Odds and Ends

英語多読

統計で英語多読 6-2: 母比率の推定と検定 — 正規近似を用いた分析

母比率の推定と検定を題材にした英語多読ユニット。約770語の英文と全文日本語訳で、正規近似を使った世論調査・満足度調査の読み解き方を読みます。

ストック

英語多読 統計

「大人のための英語多読図書館」へようこそ。今回は、支持率や満足度といった「比率」を題材に、正規近似を使って母比率を推定・検定する方法を、英語の文章でたどっていきます。

📊 このユニットの情報 語数: 約770語 / 推定読了時間: 5〜8分 / 難易度: ★★☆☆☆(初中級)

Learning Objectives

みなさんこんにちは。大人のための英語多読図書館へようこそ。

今回は「比率」や「割合」に注目します。「内閣支持率は40%」「新製品の満足度は90%」といったニュースをよく目にしますよね。でも、これは調査した全員の結果ではなく、一部の人（標本）から得られた結果です。では、その結果から、日本国民全体（母集団）の本当の支持率をどれくらい信頼できるのでしょうか？

今回は、このような「母比率」を推定したり、仮説を検証したりする方法を学びます。実は、たくさんのサンプルを集めると、比率のデータも「正規分布」というおなじみの形に近づくという面白い性質があります。この性質を利用することで、平均値の時と似たような方法で分析ができるようになるのです。

それでは今回も多読を楽しんでいきましょう。

Summary

  • Population proportion (p) refers to the proportion of individuals in a population that has a certain characteristic (e.g., the percentage of voters who support a candidate).
  • We use the sample proportion (\(\hat{p}\)), calculated as the number of successes (x) divided by the sample size (n), to estimate the population proportion.
  • For a large sample size, the sampling distribution of the sample proportion (\(\hat{p}\)) can be approximated by a normal distribution. This is due to the Central Limit Theorem.
  • A common rule of thumb for this approximation is that both \(n \cdot p\) and \(n \cdot (1-p)\) should be greater than or equal to 5 (or sometimes 10).
  • We can construct a confidence interval for the population proportion to estimate a range of plausible values for the true proportion.
  • We can also perform a hypothesis test for the population proportion to check if it is different from a specific value, using a Z-statistic.

Explanation

What is a Population Proportion?

In many situations, we are not interested in an average value, but in a percentage or proportion. For example: - What percentage of the population has a specific genetic trait? - What is the market share of a new product? - What is the support rate for a political policy?

The true proportion in the entire population is called the population proportion, denoted by p. Since we cannot survey everyone, we take a sample and calculate the sample proportion, denoted by \(\hat{p}\) (read as "p-hat").

The formula for the sample proportion is simple: \[ \hat{p} = \frac{x}{n} \] where x is the number of individuals in the sample with the characteristic, and n is the total sample size.

For instance, if we survey 1,000 voters and 450 of them support Candidate A, the sample proportion is \(\hat{p} = 450 / 1000 = 0.45\), or 45%.

The Magic of Normal Approximation

You might think that analyzing proportions is completely different from analyzing means. However, thanks to the Central Limit Theorem, if the sample size n is large enough, the distribution of all possible sample proportions (\(\hat{p}\)) will be approximately a normal distribution.

This is a powerful idea. It means we can use the familiar properties of the normal distribution (and the Z-statistic) to analyze proportions, just as we did for means when the population variance was known.

When is the sample size "large enough"? A widely used guideline is that the number of expected successes (\(n \cdot p\)) and the number of expected failures (\(n \cdot (1-p)\)) should both be at least 5 or 10. Since we don't know the true p, we often use our sample proportion \(\hat{p}\) to check this condition (\(n\hat{p} \ge 10\) and \(n(1-\hat{p}) \ge 10\)).

Estimating the Population Proportion with a Confidence Interval

A point estimate like \(\hat{p} = 0.45\) is our best single guess, but it's almost certainly not the exact value of p. A confidence interval gives us a range of values that likely contains the true population proportion.

The formula for a confidence interval for a population proportion is: \[ \hat{p} \pm Z_{\alpha/2} \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} \]

Let's break it down: - \(\hat{p}\): Our sample proportion. - \(Z_{\alpha/2}\): The critical Z-value for our desired confidence level (e.g., for 95% confidence, \(Z_{\alpha/2}\) is 1.96). - \(\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}\): This is the standard error of the sample proportion, which measures the typical variation of \(\hat{p}\) from sample to sample.

