標準偏差と標準誤差の違い｜SD・SE・95％信頼区間を図で理解

はじめに

論文や実験結果、品質データのグラフで、「平均±SD」「平均±SE」「平均と95％信頼区間」という表記を見たことはありませんか。どれも平均値の周辺に表示されるため、「全部、データのばらつきを表しているのでは？」と混同しやすい指標です。

SDとSEでは、そもそも表している「ばらつき」が違います。SDは個々の測定値のばらつき、SEは標本平均のばらつきを表します。95％信頼区間は、そのSEを使って母平均の推定の不確かさを範囲で示したものです。

この記事では、製品寸法の10個のデータを使って、平均、SD、SE、95％信頼区間を順に計算します。さらに、サンプル数を変えた図から、3つの指標の使い分けを確認しましょう。

▼この記事のポイント

・SDは、個々のデータのばらつきを表します。
・SEは、標本平均のばらつき・平均値の推定精度を表します。
・平均のSEは、標本SDを使うと「SD ÷ √n」で推定できます。
・95％信頼区間は、平均を中心に「t値 × SE」の幅を取ります。
・エラーバーでは、SD・SE・95％CIのどれを表示したか明記することが重要です。

標準偏差と標準誤差の違いを先に整理

まず「何についてのばらつきか」を分けて考えます。ここで母平均とは、調べたい工程全体の真の平均値のことです。

指標・略称	何を表す？	サンプル数 n の影響	主な用途
SD 標準偏差	個々のデータのばらつき	同じ工程なら、nを増やすだけで小さくなるわけではない	分布・工程のばらつき
SE 標準誤差	標本平均のばらつき	SDを固定すれば、 nが増えるほど小さくなる	平均値の推定精度
95％CI 95％信頼区間	母平均の推定の不確かさを示す範囲	SDと信頼水準を固定すれば、 nが増えるほど狭くなる	平均値の区間推定

SDはデータを見る指標、SEと95％CIは平均値の推定を見る指標です。サンプル数が増えてSEが小さくなっても、製品1個ずつの寸法のばらつきが減ったとは限りません。

標準偏差（SD）とは？

標準偏差（Standard Deviation：SD）は、それぞれの測定値が平均からどの程度離れているかを表します。同じ平均寸法でも、100 mm付近に集まる工程と、98～102 mmに広がる工程では、SDが異なります。

本記事では、標本標準偏差sを使います。標本とは、工程全体から取り出して測定した一部のデータです。

s = √{ Σ(x_i − x̄)² / (n − 1) }

標本標準偏差：平均との差の2乗を集計して求める

sは標本標準偏差、x_iは各データ、x̄は標本平均、nはサンプル数です。Σは「すべて足し合わせる」という記号です。データから平均も推定するため、標本分散ではn−1で割ります。

SDは測定値と同じ単位で表せます。寸法のデータならSDの単位もmmなので、製品のばらつきを実際の大きさとして捉えられます。

標準誤差（SE）とは？

同じ工程から10個ずつサンプリングして平均を求めても、毎回まったく同じ値にはなりません。例えば、1回目は100.1 mm、2回目は99.8 mm、3回目は100.0 mmというように、平均値そのものも変動します。これらは考え方を示す例です。

この標本平均のばらつきの大きさを表すのが、平均の標準誤差（Standard Error：SE）です。SEが小さいほど、同じ条件で平均を取り直したときの変動が小さく、母平均を精度よく推定できていると考えます。

SE = s / √n

母標準偏差が未知の場合、平均の標準誤差を標本SDから推定する

これは、同じ母集団から独立に得られたデータについての式です。厳密には、母標準偏差σが分かる場合の平均のSEはσ/√nです。通常はσが分からないので、標本SDのsを使って推定します。なお、標準誤差は平均以外の推定値にも使う概念ですが、本記事では平均のSEに絞ります。

CAUTION

! SEが小さいことと、工程のばらつきが小さいことは別

SEが小さくなった理由がサンプル数 n の増加であれば、製品1個ずつのばらつきそのものが改善したわけではありません。 工程のばらつきを評価したい場合は、SEだけでなくSDやデータの分布も確認 しましょう。

