母比率の検定

母比率の検定とは ― 営業マネジャーのための「その割合、目標と違うと言い切れるか」

1. この記事で学べること

2. エピローグ

スマホのゲームで、当たり確率5%と表示されている。

100回引いて、当たったのは8回。

割合にすると8%。

「表示より当たりやすいのでは?」と思うが、たった100回だ。

本当に5%より高いのか、それともただの引きの良さ(偶然)なのか。

この差が「言い切れる差」なのかを確かめたい。

いちこ

8%って高い気もしますけど、100回だと偶然かもしれないですよね。

シュン

そう。割合が目標と違って見えても、回数が少ないと偶然でそれくらいはズレる。だから“偶然の範囲を超えているか”を測る必要があるんだ。

アンケートでも同じだ。

「満足」と答えた人が、120人中78人で65%。

会社の目標は70%。

目標に4.7ポイント届いていないが、これは「未達」と言い切れるのか。

120人ぶんのアンケートには、もともと誤差がある。

いちこ

数字が目標を下回っても、誤差の範囲かもしれないんですね。

シュン

それを見分けるのが母比率の検定だよ。

ガチャの当たり割合も、アンケートの満足率も、知りたいのは「観測した割合が、基準の割合と本当に違うのか」だ。

これを判定するのが母比率の検定だ。

3. 母比率の検定とは何か

母比率の検定とは、標本から得た割合(標本比率)が、ある基準の母比率p0と異なると言えるかを調べる手法だ。

「差がない(p = p0)」を帰無仮説に置き、観測された割合が偶然では起きにくいほど離れているかを見る。

検定の進め方の土台は仮説検定、判断基準は

標本サイズが十分大きいときは、標本比率が正規分布に近づくことを使い、zで判定する(正規近似)。

この正規近似は二項分布が背景にある。

4. 図で見る

営業で、あるチームの受注率を検定してみる。

目標の受注率は30%。直近100件の商談で受注は24件、標本受注率24%。 「24%は目標30%を有意に下回っているか?」

• 見た目は6ポイント低い。だが100件には誤差がある。
• z ≈ (0.24−0.30)/√(0.3×0.7/100) ≈ −1.31。
• |z|=1.31 は有意水準5%の基準1.96に届かず、有意差なし。

覚えておきたいのは2つ。

① 割合の差は、件数(n)が増えるほど小さな差でも検出できる。

② 「目標を下回った」だけで判断せず、偶然の範囲かをzで確かめる。

「本当の割合はどのあたりか」を幅で見るなら信頼区間とセットになる。

5. 計算式

シュン

教科書的な計算式も紹介しておくね。

いちこ

シーン別の記事では、プロンプトも紹介してくれてますね。まさに生成AIに頼るところですね！

母比率の検定統計量(正規近似)

• $\hat{p}$: 標本比率(実測の割合)
• $p_0$: 基準となる母比率(目標値)
• $n$: 標本サイズ

|z| が有意水準の基準(両側5%なら1.96)を超えれば、割合は基準と有意に異なると判断する。

生成AIに渡せば10秒で計算できる。手計算は不要。

6. まとめ

検定の全体像は仮説検定、間違え方は

いちこ

この統計テーマを使った事例記事も見てみてね♪

• セミナー効果の検証 ― 参加者の受注率が本当に上がったか
• リード分析の基本 ― ソース別の商談化率の差を確かめる
• 営業の目標設定 ― 割合の目標を幅で捉える