MathLabs
定理証明済み

標本平均は不偏である

内容

X1,…,XnX_1,\dots,X_n が独立同分布で、すべての ii について E[Xi]=μE[X_i] = \mu であるとき、標本平均 Xˉ=1n∑i=1nXi\bar X = \frac{1}{n}\sum_{i=1}^{n} X_i は E[Xˉ]=μE[\bar X] = \mu を満たす。

なぜ正しいのか?

平均を取ることで系統的な偏りが取り除かれる:多数の仮想的な標本にわたって平均すると、Xˉ\bar X は真の母平均 μ\mu にちょうど一致し、系統的に高すぎたり低すぎたりすることはない。

証明の概略

定義より Xˉ=1n∑i=1nXi\bar X = \frac{1}{n}\sum_{i=1}^{n} X_i である。期待値は線形作用素なので、和と定数係数 1n\frac{1}{n} の上に分配できる:E[Xˉ]=1n∑i=1nE[Xi]E[\bar X] = \frac{1}{n}\sum_{i=1}^{n} E[X_i]。

各 XiX_i は同じ母集団から得られるため、nn 個の項それぞれについて E[Xi]=μE[X_i] = \mu となり、和は 1n∑i=1nμ=1n(nμ)=μ\frac{1}{n}\sum_{i=1}^{n} \mu = \frac{1}{n}(n\mu) = \mu に帰着する。

したがって、任意の標本サイズ nn に対して E[Xˉ]=μE[\bar X] = \mu となる:標本が小さくても大きくても標本平均は不偏である。これは標本分布の中心についての主張にすぎない -- その広がり、すなわち Var⁡(Xˉ)=σ2/n\operatorname{Var}(\bar X) = \sigma^2/n は nn が大きくなるにつれて依然として狭まっていき、それが以下の信頼区間で使われる。

この定理を使うトピック

ステップごとの証明

この定理のステップごとの証明はまだありません。

参考文献

  1. NIST/SEMATECH (2013). Confidence Limits for the Mean
  2. Diez, D.; Cetinkaya-Rundel, M.; Barr, C. (2019). OpenIntro Statistics