SDとSEの違いを表で比較

グラフを読んだり結果を報告したりするときは、次の問いで使い分けると整理できます。

知りたいこと	主に見る指標	その指標だけでは分からないこと
製品1個ずつの寸法は、どれくらいばらつく？	SD	平均値の推定精度
今回の平均は、どれくらい精度よく推定できた？	SE	製品1個ずつのばらつきの大きさ
母平均の推定の不確かさを範囲で示したい	95％CI	個々の製品の95％が入る範囲

サンプル数が増えるとSEはどう変わる？

SE＝s/√nなので、SDを固定すると、サンプル数nが増えるほど分母が大きくなり、SEは小さくなります。例えば、nを4倍にすると√nは2倍になり、SEは半分になります。

SE(4n) = s / √(4n) = (s / √n) / 2

同じSDなら、サンプル数4倍で平均のSEは半分

一方、SDは工程そのもののばらつきを推定する指標です。同じ工程から測定数を増やすことは、工程改善とは異なります。実際の標本SDはサンプリングによって上下しますが、nを増やせば必ず小さくなるという関係はありません。

製造業のデータでSD・SE・95％信頼区間を計算してみる

ある工程で製造した部品の寸法を10個測定したとします。説明用のデータとして、次の値を使います。単位はmmです。

No.	寸法（mm）
1	98
2	99
3	99
4	100
5	100
6	100
7	100
8	101
9	101
10	102

まずデータの中心を平均で表し、次に個々の値のばらつきをSDで求めます。そのSDから平均のSEを推定し、最後に母平均の95％信頼区間を計算します。独立に採取したデータで、母集団の分布を正規分布と仮定した例です。

計算では丸める前の値を使い、SD・SE・区間の端点などは小数第3位まで表示します。電卓で表示値を使うと、最後の桁がわずかに変わることがあります。

STEP 1：平均を求める

平均は、データの合計をサンプル数で割って求めます。後で各値が平均からどれだけ離れているかを計算するため、最初に中心を確認します。

98 + 99 + 99 + 100 + 100
+ 100 + 100 + 101 + 101 + 102 = 1000

10個の寸法データの合計

x̄ = 1000 / 10 = 100.0 mm

標本平均は100.0 mm

今回の10個のデータは、100.0 mmを中心にばらついています。平均だけでは、そのばらつきの大きさまでは分かりません。

STEP 2：標準偏差を求める

各データから平均100.0を引きます。その差を2乗すると、正負の差が打ち消し合わず、平均からの離れ方を集計できます。

x_i（mm）	x_i−x̄（mm）	(x_i−x̄)²（mm²）
98	-2	4
99	-1	1
99	-1	1
100	0	0
100	0	0
100	0	0
100	0	0
101	+1	1
101	+1	1
102	+2	4

Σ(x_i − x̄)²
= 4 + 1 + 1 + 0 + 0 + 0 + 0 + 1 + 1 + 4
= 12 mm²

平均との差の2乗和は12 mm²

次にn−1＝9で割り、標本分散s²を求めます。分散の単位はmm²です。平方根を取ると、元の寸法と同じmmの単位に戻ります。

s² = 12 / (10 − 1)
= 12 / 9 ≈ 1.333 mm²

標本分散

s = √(12 / 9) ≈ √1.333
≈ 1.155 mm

標本標準偏差 SDは約1.155 mm

このSDは、部品1個ずつの寸法が100.0 mmの周囲にどれくらいばらついているかを表します。平均の推定精度を表している値ではありません。

STEP 3：標準誤差を求める

平均の推定精度を見るため、SDを√nで割ります。今回はn＝10なので、√10≈3.162です。

SE = s / √n
≈ 1.155 / √10
≈ 1.155 / 3.162
≈ 0.365 mm

平均の標準誤差 SEは約0.365 mm

SD＝約1.155 mmに対し、SE＝約0.365 mmとなりました。SDは個々の寸法、SEは10個から求める平均の変動を見ています。数字の大小だけを比べて、工程のばらつきが小さくなったと解釈しないでください。

STEP 4：95％信頼区間を求める

SEを使うと、母平均の推定の不確かさを区間で示せます。母標準偏差が未知で、正規分布の母集団から独立に得た標本については、t分布を使います。t分布は、少ないデータからばらつきも推定する不確かさを考慮した分布です。

