
- CI（95%信頼区間）のエラーバー: 「この区間に母平均が含まれる」と95%の自信で言える範囲。$\bar{x} \pm t^* \cdot \mathrm{SE}$ で計算され、SEのおよそ2倍の長さ（$n$ が大きいとき $t^* \approx 1.96$）。
下の図で、まったく同じデータに3種類のエラーバーを付けてみます。
3群それぞれに、SD（赤）・SE（緑）・95%CI（紫）のエラーバーを少しずらして並べました。一目でわかるのは、SDが最も長く、SEが最も短く、CIがその中間 だということです。同じ平均値・同じデータでも、エラーバーの定義しだいで「ばらつきが大きい」とも「精度が高い」とも見せられてしまいます。論文を読むときは、図のキャプションで「error bars represent SD / SE / 95% CI」のどれなのかを必ず確認しましょう。これを取り違えると、結果の解釈を大きく誤ります。
このうちCIは、推測統計でとりわけ重要なので、最後に標準誤差との接続を確認しておきます。
標準誤差から信頼区間へ
信頼区間 は、標準誤差を使って構成されます。母平均 $\mu$ に対する $95\%$ 信頼区間は、$\sigma$ が未知のとき次で与えられます。
$$ \begin{equation} \bar{x} \pm t^*_{n-1,\,0.975}\cdot \frac{s}{\sqrt{n}} \end{equation} $$
ここで $t^*_{n-1,\,0.975}$ は自由度 $n-1$ のt分布の97.5パーセント点（$n$ が大きければ約 $1.96$）、$s/\sqrt{n}$ は標準誤差の推定値です。つまり信頼区間とは、点推定値（標本平均）を中心に、標準誤差の何倍かの幅を取った区間 にほかなりません。標準誤差は信頼区間の「単位」のような役割を果たしています。
信頼区間の解釈には注意が必要です。「母平均が95%の確率でこの区間にある」という言い方は、厳密には誤りです。正しくは「同じ手続きで標本を取り直して区間を作るのを繰り返すと、そのうち約95%の区間が母平均を含む」という意味です。母平均は固定された定数であって、確率的に動くのは区間のほうだからです。これをシミュレーションで確認しましょう。
母平均 $\mu = 50$ から $n=30$ の標本を取り、信頼区間を作る操作を50回繰り返しました。各横線が1つの信頼区間で、青は母平均（黒破線）を含む区間、赤は外した区間です。50回中47回前後が $\mu$ を含んでおり、被覆率はほぼ95%です。「区間のほうが揺らぐ」というイメージが、この図でよくわかります。
世論調査の誤差への応用
最後に、最も身近な応用として世論調査の「誤差」を見ましょう。「支持率45%、誤差±3%」のような表現です。支持率のような比率 $p$ の標準誤差は、二項分布の性質から $\mathrm{SE} = \sqrt{p(1-p)/n}$ で与えられます。95%誤差幅はその $1.96$ 倍です。
$$ \text{誤差幅} = 1.96\sqrt{\frac{p(1-p)}{n}} $$
$p(1-p)$ は $p=0.5$ のとき最大になるので、最悪ケースで誤差を見積もるときは $p=0.5$ を代入します。
横軸が回答者数 $n$、縦軸が95%誤差幅（±%）です。$n=1000$ で誤差幅が約 $\pm3\%$ になることがわかります。世論調査でよく「有効回答約1000」とされるのは、コストと精度のバランスでこのあたりが妥当だからです。注目すべきは、$n=2000$ にしても誤差幅は $\pm2.2\%$ 程度にしか縮まない点。これも $\sqrt{n}$ の効きの鈍さの表れです。回答者を倍にしても誤差は3割ほどしか減りません。
それでは、ここまでの理論をPythonでまとめて実装し、すべてを数値で確かめましょう。
Pythonでの実装
ここまでの主張を、Pythonでひとつずつ検証します。すべて numpy と scipy で完結します。まずは「標本平均の標準偏差が $\sigma/\sqrt{n}$ に一致するか」をシミュレーションで確認します。
import numpy as np
from scipy import stats
rng = np.random.default_rng(0)
# 母集団: 平均 mu, 標準偏差 sigma
mu, sigma = 50.0, 12.0
print("n | 理論SE = σ/√n | 実測SE（標本平均の標準偏差）")
for n in [5, 10, 30, 100, 300]:
# 「n個取って平均する」を10000回繰り返す
means = rng.normal(mu, sigma, size=(10000, n)).mean(axis=1)
se_theory = sigma / np.sqrt(n)
se_empirical = means.std(ddof=1)
print(f"{n:>3} | {se_theory:>12.4f} | {se_empirical:>12.4f}")
このコードは、母集団から $n$ 個の標本を取って平均する操作を1万回繰り返し、得られた1万個の標本平均の標準偏差（実測SE）を、公式 $\sigma/\sqrt{n}$（理論SE）と比べています。実行すると、すべての $n$ について理論SEと実測SEが小数点以下2桁までほぼ一致します。例えば $n=30$ なら理論 $2.1909$ に対し実測も $2.19$ 前後になります。これで「標準誤差の公式は、標本平均の実際のばらつきを正しく表している」ことが数値で確認できました。
次に、母標準偏差 $\sigma$ が未知のときに $s$ で代用し、t分布を使って信頼区間を作る実装です。
import numpy as np
from scipy import stats
rng = np.random.default_rng(1)
mu, sigma, n = 50.0, 12.0, 25
