Pハット計算機 - 標本比率 p̂ と q̂

推測統計では、標本比率 p̂（「p-hat」と読む）は、標本内で特定の性質を持つ、または定義された基準を満たす個体の割合を表します。応用研究における最も基本的な統計量の一つであり、比率の信頼区間、比率に関する仮説検定、調査や臨床試験の標本サイズ計算の基礎になります。 公式は単純です：p̂ = x / n。ここで x は「成功」数（関心のある性質を持つ観測数）、n は総標本サイズです。補数 q̂ = 1 − p̂ は、その性質を持たない標本の割合を表します。p̂ と q̂ の和は正確に 1 となり、標本の二値的な分割を合わせて表します。 p̂ の主な目的は、通常は未知である真の母比率 p を推定することです。標本は母集団の一部にすぎないため、p̂ は確率変数であり、その値は標本ごとに少しずつ異なります。中心極限定理により、n が十分に大きい場合（通常は np̂ ≥ 5 かつ nq̂ ≥ 5）、p̂ の標本分布は平均 p、標準誤差 √(p(1−p)/n) の正規分布で近似できます。この正規近似は、最も一般的な比率の信頼区間や比率の z 検定の土台です。 p̂ の実務応用は、あらゆる定量分野に及びます。政治世論調査では、調査機関が数千人の投票見込み者を標本抽出し、p̂ を候補者への推定支持率として報告します。通常、標準誤差から導かれる誤差範囲（± 2–3%）も併記されます。製造業の品質管理では、生産技術者がロットから 200 個を抽出し、不良比率 p̂ を計算して不良率が許容範囲内か判断します。臨床試験では、主要評価項目が治療に反応した患者の割合であることが多く、治療群の p̂ と対照群の p̂ が主要な統計比較の基礎になります。デジタル製品の A/B テストでは、p̂ は各バリアントのコンバージョン率です。 p̂ と平均を区別することは重要です。平均は連続的な数値データ（平均身長、平均収入）を要約するのに対し、p̂ は二値のカテゴリデータ（成功か失敗か、はいかいいえか、不良か不良でないか）を要約します。どちらも点推定値ですが、従う標本分布は異なり、信頼区間や仮説検定には異なる公式が必要です。 p̂ を報告するときは、必ず信頼区間と標本サイズ n を添えてください。p̂ が 0.6 であることは、単独で示すよりも「0.6（95% CI：0.57 – 0.63、n = 1,000）」と示す方がはるかに意味があります。信頼区間は推定の精度を伝え、読者が関心を持つ任意のしきい値を真の比率が上回る、または下回る可能性を判断できるようにします。n と CI がなければ、p̂ は不完全な結果です。