95％CI = x̄ ± t_{0.975, n−1} × SE

95％信頼区間＝標本平均±t値×標準誤差

自由度はdf＝n−1＝9です。自由度は、ここではt分布の形を決める数と考えてください。両側95％では、区間の外側に残る5％を左右2.5％ずつに分けるため、t分布の累積確率0.975の値を使います。

df = 10 − 1 = 9
t_{0.975, 9} ≈ 2.262

両側95％・自由度9のt値

このt値はt分布表から確認できます。ExcelならT.INV.2T(0.05,9)、PythonのSciPyならstats.t.ppf(0.975,9)で求められ、丸める前は2.262157…です。すべてのサンプル数で1.96を使うわけではありません。

95％CI = 100.0 ± 2.262 × 0.365
≈ 100.0 ± 0.826 mm

区間の半幅は約0.826 mm

下限 = 100.0 − 0.826 = 99.174 mm
上限 = 100.0 + 0.826 = 100.826 mm

母平均の95％信頼区間：99.174～100.826 mm

平均±SEは、95％信頼区間ではありません。今回の95％CIでは、SEの約2.262倍を平均の両側に取っています。

指標	今回の結果	何を見ている？
平均	100.0 mm	今回測定した10個の中心
SD	1.155 mm	個々の寸法のばらつき
SE	0.365 mm	平均値の推定精度
母平均の95％CI	99.174～100.826 mm	母平均の推定の不確かさ

この結果は「製品の95％が99.174～100.826 mmに入る」という意味ではありません。CIが対象にしているのは、個々の製品ではなく工程の母平均です。製品の適合性は規格・公差や工程のばらつきも含めて評価します。

サンプル数を変えるとSD・SE・95％信頼区間はどう変わる？

サンプル数だけの影響を見るため、標本平均＝100.0 mm、標本SD＝√(12/9)≈1.155 mmという同じ値に固定して、n＝5、10、20、100を比較します。これは同じ工程・ばらつき条件を想定した概念比較であり、各nについて新たな実データを測定した結果ではありません。

母標準偏差は未知として扱い、どの行もt分布で平均の95％CIを計算します。実際に採り直した標本では平均もSDも変動するため、常にこの表のように同じ値になるわけではありません。

n	SD（mm）	SE（mm）	t値 df＝n−1	母平均の95％CI（mm）
5	1.155	0.516	2.776	98.566～101.434
10	1.155	0.365	2.262	99.174～100.826
20	1.155	0.258	2.093	99.460～100.540
100	1.155	0.115	1.984	99.771～100.229

例えばn＝5では、SE＝√(12/9)/√5≈0.516 mmです。自由度4のt値は約2.776なので、区間の半幅は約1.434 mmになります。n＝100では、SE≈0.115 mm、自由度99のt値は約1.984、半幅は約0.229 mmです。

この比較ではSDは一定ですが、nが増えるほどSEが小さくなります。加えてt値も小さくなり、95％CIは狭くなっています。平均の推定精度を上げる方法の一つが、独立したサンプルを増やすことです。

エラーバーではSD・SE・95％信頼区間のどれを使う？

エラーバーは、グラフ上で値の周囲に付ける線です。何を伝えたいかによって、表示する指標を選びます。

・SD：測定データそのもののばらつきを見せたい場合。
・SE：平均値の推定精度を見せたい場合。
・95％CI：母平均の推定範囲・不確かさを示したい場合。

エラーバーは、SD・SE・95％CIのどれを使ったかによって意味が全く異なります。図の注記には「平均±SD」「平均±SE」「平均と95％CI」とサンプル数を明記しましょう。

また、エラーバーの重なりだけで、2群に有意差があるかを判断しないでください。差を評価したい場合は、対応の有無などに合わせた検定や、平均値差の信頼区間を確認します。

エラーバーの詳しい見方・使い分けについては、別記事で詳しく解説します。

SD・SE・95％信頼区間を使うときの注意点

SDとSEを混同しない

SEがSDより小さくても、データそのもののばらつきが減ったことにはなりません。報告書には指標名を明記し、工程ばらつきの評価にはSDや分布も使います。

サンプル数と独立性を確認する

SEはサンプル数の影響を受けます。同じ製品を何度も測った値や、連続して強く相関するデータを、すべて独立した製品のデータとして数えると、s/√nで推定したSEが小さすぎることがあります。10個の値をコピーして20個にしても、新たな独立サンプルを増やしたことにはなりません。

