統計学における標本（ひょうほん、英: sample）とは、母集団の部分集合を言う。推測統計学においては、標本と母集団は明確に区別される^{[注釈 1]}。

母集団を完全に調査するのは不可能な場合、標本から母集団の特性を推定する必要がある。この標本抽出には作為抽出法と無作為抽出法の２つの抽出方法がある。統計学では無作為抽出法だけを議論するわけではない。無作為抽出法では、母集団のどの要素も等しい確率で標本に選ぶことが必要である。しかし、実際に母集団がわかっていない状態で、抽出した方法が無作為であることを保証できない。そのため、理想的には無作為抽出を仮定するものの、抽出方法の妥当性を確認する必要があり、統計学の対象を無作為抽出に限定することは不可能である。

また統計学的推定（標本から母集団の性質を推定する）を行うには、各標本に対し、それを選抜する確率を知る必要がある。このために様々な標本抽出法が開発されている。例えば異なる標本を選抜する確率がすべて同じならば、その抽出法を単純ランダム（無作為）抽出という。

日本工業規格では、標本(sample)を一つ以上の抽出単位からなる母集団の部分集合と定義している^[1]。

母集団を表現する数値を母数というのに対し、標本を表現する数値を統計量という。統計量は標本から算出できる数値である。また統計量で特に母数を推定するために用いるものを推定量という。

母集団分布を F とするとき、母集団から抽出された（無作為）標本 (random sample) とは分布 F に従う独立同分布確率変数列 x₁, x₂, ..., x_n のことである。この確率変数列の長さn を標本のサイズ（サンプルサイズ）という。とりうる標本の全体が成す集合 Ω, 確率を定めうる集合の全体 M (⊂ 2^Ω), 分布を表す確率測度 P からなる確率空間 (Ω, M, P) を標本空間という。

例えば母集団の分布 F が母平均 E[X] = m, 母分散 V[X] = σ² を持つならば、標本 x₁, x₂, ... は i を任意の番号として平均 E[x_i] = m, 分散 V[x_i] = σ² を満たす。

標本から適当な操作を行って新たに作り出される確率変数を統計量と呼ぶ。統計量は（同じ量でも）標本の採り方に依存して定まり、一般に母集団の分布とは異なる分布に従う。統計量の従う分布を標本分布と呼ぶ。

例えば標本 x = (x₁, x₂, ..., x_n) に対し、その平均

${\displaystyle {\bar {\mathbf {x} )):={\frac {x_{1}+x_{2}+\cdots +x_{n)){n))}$

を取る操作を考えるとき、x の標本 x の取り方をさまざまに考えるものとして得られる確率変数は統計量である。この統計量は標本平均と呼ばれ、X などで表す。母集団の分布 F が母平均 E[X] = m, 母分散 V[X] = σ² を持つならば、標本平均 X の従う標本分布について、平均 E[X] = m, 分散 V[X] = σ²/n を得る。

1. ^ JIS Z 8101-1 : 2015, 1.3 標本.

• 蓑谷 千凰彦『統計学のはなし』東京図書、1987年。 
• 蓑谷 千凰彦『推定と検定のはなし』東京図書、1988年。 
• 蓑谷 千凰彦『統計学入門』 1巻、東京図書、1994年。 
• 日本数学会『数学辞典』岩波書店、2007年。ISBN 9784000803090。 
• JIS Z 8101-1:2015 統計 − 用語と記号 − 第1部:確率及び一般統計用語, 日本規格協会, (2015) 

• 推測統計学
• ロナルド・フィッシャー
• ウィリアム・ゴセット
• スチューデントのt分布

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
記述統計学	連続データ 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック–ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡変数 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数・ケンドールの順位相関係数）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 回帰木 ランダムフォレスト ニューラルネットワーク サポートベクター回帰 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法（k-means++法） DBSCAN 密度推定（英語版） カーネル密度推定（カーネル） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉図 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存時間分析	生存時間関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