頻度論統計学とは、確率は同じ条件で無限に試行を繰り返した際の長期的な発生頻度であると定義する統計学の手法です。母集団のパラメータを固定された未知の定数と捉え、標本データを用いて仮説検定や信頼区間の推計を行います。機械学習のモデル評価やABテストなど、データ分析やAI領域で幅広く活用されている基盤的アプローチです。
頻度論統計学とは
頻度論統計学とは、確率は「同じ条件で無限に試行を繰り返したときに発生する長期的・客観的な頻度」であると定義する統計学の立場です。
詳しく解説
頻度論統計学では、推測の対象となるパラメータ（母集団の真の値）は固定された未知の定数として扱います。標本データのばらつきに基づき、仮説検定や点推定、信頼区間の算出を行います。20世紀の現代統計学の基礎を築いたアプローチであり、機械学習やAIモデルの評価、ABテストにおける有意差検定などのデータ分析で広く活用されています。
具体例・使われ方
新薬の有効性を検証する臨床試験や、Webサイトの改善効果を測るABテストでの仮説検定が代表的な例です。また、機械学習モデルの性能評価におけるP値の計算や信頼区間の推計にも応用されています。
似た用語との違い
ベイズ統計学との違いは、確率の解釈とパラメータの扱い方にあります。頻度論統計学が確率を客観的な長期的頻度としパラメータを固定値とみなすのに対し、ベイズ統計学は確率を「事象に対する主観的な信念の度合い（確信度）」と捉え、パラメータ自体も確率変数として更新していきます。
注意点
P値（有意確率）の誤解には注意が必要です。P値が小さいことは「帰無仮説が正しい確率が低い」ことを直接意味するわけではなく、またP値だけで効果の大きさ（効果量）を判断することはできません。さらに、データサイズが非常に大きい場合、実質的な意味がない微小な差でもP値が有意になりやすいという限界があります。