SEと95％CIを同じものとして扱わない

95％CIにはSEに加えて、信頼水準と自由度に応じたt値が必要です。SDを同じ値に固定しても、nが変わればSEとt値の両方が変わります。

95％CIは母平均の区間であり、個々の製品の範囲ではない

95％CIの95％は、同じ方法でサンプリングと区間計算を繰り返したとき、長期的に約95％の区間が母平均を含むという意味です。今回計算した固定の区間に、母平均が95％の確率で存在すると断定する説明は避けます。詳しくは前掲の信頼区間の記事を参照してください。

小標本では分布と測定条件にも注意する

今回のt分布による区間は、正規分布の母集団から独立に得られた標本を前提としています。n＝10程度で強い歪みや外れ値がある場合は、機械的に同じ式を適用せず、分布と採取方法を確認します。SEやCIだけでは、測定器の偏りやサンプリングの偏りも評価できません。

Stat Lab Analyticsで確認する

手計算の考え方を理解したら、実際のデータでも確認してみましょう。Stat Lab Analytics（StatLA）の「基本統計量」や「信頼区間」から、平均・標準偏差・標準誤差・母平均の95％信頼区間を確認できます。

今回の10個の寸法データを入力すれば、本文の結果と比較できます。標準偏差の計算方法や信頼水準を確認し、表示の桁数が異なる場合は丸め前の値も意識してください。操作手順は、基本統計量の操作記事と信頼区間の操作記事で確認できます。

無料統計ソフト Stat Lab Analytics

Excelで理解したら、実際のデータでも解析してみよう。

StatLAなら、データを入力して解析するだけで 平均・標準偏差・信頼区間などをブラウザ上で確認できます。 Excelで計算方法を理解した後の実践にもおすすめです。

無料
登録不要
インストール不要

StatLA 実際の解析画面

パソコン上でStat Lab Analyticsを使って基本統計量を解析している画面

PC・ブラウザからすぐに解析できます

データを用意したら、そのままブラウザで試せます

無料でStatLAを使ってみる → 信頼区間の操作方法を見る →

ソフトのインストールは不要です。ブラウザから利用できます。

まとめ

標準偏差（SD）と標準誤差（SE）は似た名称ですが、評価している対象は異なります。SDは個々の測定値のばらつき、SEは標本平均のばらつきです。95％CIは、そのSEを使って母平均の推定の不確かさを区間で表します。

今回の寸法データでは、平均100.0 mm、SD約1.155 mm、SE約0.365 mm、母平均の95％CIは99.174～100.826 mmでした。元データから平均、SD、SE、CIへ順に進めると、それぞれが何を表すかを区別しやすくなります。

✅SDは、個々のデータのばらつきを表します。
✅平均のSEは、標本SDを使うとSD/√nで推定できます。
✅同じSDなら、サンプル数が増えるほどSEは小さくなります。
✅母標準偏差が未知の正規母集団では、母平均の95％CIを平均±t値×SEで求めます。

・エラーバーには、SD・SE・95％CIのどれかとサンプル数を明示します。

まずは「何のばらつきを表しているのか」を意識すると、SD・SE・95％信頼区間を混同しにくくなります。工程のばらつきを伝えるのか、平均の推定精度を伝えるのかを決めてから、指標を選びましょう。

計算式の参考：NIST/SEMATECH e-Handbook「Confidence Limits for the Mean」。t値はSciPyのt分布の分位点から計算し、表と図には同じ丸め前の値を使っています。

📩 統計解析・品質改善でお困りの方へ

「自分のデータではどの検定方法を使えば良いかわからない」
「研究・品質改善で統計解析方法に迷っている」

製造業・医療機器分野で統計解析を実践してきた専門家が、
目的に合わせた解析方法の選定から結果解釈までサポートします。

統計解析・品質改善について相談する

検定手法選定・実験データ解析・品質改善・研究サポート対応