P-hat（標本比率）計算機

P-hat（p̂）とは何か？

統計学における p̂（P-hat / ピーハット） は、「標本比率」を指す記号です。 例えば、1000人にアンケートを取り、そのうち400人が「ある商品を購入したい」と答えた場合、標本比率 p̂ は 400 / 1000 = 0.4（40%）となります。

私たちは通常、全人口（母集団）の正確な数値を知ることはできません。そのため、一部の集団（標本）から得られた p̂ を使って、母集団全体の比率（母比率 p）を推定します。この推定プロセスにおいて p̂ は最も基本的かつ重要な統計量となります。

P-hat の計算式

計算そのものは非常にシンプルです。

ここで x は特定の事象が起こった回数、n は全試行回数または標本サイズを表します。

標準誤差（Standard Error）の重要性

p̂ を使って母比率を推定する際、必ず「誤差」が生じます。この誤差の大きさを表すのが 標準誤差（SE） です。

この式からわかるように、標本サイズ（n）が大きくなればなるほど、標準誤差は小さくなります。つまり、より多くのデータを集めるほど、p̂ は母比率 p に近づき、推定の精度が向上するのです。

信頼区間と誤差の範囲（Margin of Error）

選挙速報や世論調査で「支持率40%（誤差±3%）」と表示されることがあります。この「±3%」が 誤差の範囲（Margin of Error） です。 通常、95%信頼区間を求める場合は、標準誤差に約1.96（zスコア）を掛けて算出します。

本計算機では、算出された p̂ に基づき、一般的な統計調査で用いられる95%の誤差範囲も自動で提示しています。

正規近似が使える条件

p̂ の分布が正規分布に従う（正規近似ができる）ためには、標本サイズが十分に大きい必要があります。一般的には以下の「成功・失敗条件」が指標となります。

• n × p̂ ≥ 10（成功数が10以上）
• n × (1 - p̂) ≥ 10（失敗数が10以上）

この条件を満たさない場合（標本が少なすぎる場合）、二項分布に基づいたより厳密な計算が必要になります。

まとめ：データから「確からしさ」を導く

P-hat は単なる割り算の答えではなく、不確実な世界から「真実」を推測するための強力な武器です。 ABテストの結果判断や、品質管理における不良率の推定、マーケティング調査の集計など、あらゆるビジネスシーンでこの p̂ を正しく理解し、活用することで、感覚に頼らない合理的な意思決定が可能になります。

※本ツールは推定統計学の理解を助けるためのシミュレーターです。ビジネス上の重要な意思決定や学術論文での発表には、対象となる母集団の特性に応じた適切な検定手法を選択してください。