母集団と標本の違いについて解説！標本の抽出方法もわかりやすく！

こんにちは！

データサイエンティストのウマたん(@statistics1012)です！

今回は母集団と標本について解説していきます！母集団とは「本来知りたいと考えている集団全体」であり、標本は「母集団から抽出した一部」を意味します。

例えば日本人全員の身長が知りたいと考えます。そして母集団は日本人1.2億人と考えたとき、全員の身長を調べるのは時間的・金銭的なコストが莫大になることは想像できます。

そこで一部の日本人の身長を調べて日本人全員の身長を推定することで、莫大なコストを省けるメリットが考えられます。このような考え方に基づいた統計学を「推測統計学」と呼びます。

この記事では、母集団と標本について解説しつつ、標本の抽出方法について解説します！

母集団と標本に関しては以下の動画でも解説していますのであわせてチェックしてみてください！

統計学の用語やその他のAI用語を一挙にまとめた以下の記事も合わせて要チェックです！

【これだけはおさえておきたい！】ビジネスで役立つAI用語45選まとめ！当サイト【スタビジ】の本記事では、ディープラーニング系/機械学習系/統計学系の3つのカテゴリに分けて重要な用語を説明していきます！

母集団と標本の違いについて解説！

早速、母集団と標本の違いについて解説します！

母集団は「本来知りたいと考えている集団全体」であり、標本は「母集団から抽出した一部」を意味します。

例えば日本人全員の身長を知りたいと考えます。この時日本人全員を調べる方法を「全数調査」、一部の日本人を調べることを「標本調査」と呼びます。一般的には標本調査が行われることがほとんどです。

しかし前述したとおり、標本の性質が偏っていれば推測する母集団の性質も偏ってしまいます。例えば小学生1000人を標本として抽出して、母集団（日本人全員の身長）の平均値は120cmだ！と言っても説得力がありませんよね？

したがって完全にランダムに標本を抽出する必要があります。つまり小学生だけに偏ったりせず、母集団の誰もが同じ確率で選ばれるように抽出すれば、母集団の性質を正確に推測しやすくなります。このような抽出方法を「単純無作為抽出」と呼びます。

標本の抽出方法について解説！

標本の抽出方法はいくつかありますが、その中でも代表的な抽出方法について解説していきます！

これらの抽出方法は目的にあわせて行うことで大きな効果を発揮するので、必ず中身とメリット・デメリットを把握しておきましょう！

層化抽出法

層化抽出法は「母集団をいくつかの層に分けて、それぞれの層から必要な数だけ抽出する方法」を意味します。

例えば日本人全員の身長を知りたいとき、男性と女性から半分ずつ無作為に抽出する場合を指します。

この方法は母集団の性質を正確に反映させやすく、層ごとの比較が行えますが、事前に母集団の構造を理解しておく必要があります。

集落抽出法

集落抽出法とは「母集団をいくつかの集落（クラスター）に分け、複数の集落を無作為に抽出し、それぞれの集落で全数調査を行う」方法です。

例えば日本人全員の身長を知りたいとき、都道府県を集落とみなし、都道府県からいくつかランダムに抽出した後、抽出した集落に所属する日本人全員を調べる場合を指します。

この方法はクラスターの情報を知っていればコストを削減できますが、クラスターそのものに偏りがある場合は標本に偏りが発生する可能性がある点に注意する必要があります。

多段抽出法

多段抽出法とは「母集団をいくつかのグループに分け、その中から無作為にグループを抽出することを繰り返し、最終的なグループから無作為抽出する」方法です。

例えば日本人全員の身長を知りたいとき、まず母集団を都道府県に分けて複数の都道府県を無作為に抽出します！次に抽出した都道府県から複数の市区町村を無作為に抽出し、さらに抽出した市区町村から日本人を無作為に抽出する場合を指します。

この方法は名簿づくりや調査のコストが抑えられる一方、同じ人数の単純無作為抽出と比べると推測の精度は落ちやすく、各段階で選ぶ数が少ないと標本に偏りが出る点に注意しましょう！

