不偏標準偏差とは、サンプルデータから母集団の標準偏差を推測する際に、過小評価の偏りを補正して計算される指標です。機械学習の前処理やモデル評価における統計的な不確実性を正しく扱うために重要な役割を果たします。
不偏標準偏差とは
詳しく解説
統計学において、限られたサンプルデータ（標本）を用いて母集団の特性を推測する際、通常の標本標準偏差をそのまま使うと値が小さく見積もられてしまう偏り（バイアス）が生じます。これを補正するため、計算時の割る数をサンプル数nではなくn-1に変更したものが不偏分散であり、その平方根が不偏標準偏差です。AIや機械学習の分野では、データのばらつきを評価したり、モデルの汎化性能を検証する際の統計的処理の基礎として利用されます。
具体例・使われ方
AIモデルの学習において、収集したセンサーデータの品質を評価する際や、交差検証を行う過程でデータのばらつきを正確に把握するために用いられます。また、複数の実験結果から得られた評価指標の信頼区間を算出する場面でも活用されます。
似た用語との違い
標本標準偏差との違いは、分母の計算においてサンプル数nを使うかn-1を使うかという点です。標本標準偏差は手元のデータ自体のばらつきをそのまま表すのに対し、不偏標準偏差は未知の母集団の標準偏差を推定することを目的としています。
注意点
データ数が非常に大きい場合はnとn-1の違いによる数値の差はほとんどなくなりますが、サンプル数が少ない小規模データでは計算結果に影響が出るため、目的に応じて適切な指標を選択する必要があります。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月7日 02:11