推計と推論へようこそ！

これまでの学習では、手元にあるデータを要約するための「記述統計」について学びました。しかし、現実の金融の世界では、すべてのデータが手に入ることはほとんどありません。この世に存在するすべての株式の将来のリターンを正確に予測することはできませんよね？そこで登場するのが推計（Estimation）と推論（Inference）です。この章では、データの一部（サンプル）を「味見」することで、全体（母集団）がどのようなものかを賢く予測する方法を学びます。最初は抽象的で難しく感じるかもしれませんが、大丈夫です。一つずつ丁寧に紐解いていきましょう！

1. 基本事項：母集団とサンプル

数学的な話に入る前に、私たちが何を対象に調査しているのかを整理しましょう。
母集団（Population）：知りたい対象の全体像（例：世界中のすべての公開企業）。
サンプル（Sample）：実際に測定を行う、その一部（例：調査のために選んだ100社）。
パラメータ（Parameter）：母集団の特徴を表す指標（例：「真の」平均リターン）。
統計量（Statistic）：サンプルの特徴を表す指標（例：選んだ100社の平均リターン）。

ヒント： Population（母集団）にはParameter（パラメータ）、Sample（サンプル）にはStatistic（統計量）が対応すると覚えましょう！

サンプリング（標本抽出）の種類

サンプルの選び方は非常に重要です。選び方を間違えると、結果も誤ったものになってしまいます。

  • 単純無作為抽出（Simple Random Sampling）：母集団の各メンバーが等しい確率で選ばれる方法。くじ引きをイメージしてください。
  • 層化無作為抽出（Stratified Random Sampling）：業種などの特定の属性に基づいて母集団をサブグループ（層）に分け、各グループから比例してサンプルを抽出する方法。例え：フルーツサラダを作る時、ブドウだけにならないように、リンゴやメロンをバランスよく混ぜてすくうようなものです！
  • クラスター抽出（Cluster Sampling）：母集団を地理的な地域などの「クラスター」に分け、ランダムに選んだクラスター全体を調査対象とする方法。

重要ポイント：

サンプリングを行えば、すべてのデータを一つひとつ確認しなくても母集団の特徴を推定できるため、時間とコストを大幅に節約できます。

2. 中心極限定理（CLT）の魔法

これは統計学の中で最も重要な概念と言っても過言ではありません。中心極限定理（Central Limit Theorem）は、驚くべきことを教えてくれます。それは、「十分な大きさのサンプル（通常 n ≥ 30）をとれば、元の母集団の分布がどのような形であっても、標本平均の分布は正規分布（ベルカーブ）に従う」ということです。

なぜこれがすごいのか？ 元のデータが偏っていたり変な形をしていたりしても、「サンプルの平均値」をとれば予測可能な振る舞いをするようになります。これによって、正規分布の数学的性質を使って推論を行うことが可能になるのです。

中心極限定理の特性：

  1. 標本平均の平均値は、母平均と等しくなる： \( \mu_{\bar{x}} = \mu \)
  2. 標本平均の分散は、母分散をサンプルサイズで割ったものになる： \( \sigma^2_{\bar{x}} = \frac{\sigma^2}{n} \)
  3. 標本平均の標準偏差は、標準誤差（Standard Error）と呼ばれる。

標準誤差

標本平均の標準誤差は、標本平均が真の母平均からどれくらい乖離する可能性があるかを測る指標です。
公式： \( \sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}} \)
母標準偏差（\( \sigma \)）が不明な場合は、サンプルの標準偏差（\( s \)）を使います：
\( s_{\bar{x}} = \frac{s}{\sqrt{n}} \)

豆知識： サンプルサイズ（\( n \)）を大きくするほど、標準誤差は小さくなります。これは直感的にも理解できますよね。多くの人に聞けば聞くほど、算出した平均に対する自信が高まるからです！

3. 点推定と信頼区間

何かを推定する際、次の二つの方法があります。

1. 点推定（Point Estimate）：単一の数字で表す（例：「平均リターンは8%だと思う」）。単純ですが、正確に当たることは稀です。
2. 信頼区間（Confidence Interval）：値の範囲で表す（例：「95%の確率で、リターンは6%から10%の間にある」）。

信頼区間の作成

信頼区間の一般的な公式は次の通りです：
点推定値 ± (信頼係数 × 標準誤差)

信頼係数は、どれくらい「確信」を持ちたいか、そしてどの分布（Zまたはt）を使うかによって決まります。

代表的なZ値（母分散が既知の場合）：
  • 90%信頼区間： \( z = 1.645 \)
  • 95%信頼区間： \( z = 1.960 \)
  • 99%信頼区間： \( z = 2.575 \)

例：標本平均が10、標準誤差が2、95%信頼区間を求めたい場合：
\( 10 \pm (1.96 \times 2) = 10 \pm 3.92 \)
信頼区間： [6.08 から 13.92]

重要ポイント：

信頼区間を広く設定する（例：95%から99%へ）ほど、真の値がその範囲に含まれている確信は高まりますが、区間が広くなるため正確性は下がります。

4. Z分布とt分布の使い分け

これはCFA試験でよくある「ひっかけ」問題です！どちらの表を使うべきか：Z表かt表か？

t分布を使う場合：

  • 母分散が未知である場合（現実のビジネスではほとんどこちらです）。
  • サンプルサイズが小さい（\( n < 30 \)）が、母集団が正規分布に従っている場合。

Z分布を使う場合：

  • 母分散が既知である場合。
  • 母分散は不明だが、サンプルサイズが大きい（\( n \ge 30 \)）場合。ただし、より保守的な推計のために、ここでもt分布を好む実務家も多いです。

t分布は正規分布と似ていますが、「裾が厚い（fat tails）」のが特徴です。これは、推計の不確実性が高いため、極端な値（外れ値）が出る可能性をより考慮していることを意味します。自由度（\( df = n - 1 \)）が大きくなるにつれて、t分布はZ分布とほぼ同じ形になっていきます。

5. サンプリングのバイアス（落とし穴！）

どれほど計算が正しくても、サンプリング自体にバイアスがあれば「ゴミを入れればゴミが出てくる（Garbage in, Garbage out）」結果になってしまいます。注意すべきバイアスは以下の通りです：

1. 生存者バイアス（Survivorship Bias）：現在も存続している企業のみを対象にすること。（失敗した企業を除外すると、平均リターンが実際よりも高く見えてしまいます！）
2. 先読みバイアス（Look-ahead Bias）：投資当時には入手できなかったはずの情報を、後の研究で利用してしまうこと。
3. データマイニング・バイアス（Data-mining Bias）：望む結果が出るまで様々な変数をテストし、偶然うまくいくものを見つけ出すこと。
4. 期間バイアス（Time-period Bias）：特定の期間の結果を一般化してしまうこと（例：90年代のITバブル期だけのテック株データを元にするなど）。
5. 選択バイアス（Selection Bias）：サンプルが真にランダムではない場合（例：「無作為」な街頭調査と言いつつ、スーツを着ている人だけに声をかけるなど）。

復習ボックス：
- 標準誤差： \( s / \sqrt{n} \)
- CLT： \( n \ge 30 \) で標本平均を正規分布させる。
- t分布： \( \sigma \) が不明な時に使用。裾が厚い。
- 自由度： \( n - 1 \)。

最後に

推計と推論は、生データと意思決定の橋渡しをするものです。公式が難しく感じられても大丈夫。論理に注目してください：サンプルをとり、平均を計算し、不確実性（標準誤差と信頼係数）を調整して、真実が存在すると思われる範囲を作る。あなたは順調です！Z表の読み込み練習を続けていきましょう！