サンプル数決め方は？

誤差幅から逆算。誤差1なら n=(1.96×s)²

統計信頼区間CI

平均値信頼区間計算機｜95%CI・99%CIの算出

平均の信頼区間を計算する無料電卓。標本平均・標準偏差・サンプル数から、90%/95%/99%信頼区間を瞬時算出。世論調査、品質管理、A/Bテスト、医学研究など、標本から母集団を推定するあらゆる場面で役立ちます。

最終更新：2026-07-30／監修：計算ツールズ編集部

平均の信頼区間ツール

標本平均

標本標準偏差

サンプル数

信頼水準

平均信頼区間とは

信頼区間（Confidence Interval, CI）は、標本データから推定する母集団パラメータの幅を表す統計指標です。「95%信頼区間」は同様の調査を100回繰り返すと、そのうち95回はその区間内に真の母平均が含まれる、という意味を持ちます。世論調査で発表される「支持率50%±3%」の「±3%」がまさにこの信頼区間の誤差幅で、統計的推定の実務では最も基本かつ重要な概念です。

計算式と考え方

95% CI = 標本平均 ± 1.96 × (s ÷ √n)
99% CI = 標本平均 ± 2.576 × (s ÷ √n)
90% CI = 標本平均 ± 1.645 × (s ÷ √n)

ここで、s は標本標準偏差、n はサンプル数。「1.96」「2.576」「1.645」は、標準正規分布の上側確率が2.5%、0.5%、5%となる境界値（z値）。中心極限定理により、n が大きい場合、標本平均の分布は近似的に正規分布に従うことを利用しています。サンプル数 n が増えるほど区間は狭くなり、推定精度が向上します。n=100 なら誤差約10%、n=1,000 なら約3%、n=10,000 なら約1%というスケールで縮小します。

z値ではなくt値を使うべきケース

母標準偏差が既知でnが大きい場合はz値（正規分布）を使用しますが、実務ではほとんどのケースで母標準偏差は未知で、標本標準偏差sを使います。この場合、厳密にはt分布のt値を使う必要があります。n≥30ではz値とt値の差はほぼ無視できますが、n<30の小標本ではt分布を使うのが正しい方法です。例えば自由度9（n=10）の95%CIのt値は2.262、これに対しz値は1.96で15%以上の差があります。

計算例

平均50・SD10・n=100 → 95%CI: 48.04〜51.96、誤差幅±1.96
平均50・SD10・n=400 → 95%CI: 49.02〜50.98、誤差幅±0.98（nを4倍で幅半分）
平均50・SD10・n=1000 → 95%CI: 49.38〜50.62、誤差幅±0.62
平均170cm・SD5cm・n=50 → 95%CI: 168.61〜171.39
平均5000円・SD1500円・n=200 → 95%CI: 4792〜5208

注意点・落とし穴

正規分布または大標本前提：中心極限定理により、n が大きければ元の分布が何であれ標本平均は正規分布に近づきます。目安はn≥30、極端に歪んだ分布ではn≥100が安全圏です。
信頼水準と精度はトレードオフ：信頼水準を上げるほど区間は広がります。99%CIは95%CIよりも広く、確実性は上がりますが精度が下がります。
母標準偏差未知の小サンプルはt分布：n<30 では正規近似ではなくt分布を使うのが原則です。
外れ値の影響：標本平均・標本標準偏差ともに外れ値の影響を強く受けます。信頼区間を出す前に外れ値の有無を確認し、必要に応じてロバスト統計（中央値・四分位範囲）を併記しましょう。
複数の信頼区間を同時に扱う場合：k個のCIを同時に見たとき、少なくとも1つが真値を含まない確率は1-(0.95)^kと膨らみます（多重比較問題）。Bonferroni補正やHolm-Bonferroni法で調整。
非独立データ：時系列データや同一被験者の反復測定では独立性の仮定が崩れます。混合モデル・GEEなどの手法を検討。

z値・t値の対応表

信頼水準	z値	t値（df=9）	t値（df=29）
80%	1.282	1.383	1.311
90%	1.645	1.833	1.699
95%	1.960	2.262	2.045
98%	2.326	2.821	2.462
99%	2.576	3.250	2.756

