ブートストラップ(1サンプル)(Bootstrap 1-Sample)
Bootstrap 1-Sampleは、復元抽出した何千もの同じ大きさの再標本から、統計量の標本分布を推定します。データが正規分布に従わない場合、サンプルが小さい場合、または統計量に単純な式がない場合に使います。平均、中央値、合計、分散、標準偏差のいずれか、1,000回以上(理想的には5,000〜10,000回)の再標本化、およびBCa、パーセンタイル、Basicのいずれかの区間手法を選びます。出力は統計量とその信頼区間です。
最終レビュー
重要なポイント
Bootstrap 1-Sampleは、データの分布を仮定せずに、元のデータを復元抽出で繰り返し再標本化することで、平均、中央値、標準偏差などの統計量の信頼区間を構成します。
このページの内容
ブートストラップ(1サンプル)とは
ブートストラップ(1サンプル)は、元のデータセットから復元抽出でランダムな標本を繰り返し取り出すことで、平均、中央値、標準偏差などの統計量の標本分布を推定する再標本化の手法です。再標本化された各データセットは元と同じ大きさで、対象の統計量は再標本ごとに再計算され、何千回もの反復にわたるその統計量の分布が得られます。
ブートストラップの主な強みは、データの背後にある分布について何も仮定しないことです。そのため、正規性を仮定できず、パラメトリックな検定が適切でない場合の有力な代替手法になります。
簡単な定義:自分のデータを何千回も再標本化することで、算出した統計量(平均など)がどの程度信頼できるかを推定する手法です。データの分布についての仮定は不要です。
ブートストラップ(1サンプル)を使用する場面
- 次の場合に使用します:データが正規性の仮定を満たさず、パラメトリックな信頼区間が妥当でない可能性がある場合。
- 次の場合に使用します:サンプルサイズが小さく、正規近似に基づく従来の手法が信頼できない場合。
- 中央値、トリム平均、2つの量の比など、単純な解析式がない統計量 の信頼区間を推定する場合に使用します。
- ブートストラップ信頼区間を従来どおり計算した区間と比較することで、パラメトリックな検定の結果を検証 する場合に使用します。
ブートストラップ(1サンプル)を正しく使用するためのガイドライン
- ブートストラップ分布を安定した信頼できるものにするため、十分な数のブートストラップ再標本 を使用してください。少なくとも1,000回、理想的には5,000〜10,000回の反復が必要です。
- ブートストラップは、元のサンプルが母集団を代表している 場合に最もよく機能します。偏った、または代表性のないサンプルからは、偏ったブートストラップ推定値が得られます。
- ブートストラップを 十分なデータの収集 の代わりに使用しないでください。設計の不十分な調査やサンプルサイズの不足を補うことはできません。
- 結果は、ランダムな再標本化 により実行ごとにわずかに変わることがあります。結果を報告する際は、乱数シードを設定すると再現性が確保されます。
代替手法:ブートストラップ(1サンプル)を使用すべきでない場合
- データが 正規分布に従い、サンプルサイズが十分な場合は、より効率的な標準的パラメトリック手法を使用してください:1サンプルt検定 など。
- 次の場合は 2つのグループの比較が必要です。適した手法は次のとおりです:2サンプルt検定またはMann-Whitney検定
- 主な関心事が 区間推定ではなく分布の当てはめである場合は、次の手法を使用してください:個別分布の同定
ブートストラップ(1サンプル)の例
ある製薬会社の化学者が、新しく開発した制酸剤の反応時間を求めようとしています。試験は次の手順で行います。
- 必要なデータを収集しました。

- 次に、次のサイトでZometric Statistical Softwareを使ってデータを分析します:https://statsai.zometric.com/。
- Bootstrap 1-Sampleを探すには、次を選択します:Statistical module> Hypothesis Test> Bootstrap 1-Sample
- ツール内で、データとその他の入力を次のように入力します。

5. 上記のツールを使用すると、次のような出力が得られます。



ブートストラップ(1サンプル)の実行方法
手順は次のとおりです。
- Zometric Statistical Softwareにログインします:https://statsai.zometric.com/
- ホーム画面でStatistical Tool> Hypothesis Test >Bootstrap 1-Sampleを選択します。
- 次に、データを手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)して貼り付けます(Ctrl+V)。
- 必須のオプションを入力します。
- 最後に、ページ下部のcalculateをクリックすると、目的の結果が得られます。
Bootstrap 1-Sampleのダッシュボードでは、画面が2つの部分に分かれています。