Example: For our voter survey (\(\hat{p}=0.45\), n=1000), a 95% confidence interval would be: \[ 0.45 \pm 1.96 \sqrt{\frac{0.45(1-0.45)}{1000}} \] \[ 0.45 \pm 1.96 \sqrt{0.0002475} \] \[ 0.45 \pm 1.96(0.0157) \] \[ 0.45 \pm 0.031 \] The interval is (0.419, 0.481). We can be 95% confident that the true proportion of voters who support Candidate A is between 41.9% and 48.1%. This range is often called the "margin of error" (\(\pm 3.1\%\)).

Hypothesis Testing for a Population Proportion

We can also test a claim about a population proportion. Suppose a company claims that 80% of its customers are satisfied. We survey 200 customers and find that 150 of them (75%) are satisfied. Is the company's claim too high?

  1. State Hypotheses:

    • Null Hypothesis (\(H_0\)): \(p = 0.80\) (The company's claim is correct.)
    • Alternative Hypothesis (\(H_1\)): \(p < 0.80\) (The true proportion is less than the claim.)

  2. Set Significance Level (\(\alpha\)): Let's use \(\alpha = 0.05\).

  3. Calculate the Z-statistic: The formula for the test statistic is: \[ Z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}} \] Here, \(p_0\) is the hypothesized proportion from the null hypothesis. Our sample proportion is \(\hat{p} = 150/200 = 0.75\). \[ Z = \frac{0.75 - 0.80}{\sqrt{\frac{0.80(1-0.80)}{200}}} = \frac{-0.05}{\sqrt{\frac{0.16}{200}}} = \frac{-0.05}{\sqrt{0.0008}} = \frac{-0.05}{0.0283} \approx -1.77 \]

  4. Make a Decision: For a one-tailed test with \(\alpha = 0.05\), the critical Z-value is -1.645. Since our Z-statistic (-1.77) is less than -1.645, it falls in the rejection region. We reject the null hypothesis.

  5. Conclusion: There is sufficient statistical evidence to suggest that the true proportion of satisfied customers is less than 80%.

Analyzing proportions is a vital skill for interpreting survey results, election polls, and market research, all thanks to the power of normal approximation.

まとめ

今回は、支持率や満足度のような「比率」を扱うとき、標本サイズが十分大きければ標本比率の分布が正規分布で近似でき、平均値のときと同じようにZ統計量を使って分析できることを見てきました。標本比率から信頼区間を作って母比率の範囲を推定する方法と、ある主張（たとえば「顧客の80%が満足」）を仮説検定で確かめる手順を、有権者調査や顧客満足度の例でたどりました。正規近似が、調査結果や世論調査を読み解く力の土台になっています。

次回は、データの「中心」ではなく「ばらつき」、すなわち母分散に注目し、カイ二乗分布を使って推定・検定する方法を見ていきます。

日本語訳(全文)

英文を最後まで読み終えてから、答え合わせ用にお使いください。多読の原則として、まずは訳を見ずに英文だけで理解を試みることをおすすめします。

Summary

  • 母比率（p）とは、母集団のなかで、ある特徴を持つ個体の割合のことです（例: ある候補者を支持する有権者の割合）。
  • 母比率を推定するために、成功数（x）を標本サイズ（n）で割って計算される標本比率（\(\hat{p}\)）を使います。
  • 標本サイズが大きい場合、標本比率（\(\hat{p}\)）の標本分布は正規分布で近似できます。これは中心極限定理によるものです。
  • この近似のためのよく使われる目安は、\(n \cdot p\)と\(n \cdot (1-p)\)の両方が5以上（ときには10以上）であることです。
  • 母比率について、本当の比率としてもっともらしい値の範囲を推定するために、信頼区間を作ることができます。
  • また、Z統計量を使って、母比率がある特定の値と異なるかどうかを確かめる仮説検定を行うこともできます。

母比率とは何か?