実務での使い方：ビジネス・研究での応用

世論調査・マーケティングリサーチ

世論調査で「内閣支持率50%±3%（95%信頼水準）」と発表されるとき、この「±3%」が信頼区間の誤差幅です。

サンプル1000名：誤差幅約±3%
サンプル2000名：誤差幅約±2%
サンプル5000名：誤差幅約±1.4%
サンプル10000名：誤差幅約±1%
全国調査で誤差1%を狙うには10000名超が必要
コストと精度のバランスから大手世論調査は1000-2000名が標準

A/Bテスト・CVR比較

Webサイト改善のA/Bテストで、既存版CVR 5.0%、新版CVR 5.5%という結果が出た場合、信頼区間で「本当に有意な差か」を判断します。

既存版：CVR 5.0%、95%CI 3.65-6.35%（n=1000）
新版：CVR 5.5%、95%CI 4.09-6.91%（n=1000）
信頼区間が大きく重なるため、有意差なしとの結論
統計的有意差の確保には数千〜数万名が必要
誤差幅を半分にするにはサンプル4倍が必要（√nの法則）

医学研究・臨床試験

新薬の効果を評価する臨床試験では、信頼区間は最も重要な結果表示です。

典型的記述：「治療群と対照群の差の95%信頼区間が-5.2 〜 -1.8mmHg」
区間内にゼロを含まないため「有意な血圧降下効果あり」と判定
医学分野では95%CIが標準、安全性評価では99%CIも併記
ICH-E9（臨床試験の統計原則）にも信頼区間の推奨あり
FDA・PMDA申請資料にも信頼区間の記載が必須

品質管理・工程管理

製造ラインの出荷検査で、抜取り検査から母集団平均を推定する際に信頼区間を用います。

100個抜取り検査で平均重量50g・SD1g、95%CIは49.80-50.20g
仕様値50±0.5gに対して95%CIが範囲内なら合格判定
SPC（統計的工程管理）でも管理限界の設定に活用
Cp・Cpk（工程能力指数）とも密接に関連

選挙予測・出口調査

各政党の支持率を±誤差幅付きで発表
接戦区では誤差幅を超える差が出るまで「当確」を出さない
層化抽出・重み付き集計を組み合わせて精度向上

分野別の使用場面（追加）

金融・投資分析

過去リターンから将来リターンの推定
ボラティリティ推定と信頼区間
VaR（Value at Risk）の推定
ポートフォリオリターンの推定と誤差

教育研究・学力調査

クラス平均点の推定
介入効果の検証
PISA・TIMSS等の国際比較
教育方法比較試験

環境・気象データ

平均気温・降水量の推定
大気汚染物質濃度の推定
長期トレンドの検定
気候変動の統計的検証

製造業・工程管理

製品寸法の統計的管理
工程能力指数の推定
不良率の推定と管理
ロット合否判定

スポーツデータ解析

選手成績の推定と比較
チーム勝率の予測
戦術効果の統計検証
ドーピング検査結果の統計解釈

サンプル数と誤差幅の関係（SD=10、95%CIの場合）

サンプル数n	誤差幅（±）	相対誤差（平均=50）
10	±6.20	約12.4%
30	±3.58	約7.2%
100	±1.96	約3.9%
400	±0.98	約2.0%
1000	±0.62	約1.2%
10000	±0.20	約0.4%

