メインコンテンツへスキップ
見出し画像

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

    次の記事:相関・回帰・多変量解析――関係を調べることと原因を決めること

    学習ノートの目次に戻る

    この記事が参加している募集

     
     
    ITの知識ゼロから、基本情報技術者試験の勉強を始めました📚 わからなかった言葉や問題を、自分の言葉でまとめる備忘録です。 基礎からコツコツ学んで、いつかは応用情報にも挑戦したいです! 一緒に学んでいただけたらうれしいです🌱

    あなたへのおすすめ