多くの場面で、私たちは平均値ではなく、パーセンテージや比率に関心があります。たとえば、

  • 母集団のうち、ある特定の遺伝的特徴を持つ人の割合はどれくらいか。
  • 新製品の市場シェアはどれくらいか。
  • ある政策への支持率はどれくらいか。

母集団全体における本当の比率を母比率と呼び、pで表します。全員を調査することはできないので、私たちは標本をとり、標本比率を計算します。これは\(\hat{p}\)（「ピー・ハット」と読みます）で表します。

標本比率の式はシンプルです。 \[ \hat{p} = \frac{x}{n} \] ここで、xは標本のなかでその特徴を持つ個体の数、nは標本サイズの合計です。

たとえば、1,000人の有権者を調査して、そのうち450人が候補者Aを支持していれば、標本比率は\(\hat{p} = 450 / 1000 = 0.45\)、すなわち45%です。

正規近似の魔法

比率の分析は、平均の分析とはまったく別物だと思うかもしれません。しかし、中心極限定理のおかげで、標本サイズnが十分に大きければ、あり得るすべての標本比率（\(\hat{p}\)）の分布は、ほぼ正規分布になります。

これは強力な考え方です。母分散が既知のときの平均で行ったのと同じように、正規分布のなじみ深い性質（とZ統計量）を使って比率を分析できる、ということを意味するからです。

標本サイズが「十分に大きい」のはどんなときでしょうか。広く使われる目安は、期待される成功数（\(n \cdot p\)）と期待される失敗数（\(n \cdot (1-p)\)）が、ともに少なくとも5または10あることです。本当のpはわからないので、しばしば標本比率\(\hat{p}\)を使ってこの条件（\(n\hat{p} \ge 10\)かつ\(n(1-\hat{p}) \ge 10\)）を確認します。

信頼区間による母比率の推定

\(\hat{p} = 0.45\)のような点推定は、私たちの最良の一点の推測ですが、それがpの正確な値であることはほぼ確実にありません。信頼区間は、本当の母比率を含んでいそうな値の範囲を与えてくれます。

母比率の信頼区間の式は次のとおりです。 \[ \hat{p} \pm Z_{\alpha/2} \sqrt{\frac{\hat{p}(1-\hat{p})}{n}} \]

分解してみましょう。

  • \(\hat{p}\): 標本比率。
  • \(Z_{\alpha/2}\): 望む信頼水準に対する臨界Z値（例: 95%信頼では、\(Z_{\alpha/2}\)は1.96）。
  • \(\sqrt{\frac{\hat{p}(1-\hat{p})}{n}}\): これは標本比率の標準誤差で、標本ごとの\(\hat{p}\)の典型的なばらつきを測るものです。

例: 有権者調査（\(\hat{p}=0.45\)、n=1000）の場合、95%信頼区間は次のようになります。 \[ 0.45 \pm 1.96 \sqrt{\frac{0.45(1-0.45)}{1000}} \] \[ 0.45 \pm 1.96 \sqrt{0.0002475} \] \[ 0.45 \pm 1.96(0.0157) \] \[ 0.45 \pm 0.031 \] 区間は(0.419, 0.481)です。候補者Aを支持する有権者の本当の比率は41.9%から48.1%のあいだにある、と95%の確信を持って言えます。この範囲はしばしば「誤差の範囲（マージン・オブ・エラー）」（\(\pm 3.1\%\)）と呼ばれます。

母比率の仮説検定

母比率についての主張を検定することもできます。ある会社が、顧客の80%は満足していると主張しているとしましょう。200人の顧客を調査したところ、そのうち150人（75%）が満足していました。この会社の主張は高すぎるのでしょうか。

  1. 仮説を立てる:

    • 帰無仮説（\(H_0\)）: \(p = 0.80\)（会社の主張は正しい。）
    • 対立仮説（\(H_1\)）: \(p < 0.80\)（本当の比率は主張より小さい。）

  2. 有意水準（\(\alpha\)）を設定する: \(\alpha = 0.05\)を使いましょう。

  3. Z統計量を計算する: 検定統計量の式は次のとおりです。 \[ Z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}} \] ここで、\(p_0\)は帰無仮説から定めた仮定上の比率です。標本比率は\(\hat{p} = 150/200 = 0.75\)です。 \[ Z = \frac{0.75 - 0.80}{\sqrt{\frac{0.80(1-0.80)}{200}}} = \frac{-0.05}{\sqrt{\frac{0.16}{200}}} = \frac{-0.05}{\sqrt{0.0008}} = \frac{-0.05}{0.0283} \approx -1.77 \]

  4. 判断を下す: \(\alpha = 0.05\)の片側検定では、臨界Z値は-1.645です。Z統計量（-1.77）は-1.645より小さいので、棄却域に入ります。私たちは帰無仮説を棄却します。

  5. 結論: 満足している顧客の本当の比率が80%より小さいことを示唆する、十分な統計的証拠があります。

比率を分析することは、正規近似の力のおかげで、調査結果や選挙の世論調査、市場調査を解釈するための欠かせないスキルなのです。