※誤差幅はサンプル数の平方根に反比例。誤差を半分にするには4倍のサンプルが必要で、この「√nの法則」がサンプル設計の基本です。

ソフトウェア別の計算方法

Microsoft Excel

=CONFIDENCE.NORM(1-信頼水準, SD, n)：誤差幅を計算（正規分布）
=CONFIDENCE.T(1-信頼水準, SD, n)：誤差幅を計算（t分布）
=NORM.S.INV((1+信頼水準)/2)：z値を計算
=T.INV.2T(1-信頼水準, n-1)：両側t値を計算

Python (SciPy)

import numpy as np
from scipy import stats

data = np.array([...])  # データ配列
mean = np.mean(data)
sem = stats.sem(data)  # 標準誤差
ci = stats.t.interval(0.95, len(data)-1, loc=mean, scale=sem)
# ci = (下限, 上限)

R

data <- c(...)
t.test(data, conf.level=0.95)$conf.int
# 出力に95%CIが含まれる

# 手動計算
mean(data) + qt(c(0.025, 0.975), df=length(data)-1) * (sd(data)/sqrt(length(data)))

関数電卓・スマホアプリ

カシオfx-991EX：STAT機能で信頼区間計算可能
iOSアプリ：Confidence Interval Calculator, Statistics Calculator等
Wolfram Alpha：ブラウザで「95% confidence interval mean=50 sd=10 n=100」と入力

発展：信頼区間の関連手法

ベイズ的信用区間（Credible Interval）

ベイズ統計における「95%信用区間」は、「母平均がこの区間に入る確率が95%」と直接解釈できます。事前分布と観測データから事後分布を導出し、その分布の95%が含まれる区間を提示。頻度論的CIとは解釈が異なる点に注意です。

ブートストラップ信頼区間

データからランダム復元抽出を数千回繰り返し、標本平均の分布を経験的に構築する方法。分布の前提を必要としないため、非正規分布・小標本・複雑な統計量に対応可能。BCa法、パーセンタイル法、標準ブートストラップなど複数のバリエーションがあります。

プロファイル尤度信頼区間

尤度関数の形状から信頼区間を構築する方法。ロジスティック回帰・ポアソン回帰など一般化線形モデルで標準的に使われます。標本平均のCIより複雑ですが、非対称な分布にも対応。

Wilson信頼区間（比率用）

比率のCIで、正規近似より小サンプル・境界値付近の性能が優れる方法。医療統計・品質管理で標準的に使用。

Clopper-Pearson信頼区間

比率の厳密信頼区間で、二項分布から直接計算。カバレッジ確率が確実に信頼水準以上となる保守的な方法。

よくある質問（FAQ）

99%CIと95%CIどちら使う？

医学・安全性評価は99%、ビジネス・マーケティングは95%が標準です。95%が最も広く使われ、論文・報告書の慣行的な標準です。より確実性を求める安全性研究や、重大な意思決定を伴う場面では99%を選択します。

信頼区間=「母平均がここに入る確率」？

正確には違います。頻度論の解釈では「同じ手順で調査を繰り返すと、その95%で真の母平均が区間に含まれる」が正しい解釈。区間そのものは母平均が含まれるか否かの二値であって「確率」は原則使いません。ベイズ統計の「信用区間（credible interval）」ならば「母平均が入る確率」という解釈が成立します。

サンプル数の決め方は？

誤差幅から逆算します。誤差幅Eを許容するなら n=(1.96×s/E)² が必要サンプル数。SD=10で誤差1を狙うなら n=(1.96×10)²=384となります。事前調査でSDが分からない場合は、パイロット調査で仮のSDを取得します。

母平均既知でSDが未知の場合は？

母標準偏差が未知の場合はt分布を使います。自由度=(n-1)、信頼水準に応じたt値を表から取得。n≥30ではt値≒z値ですが、n<30では明確な差が出るためt値を使うのが原則です。

比率のCIも同じ計算式？

比率のCIは別公式で、標準誤差=√(p(1-p)/n)。ただし正規近似が破綻するケース（p<0.05 や n<30）ではWilson法・Clopper-Pearson法など特別な計算が必要です。