左側にはデータペイン(Data Pane)があります。Data Paneでは、各行が1つのサブグループになります。データは手動で入力するか、Excelシートからデータ全体をコピー(Ctrl+C)して貼り付けます(Ctrl+V)。
Load example: サンプルデータが読み込まれます。
Load File: Excelのデータを直接読み込むためのものです。
右側には、次のような多くのオプションがあります。
- Sample: 分析したい 生データ を含む列を選択します。これは、ブートストラップ再標本を復元抽出で繰り返し取り出す元のデータセットです。この列の品質と代表性が、ブートストラップ推定値の信頼性を直接左右します。偏った、または代表性のないサンプルからは、偏ったブートストラップ結果が得られます。このフィールドは必須です。
- Statistic: 推定し、その周りに信頼区間を構成したい統計的尺度を選択します。次の5つのオプションがあります。
- Mean — 母集団の平均値を推定し、その周りに信頼区間を構成します。一般的な工程解析で最もよく使われるオプションです。
- Median — 母集団の中央の値を推定します。中央値は極端な値の影響を受けにくいため、データが歪んでいる場合や外れ値を含む場合には、平均より適切です。
- Sum — 母集団のすべての値の合計を推定します。累積した合計が実用上の関心対象である場合に役立ちます。
- Variance — 母集団のばらつきを、標準偏差の2乗として推定します。全体のばらつきの把握が主な目的である場合に役立ちます。
- Standard Deviation — 平均のまわりの個々の値の典型的なばらつきを推定します。元の測定単位で表されるため、分散より解釈しやすくなります。
- Number of Resamples: ブートストラップ分布を構成するために、ツールがデータを復元抽出でランダムに再標本化する回数を入力します。このフィールドは必須です。基本的な解析では最低 1,000回の再標本化 が推奨され、より精密で安定した信頼区間の推定値を得るには 5,000〜10,000回 が望ましいです。再標本化の回数を増やすと、より滑らかで信頼できる結果が得られますが、計算時間がわずかに長くなります。
- Confidence Level: ブートストラップ信頼区間の確信の水準を設定します。標準のデフォルトは 95%で、真の母集団の統計量が算出された区間に入ることを95%確信できるという意味です。これを99%に上げると、確信は高まりますが区間は広くなり、90%に下げると、区間は狭くなりますが確信は低くなります。
- Type of Interval: 信頼区間の形と方向を定義します。次の3つのオプションがあります。
- Two-Sided — 下側と上側の両方の限界を作り、統計量の周りに完全な区間を構成します。真の値がどちらの方向にどれだけ離れうるかに関心がある場合に使用します。ほとんどの解析で標準のデフォルトです。
- Lower Bound — 下側の限界のみを作り、真の統計量が一定の値より大きいかどうかを検証します。最小のしきい値のみが重要な場合に使用します。たとえば、工程平均が指定値以上であることを確認する場合です。
- Upper Bound — 上側の限界のみを作り、真の統計量が一定の値より小さいかどうかを検証します。最大のしきい値のみが重要な場合に使用します。たとえば、ばらつきが許容水準を超えないことを確認する場合です。
- Method: 再標本化された分布からブートストラップ信頼区間を計算する数学的な方法を定義します。次の3つのオプションがあります。
- Bias-Corrected-Accelerated (BCa) — ほとんどの状況で最も正確で、推奨される方法です。偏り(ブートストラップ推定値の系統誤差)とブートストラップ分布の歪みの両方を自動的に調整し、特に統計量の分布が非対称な場合に、最も信頼できる信頼区間が得られます。
- Percentile — ブートストラップ分布のパーセンタイルを直接使って区間の境界を設定します。単純で直感的ですが、偏りや歪みは補正しません。ブートストラップ分布がほぼ対称で偏りがない場合に適しています。
- Basic — 反射パーセンタイル法とも呼ばれ、パーセンタイルの境界を反転させることで、偏りを簡単に補正します。ブートストラップ分布にわずかな非対称性がある場合は、単純なパーセンタイル法より信頼できます。
- Download as Excel: 観測された統計量とそのブートストラップ信頼区間を含むブートストラップの結果を、報告、同僚との共有、解析の正式な記録の保存のために、Excelファイルにエクスポートします。
よくある質問
1サンプルブートストラップとは何ですか?
1サンプルブートストラップは、元のデータから復元抽出でランダムな標本を繰り返し取り出すことで、平均、中央値、標準偏差などの統計量の標本分布を推定します。各再標本は元と同じ大きさで、統計量は再標本ごとに再計算されます。これにより得られる分布を使って、データの分布を仮定せずに信頼区間を構成します。
t検定の代わりにブートストラップを使うのはどのような場合ですか?
データが正規性の仮定を満たさない場合、サンプルが小さく正規近似が信頼できない場合、または中央値のように単純な式がない統計量の区間が必要な場合に、ブートストラップを使用します。データが正規分布に従い、サンプルサイズが十分な場合は、1サンプルt検定の方が効率的です。
ブートストラップの再標本化は何回必要ですか?
基本的な解析では少なくとも1,000回、安定した精密な信頼区間を得るには理想的には5,000〜10,000回の再標本化を使用します。再標本化の回数を増やすと結果は滑らかになりますが、わずかに時間がかかります。ランダムな再標本化により実行ごとに結果がわずかに変わることがあるため、乱数シードを設定すると、報告する結果の再現性が確保されます。
ブートストラップ信頼区間の手法はどれを選べばよいですか?
Bias-Corrected-Accelerated (BCa)は、ブートストラップ分布の偏りと歪みを調整するため、ほとんどの状況で推奨されます。Percentile法は分布のパーセンタイルを直接使い、ほぼ対称で偏りのない場合に適しています。Basic法(反射パーセンタイル法)は、偏りを簡単に補正し、わずかな非対称性をPercentile法より適切に扱います。