# 1つの標本を取る（現実にはこれだけが手に入る）
sample = rng.normal(mu, sigma, n)
xbar = sample.mean() # 標本平均（点推定）
s = sample.std(ddof=1) # 不偏標本標準偏差
se_hat = s / np.sqrt(n) # 標準誤差の推定値
# 95%信頼区間: t分布の97.5%点を使う
t_crit = stats.t(df=n - 1).ppf(0.975)
ci_low = xbar - t_crit * se_hat
ci_high = xbar + t_crit * se_hat
print(f"標本平均 xbar = {xbar:.3f}")
print(f"標本標準偏差 s = {s:.3f} (SD相当)")
print(f"標準誤差 SE = {se_hat:.3f} (= s/√n)")
print(f"t臨界値 (df={n-1}) = {t_crit:.3f}")
print(f"95%信頼区間: [{ci_low:.3f}, {ci_high:.3f}]")
print(f"真の母平均 μ = {mu} は区間に {'含まれる' if ci_low <= mu <= ci_high else '含まれない'}")
ここでは1組の標本だけから、点推定（標本平均）・SD相当（標本標準偏差 $s$）・SE（$s/\sqrt{n}$）・95%信頼区間を計算しています。出力を見ると、$s$ は母集団の $\sigma=12$ に近い値、SEはその $1/5$（$\sqrt{25}=5$）程度の値になり、SEがSDより明確に小さいことがわかります。信頼区間は真の母平均 $\mu=50$ を含んでいます。t臨界値が $2.06$ 前後と、正規分布の $1.96$ より少し大きいのは、$n=25$ で $\sigma$ を推定したぶんの不確実性を反映しています。
最後に、公式が使えない統計量にも適用できるブートストラップSEを実装します。ここでは平均で検算しつつ、中央値にも適用してみます。
import numpy as np
rng = np.random.default_rng(2)
data = rng.normal(50.0, 12.0, 40) # 手元の標本（n=40）
n = len(data)
B = 10000 # ブートストラップ反復回数
# 復元抽出で再標本を作り、統計量を計算する
boot_means = np.empty(B)
boot_medians = np.empty(B)
for b in range(B):
resample = data[rng.integers(0, n, n)] # 復元抽出
boot_means[b] = resample.mean()
boot_medians[b] = np.median(resample)
se_mean_boot = boot_means.std(ddof=1)
se_mean_formula = data.std(ddof=1) / np.sqrt(n) # 平均には公式がある
se_median_boot = boot_medians.std(ddof=1) # 中央値には簡単な公式がない
print(f"平均 : ブートストラップSE = {se_mean_boot:.4f}, 公式SE = {se_mean_formula:.4f}")
print(f"中央値: ブートストラップSE = {se_median_boot:.4f} (公式なし → ブートストラップが活躍)")
平均についてはブートストラップSEと公式SEがほぼ一致し、ブートストラップが正しく動いていることが確認できます。一方、中央値には標準誤差の簡単な公式がありませんが、ブートストラップなら同じ手順でSEを推定できています。正規分布のデータでは中央値のSEは平均のSEより3割ほど大きく出るはずで、実際そのような値（平均SE約1.8に対し中央値SE約2.3）になります。これがブートストラップの真価です。統計量が何であれ、再標本のばらつきを測るだけでSEが得られる のです。
これらの実装を通して、標準誤差が「公式」「t分布」「ブートストラップ」という3つの道具のどれからでも一貫して得られることが体感できたはずです。
まとめ
本記事では、標準誤差と標本分布を、標準偏差との違いから信頼区間との接続まで一気に解説しました。要点を整理します。
- SDとSEは別物: SD（標準偏差）はデータ1点1点のばらつき、SE（標準誤差）は標本平均そのもののばらつき（推定精度）。$\mathrm{SE} = \mathrm{SD}/\sqrt{n}$ なので、SEは必ずSDより小さい。
- 標本分布: 「もし標本を何度も取り直したら統計量がどう散らばるか」を表す仮想の分布。標準誤差はこの分布の標準偏差として定義される。
- 公式 $\mathrm{SE}=\sigma/\sqrt{n}$: 標本平均の分散 $V[\bar{X}]=\sigma^2/n$ の平方根として導かれる。独立性が分散の分解を可能にする鍵。
- $\sqrt{n}$ の意味: 中心極限定理により標本平均は $N(\mu,\sigma^2/n)$ に近づく。精度を2倍にするには $n$ を4倍、10倍にするには100倍が必要で、コストは急増する。
- σ未知のとき: $s$ で代用し、裾の重いt分布を使う。$n$ が大きければ正規分布で近似できる。
- ブートストラップSE: 公式がない統計量にも、再標本のばらつきからSEを推定できる万能ツール。
- エラーバー: SD・SE・95%CIは長さも意味も違う。図のキャプションで必ずどれか確認する。世論調査の「±3%」やA/Bテストの有意性判定も、すべて標準誤差が土台。
標準誤差は、推測統計のあらゆる場面に顔を出す基礎概念です。信頼区間も仮説検定もp値も、突き詰めれば「推定値が標準誤差の何倍ずれているか」を測っています。ここをしっかり押さえておけば、統計的推論の全体像がぐっと見通しやすくなります。
次のステップとして、以下の記事も参考にしてください。