非正規分布データではどうする？

強く歪んだ分布・裾の重い分布ではブートストラップ法による信頼区間が推奨されます。データからランダム復元抽出を数千回行い、標本平均の分布から直接CIを推定する手法で、分布の前提を不要にします。

参考リンク（一次情報）

サンプルサイズ設計の実務

誤差幅から必要サンプル数を算出

n = (z × s ÷ E)²

z：信頼水準に応じた係数（95%なら1.96）
s：想定される標準偏差
E：許容誤差幅

例：SD=10、95%CIで誤差1を狙うなら n=(1.96×10÷1)²=384

目的別サンプル数の目安

目的	典型サンプル数	誤差幅
全国世論調査	1,000-2,000	±2-3%
マーケティング調査	400-1,000	±3-5%
臨床試験（第III相）	500-3,000	個別設計
A/Bテスト（Web）	1,000-10,000/群	効果量による
品質管理抜取り	50-200	ロットサイズ準拠
教育研究	30-100/群	±5-10%

サンプル設計の3ステップ

目的の明確化（推定精度・比較検出力・意思決定基準）
事前情報の収集（既存研究のSD・効果量）
コスト・時間・現実性の総合判断でnを確定

結果報告のフォーマット

論文・報告書での標準記述

「平均±SD」形式：平均50、SD10（n=100）
「95%CI」形式：50（95%CI: 48.04-51.96）
「誤差幅」形式：50±1.96
APA形式：M = 50, 95% CI [48.04, 51.96]
グラフではエラーバー（SD、SE、CIのいずれかを明示）

グラフでの表現

棒グラフ+エラーバー：シンプルで直感的
フォレストプロット：複数試験の統合表示（メタ解析）
点と信頼区間バー：カテゴリー比較で標準

報告時の注意点

「SDかSEかCIか」を明示（誤解を招く原因1位）
信頼水準（95%か99%か）を必ず明記
サンプル数nを併記（統計量の信頼性判断に必要）
統計手法（正規近似かt分布かブートストラップか）を注記

用語集

信頼区間（CI）: 母集団パラメータを推定する区間。信頼水準を伴って提示される。
信頼水準: 「同じ手順で調査を繰り返したときに、信頼区間が真値を含む頻度」を表す確率。95%が標準。
標本平均: 標本データの算術平均。母平均の点推定量。
標本標準偏差: 標本データのばらつき指標。（不偏推定量として n-1 で割る）
標準誤差（SE）: 推定量のばらつき。SD/√nで計算。信頼区間の中核。
z値: 標準正規分布のパーセンタイル。95%なら1.96、99%なら2.576。
t値: t分布のパーセンタイル。自由度に依存。小サンプルでz値の代わりに使用。
誤差幅（Margin of Error）: 信頼区間の半幅。z×SE または t×SE で計算。
中心極限定理（CLT）: 元の分布に関わらず、n が大きいと標本平均の分布が正規分布に近づく定理。
自由度: 統計量が持つ独立な情報の数。標本平均のCIではn-1。
統計的有意: 観察された差が偶然では説明できない程度に大きいこと。CIがゼロを含まないと有意と判断。

免責事項

本ツールおよび記載内容は、信頼区間の学習・実務検討を目的とした参考情報です。臨床試験、学術論文、公的統計、規制当局への提出資料など、正式な統計判断が求められる場面では、統計解析ソフトウェア（R、Python、SAS、SPSSなど）による厳密な計算と、生物統計家・データサイエンティスト等の専門家による検証を経てください。本ツールは大標本近似（正規分布ベース）による計算で、小標本や強く歪んだ分布、比率データなどでは別の手法（t分布、ブートストラップ、Wilson法等）が適切な場合があります。本ツールの利用に起因して生じたいかなる損害についても、当サイト運営者は責任を負いかねます。