比率の標準誤差

この比率の標準誤差計算ツールは、標本比率が未知の母比率をどれだけ精密に推定するかを示します。ゼロから一のあいだの標本比率 p-hat と、少なくとも一件の観測を含む標本サイズ n を入力すると、エンジンは二項の標本分散 p-hat かける一マイナス p-hat を n で割った値、その正の平方根としての標準誤差、および検算用の補数 q（一マイナス p-hat）を返します。古典的な確認例として、百回の試行で四割の成功は、零点四と零点六の積を百で割って平方根を取ると、標準誤差が約四点九パーセントになります。経路は決定的な浮動小数点演算のみで、ネットワーク呼び出し、ブートストラップ再標本化、日付依存の近道はありません。

比率の標準誤差が測るものと応答に含まれる内容

標本比率の標準誤差は、生の標本パーセントそのものとは別の問いに答えます。賛成四割という報告は点推定であり、標準誤差は同じベルヌーイ過程から同じサイズの独立標本を何度も取ったときに、そのパーセントがどれだけ揺れると期待されるかを示します。

成功確率 p の独立同一試行の下では、標本比率の標本分散は p かける一マイナス p を n で割ったものになるため、推定標準誤差は観測された p-hat を p に代入し、正の平方根を取ります。本計算ツールは常にそのプラグイン公式を使います。近似モンテカルロ経路を真実として提示したり、範囲外入力を黙ってゼロに切り詰めたりはしません。

一未満サイズの規則は意図的です。非正の標本サイズは古典公式のベルヌーイ試行数として無効です。比率ではなく数値平均の標準誤差が必要な場合は専用の平均値標準誤差ツールを使い、比率の信頼区間や仮説検定が必要な場合はこの SE を、選んだ臨界値や p-value の流れと別途組み合わせてください。

本ページは、ワークシート、単体テスト、毎回同じ SE に一致しなければならないパイプライン向けに、単一の標本比率の古典的 SE と、正確でキャッシュ可能な浮動小数点出力だけを扱います。

入力の読み方と解析的 SE アルゴリズムが安定に保たれる仕組み

同じ役割に対する別名を同時に複数与えると、優先順位の曖昧さを避けるために拒否されます。解析後、エンジンは比率に閉じた単位区間を強制し、標本サイズを一以上に要求します。計算は一つの積と除算に続く正の平方根です。

標本分散は ratio かける一マイナス ratio を標本サイズで割った値で、標準誤差はその平方根です。境界ケースは意図的で有用です。比率がゼロまたは一のとき積は消え、標準誤差はちょうどゼロになり、連続性補正が別途必要な現実の区間と違っても古典公式と一致します。

学習・調査・プロダクト・報告における比率 SE の位置づけ

学生は、教科書が比率の信頼区間を組み立てるとき、実験がコンバージョン率の不確かさを求めるとき、あるいは p-hat だけを示し p かける一マイナス p を n で割った平方根を読者に残す計算機とのきれいな照合が必要なときに、比率の標準誤差に出会います。

教員は、中間積の丸めが異なる不透明なアプリや、p-hat のプラグイン公式か帰無下の仮想 p ゼロかを隠すアプリを信じずに、控えめな標本サイズの模範解答を事前生成できます。

開発者は同じ契約をスクリプトから呼び、決定的なテストベクトルの種まき、コンバージョン率プラスマイナス SE を描く分析パイプラインの検証、n が大きくても p-hat が極端付近でないときに SE が崩れる比率をフラグするデータ品質ゲートに用います。

分析者は世論調査の支持率、A/B テストのコンバージョン率、不良率、調査の賛成割合を報告する際にこの SE を使い、読者に生のパーセントだけでなく推定比率の精度を示します。プロダクトと運用のチームは、標本サイズが変わるにつれて churn・クリック・エラー率の SE を監視します。

一見安定した比率でも、n が小さいときや二項分散が最大となる二分の一付近に p-hat があるときは SE が大きくなり得るからです。結果が二値ではなく連続なら平均 SEM ツールと、確率の標準化や補完なら z スコアや確率ツールと組み合わせ、標本比率の精度の要約と使い分けてください。