統計的パラメータ：種類、推定量との違い、用途

一般的な種類と表記

代表的なパラメータには、母平均、分散、比率、回帰係数、およびパラメトリック分布族のパラメータがある。後者の例としては、指数分布の率や、正規分布の平均と分散が挙げられる。パラメータはしばしば θ、μ、σ² などの記号で表される。頻度主義の枠組みでは、パラメータは固定されているが未知の量として扱われる。一方、ベイズ分析では、パラメータに確率分布を与えることがある。

パラメータと推定量

パラメータは推定量とは異なる。パラメータは母集団またはモデルに固有の定数的な属性であるのに対し、推定量はそのパラメータを推論するための規則であり、多くの場合は標本データから計算される統計量である。推定量は標本ごとに変動し、それ自体の標本分布をもつ。表記では、たとえばパラメータを θ、その推定量を θ̂ のように、推定量にハットを付けて表すことが多い。推定量の構成と性質については、推定量と推論に関する資料を参照できる。

実務における役割と例

パラメータは、推定、検定、予測の対象となる。応用上は、仮説検定、信頼区間、モデル選択、予測に利用される。たとえば、公衆衛生の研究では、ワクチン接種を受けた人の母集団比率を推定することがある。計量経済学モデルでは、変数間の関係を定量化する係数を推定する。信頼性技術者は、部品の寿命を率パラメータによってモデル化する場合がある。

重要な区別と注意点

• 固定か確率的か：古典的推論ではパラメータは固定された未知量であるが、ベイズ推論では事前分布をもつ確率変数として扱われる。
• 識別可能性：パラメータはデータや他のパラメータから区別できなければならない。識別不能なパラメータを信頼性高く推定することはできない。
• パラメトリックかノンパラメトリックか：パラメトリックモデルは有限個のパラメータを定めるのに対し、ノンパラメトリック手法は強いパラメトリック仮定を避ける。

簡単な歴史と参考情報

パラメータという形式的な考え方は、統計学者が母集団と標本抽出のためのモデルを形式化していくなかで、19世紀から20世紀初頭にかけての確率論および数理統計学の発展とともに成長した。現代の文献では、パラメータは推論とモデリングの中心的な対象として扱われる。推定理論、ベイズ手法、識別可能性をさらに深く学びたい人に向けて、入門的資料から高度な研究書まで幅広く利用できる。