サンプリングバイアスとは

まず押さえる結論

サンプリングバイアスは、DS検定の「第5章 データ準備・可視化技法とモデル化」に出てくる用語です。見分けの要点は、サンプリングバイアスは、誰をデータに入れるかを選ぶ段階で、意図した母集団からランダムに選ばなかったことによる偏りです。同用語集はこれを選択バイアスの形態の一つとして挙げ、カバレッジバイアス（データが表す母集団がモデルの予測対象と一致しない）や無回答バイアス（回答する人に偏りがある）と並べます。

サンプリングバイアスの具体例と、問題文で見る箇所・隣接概念との境界

サンプリングバイアスを、集め方の偏りで母集団を代表しなくなる状態として、無回答バイアスや報告バイアスと区別する

Googleの機械学習用語集は、映画の楽しさを予測するモデルのために映画館の最前列にいる人だけへアンケートを配る例を挙げています。意図した母集団は映画館にいるすべての人ですが、最前列の人だけを選んでいるため、他の列の人より映画に興味がある可能性のある集団に偏ります。これがサンプリングバイアスです。同じ例の中で、アンケートに答える人が意見の強い人に偏ることは無回答バイアスとして別に説明されています。

問題文で見る箇所

「母集団からランダムに選ばず、一部の人だけを選んだ」という記述を確認します。選んだ後で回答する人が偏る話なら無回答バイアス、物事を記述する頻度が実世界とずれる話なら報告バイアスを候補にします。

隣接概念との境界

サンプリングバイアスは、誰をデータに入れるかを選ぶ段階で、意図した母集団からランダムに選ばなかったことによる偏りです。同用語集はこれを選択バイアスの形態の一つとして挙げ、カバレッジバイアス（データが表す母集団がモデルの予測対象と一致しない）や無回答バイアス（回答する人に偏りがある）と並べます。

誤答しやすい選択肢

• サンプリングバイアスを、アルゴリズムの設計に起因する偏りとして説明する。サンプリングバイアスはデータの集め方に起因する偏りで、アルゴリズムの設計に起因する偏りはアルゴリズムバイアスと呼ぶ。
• アンケートに答える人が意見の強い人に偏ることをサンプリングバイアスとして説明する。回答する人と回答しない人の傾向差による偏りは無回答バイアスである。
• 標本の数が少ないことをサンプリングバイアスとして説明する。サンプリングバイアスの定義は、意図した母集団からランダムに選んでいないことにある。

4段階の判断手順

1. 01設問が、データの集め方（誰を選んだか）を問うているか、集めた後の回答傾向や記述頻度を問うているかを先に分ける。
2. 02集め方であれば、意図した母集団と実際に選んだ集団が何かを確認し、ランダムに選んでいないかを見る。
3. 03回答の偏りや記述頻度のずれが書かれていれば、無回答バイアスや報告バイアスの候補へ移す。

到達条件: サンプリングバイアスを、意図した母集団からランダムに選ばず一部の人だけを選んだことによる偏りとして、無回答バイアス・報告バイアスやアルゴリズムバイアスと区別して説明できる。

試験での問われ方

誤答しやすいポイント

「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。

• 標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
• 過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
• Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。

関連する確認問題

同じ章で確認したい用語

他資格でも出題される用語