系統抽出法

最後に系統抽出法とは「通し番号を付けた名簿を作成して、１番目を無作為に選び、その後は一定の間隔で抽出する」方法です！

例えば日本人全員の身長を知りたいとき、1.2億人の通し番号を付けた名簿を作成し、ランダムに選ばれた番号から、1000人おきに抽出する場合を指します。

この方法もコストが抑えられる一方、通し番号に何らかの周期があった場合は標本が偏る場合があるので注意が必要です！

母集団と標本　まとめ

本記事では母集団と標本についてまとめました！

母集団の性質として平均と分散が挙げられます！当サイトスタビジではどちらもわかりやすく解説しているので、ぜひ学んでいってください！

中央値と平均値と最頻値はどう違う！？使い分けや求め方について図解解説！当サイト【スタビジ】の本記事では、中央値・平均値・最頻値について解説していきます！これらの指標はデータの分布に表す非常に重要な指標です！今回は中央値・平均値・最頻値の定義について解説しつつ、これら3つの指標の違いや使い分けの方法、求め方について解説してPythonで実装していきます！ 分散の求め方！標本分散と不偏分散の違い当サイト【スタビジ】の本記事では、分散について解説していきます！分散とは「データの散らばり具合を示す」重要な指標となっています。今回は分散の定義について解説しつつ、分散のなかでも標本分散と不偏分散の違いについて解説してPythonで実装していきます！

このようなデータサイエンスの力を身に付けるためにはスタビジの記事やスクールを活用すると良いでしょう。

そして僕の経験を詰め込んだデータサイエンス特化のスクール「スタアカ（スタビジアカデミー）」を運営していますので，興味のある方はぜひチェックしてみてください！

AIデータサイエンス特化スクール「スタアカ」

データサイエンティストとしての自分の経験をふまえてエッセンスを詰め込んだのがこちらのスタビジアカデミー、略して「スタアカ」！！

当メディアが運営するスクールです。

24時間以内の質問対応と現役データサイエンティストによる複数回のメンタリングを実施します！

カリキュラム自体は、他のスクールと比較して圧倒的に良い自信があるのでぜひ受講してみてください！

他のスクールのカリキュラムはPythonでの機械学習実装だけに焦点が当たっているものが多く、実務に即した内容になっていないものが多いです。

そんな課題感に対して、実務で使うことの多いSQLや機械学習のビジネス導入プロセスの理解などもあわせて学べるボリューム満点のコースになっています！

Pythonが初めての人でも学べるようなカリキュラムにしておりますので是非チェックしてみてください！

ウォルマートのデータを使って商品の予測分析をしたり、実務で使うことの多いGoogleプロダクトのBigQueryを使って投球分析をしたり、データサイエンティストに必要なビジネス・マーケティングの基礎を学んでマーケティングプランを作ってもらったり・Webサイト構築してデータ基盤構築してWebマーケ×データ分析実践してもらったりする盛りだくさんの内容になってます！

＼今すぐ試す／

データサイエンスに関する記事はこちら！

【初心者必見】統計学入門に必要な知識と独学勉強方法を簡単に学ぼう！当ブログ【スタビジ】の本記事では、統計学入門に必要な知識をカンタンにまとめ、それらをどのように効率的に独学で勉強していけばよいかをお話ししていきます。統計学は難しいイメージが少しありますが、学び方をしっかり考えれば大丈夫！ 【データサイエンティスト厳選18冊】データサイエンスを学ぶ上でオススメな本・教材！当ブログ【スタビジ】の本記事では、データサイエンスを学ぶ上でオススメできる本を厳選して紹介していきます。ここではデータサイエンティストになるために習得するスキルをデータサイエンスと称しております。いくつかの観点に切り分けて見ていきます。

データサイエンスを勉強できるスクールやサイトは、ぜひこちらを参考にしてみてください！

【徹底比較】データサイエンティストになるための学習ができるスクール9選！当サイト【スタビジ】の本記事では、データサイエンティストへの学習ができるスクールを紹介していきます。スクールに通ったからと言ってデータサイエンティストになれるわけではありませんが、データサイエンティストへの基本を着実に固めることは可能です…