
平均・中央値・分散――データの中心とばらつきを読む
平均だけでは、値がどれだけ散らばっているかは分かりません。データの種類と図の読み方から整理します。
尺度と集計の図
正確な意味: 名義尺度は分類、順序尺度は大小や順位、間隔尺度は差に意味がある尺度、比例尺度は差と比に意味がある尺度です。比例尺度には量がないことを示す絶対的な0があります。
ざっくり言うと: 名前、順位、間隔、倍率を使える数か、の違いです。
用途・問題での見方: 血液型は名義、順位は順序、摂氏温度は間隔、長さは比例の例です。20℃は10℃の2倍の熱さとはいえません。数値が付いている分類コードを平均しても意味はありません。
度数分布表は、区間(階級)ごとに度数をまとめた表です。度数は各分類や区間に入る件数、相対度数は全体に対する割合です。ヒストグラムは数値を区間に分けて分布を表します。棒グラフの分類と区間を混同しないようにします。区間幅が違うヒストグラムでは、面積が度数に対応するよう高さを調整する場合があります。
代表値・四分位数・箱ひげ図
正確な意味: 平均は合計を件数で割った値、中央値は並べた中央の値、最頻値は最も多く現れる値です。偶数件の中央値は、数値データでは中央2値の平均を使います。
四分位数は並べたデータをおおむね4等分する位置の値で、第1四分位数Q1と第3四分位数Q3の差を四分位範囲といいます。箱ひげ図は中央値・四分位数・ひげ・外れ値などで分布を表します。四分位数の計算法やひげの範囲には複数の流儀があります。
ざっくり言うと: 中心を一つの数字で見る方法と、中央の半分がどこに集まるかを見る方法です。
用途・問題での見方: 1、2、2、3、100なら平均21.6、中央値2、最頻値2です。大きな外れ値で平均が動きます。図のひげが最小・最大なのか、1.5倍の四分位範囲に基づくのかは凡例を読みます。
分散・標準偏差・歪度・尖度
正確な意味: データそのものの分散は、平均からの差の2乗の平均です。標準偏差は分散の平方根です。母分散を推定する不偏分散では、偏差平方和をn−1で割ります。
歪度は分布の非対称性を表し、正なら一般に右側の裾が長い形です。尖度は標準化した4次モーメントなどで裾の重さを捉えます。正規分布を3とする定義と、3を引いて0とする定義があります。
ざっくり言うと: 標準偏差は元と同じ単位で見た広がり、歪度は左右の偏り、尖度は極端な値の出方を見る手掛かりです。
用途・問題での見方: 2、4、6の平均は4、分散は(4+0+4)/3=8/3です。不偏分散なら4です。分母の指定を確認します。歪度0だけで正規分布だと断定することもできません。
確認問題【オリジナル】
値2、2、5、7、9の中央値と最頻値の組合せはどれでしょうか。
ア:中央値2、最頻値5
イ:中央値5、最頻値2
ウ:中央値5、最頻値5
エ:中央値25、最頻値2
正解と理由
イです。 並べた中央の3番目は5、最も多い値は2です。アは二つの役割が逆です。ウは最頻値を中央の値と同じだと扱っています。エの25は合計で、中央値ではありません。平均なら25/5=5ですが、今回は偶然中央値と一致しているだけです。
参考資料と問題について
学習範囲の確認:IPA「基本情報技術者試験 シラバス Ver.9.2」。本記事は独自の説明・例題です。
確認問題と解説はオリジナルです。公開過去問の転載・改変問題ではありません。出題頻度は未集計です。
前後の記事と学習目次
前の記事:確率分布とマルコフ過程――回数・待ち時間・状態の変化を分ける