公開

箱ひげ図・分散・標準偏差とは?平均が同じデータの散らばりを比べよう

文:野澤 嘉孝 (ソフトウェアエンジニア/プログラミングスクール Sandbox 代表)

箱ひげ図・分散・標準偏差とは?平均が同じデータの散らばりを比べよう

この記事の概要

平均が同じなら、データの中身も似ているのでしょうか? たとえば、全員が12日前後活動する部と、ほとんど活動しない人も24日活動する人もいる部。どちらも「平均12日」になることがあります。 先に結論:平均に加えて「散らばり」を見よう 範囲:最小値から最大値まで、全体がどれだけ広がっているかを見る。

平均が同じなら、データの中身も似ているのでしょうか?

たとえば、全員が12日前後活動する部と、ほとんど活動しない人も24日活動する人もいる部。どちらも「平均12日」になることがあります。

先に結論:平均に加えて「散らばり」を見よう

  • 範囲:最小値から最大値まで、全体がどれだけ広がっているかを見る。
  • 四分位範囲・箱ひげ図:中央付近の広がりや、中央値の位置を見る。箱の中の線は平均値ではなく中央値です。
  • 分散・標準偏差:すべての値が平均からどれだけ離れているかを使い、散らばりを数値で表す。

分散は「平均からのずれの2乗の平均」、標準偏差はその0以上の平方根です。まず図で違いをつかみ、そのあと小さな例で計算してみましょう。以下の数字と部活動の状況は、すべて学習用の架空設定です。

プロ研のYouTubeチャンネル

平均も中央値も同じ。なのに片方だけ困っている?

生徒会の予算会議。ユウキの手元には、写真部と園芸部の資料があります。部員はどちらも9人。ある期間の1人あたりの活動日数を比べると、平均値・中央値・最頻値が全部12日でした。

ユウキ「ここまで同じなら、活動のようすも同じってことで……」
ハルカ「でも、園芸部は『うち、回ってないんです』って」
Sandy「まん中を3回聞いても、散らばりは教えてくれへんで」

実際のデータを、小さい順に並べてみましょう。

部活動

活動日数(小さい順)

写真部

10, 11, 11, 12, 12, 12, 13, 13, 14

園芸部

0, 2, 4, 12, 12, 12, 20, 22, 24

写真部は12日前後に集まり、園芸部は0日から24日まで広がっています。

平均は12日で同じだが活動日数の散らばりが違う2つの部

平均値は合計を個数で割った値。両方とも合計108日なので、108÷9=12日です。中央値は小さい順の真ん中で、9個なら5番目の12日。最頻値は最も多く現れる値で、両方とも3回登場する12日です。

中央値を求めるとき、個数が偶数なら中央の2つを平均します。たとえば2, 5, 7, 10なら、中央値は(5+7)÷2=6です。最頻値は複数ある場合もあります。

代表値はデータの中心的な傾向などを要約する便利な数字です。ただし、要約したぶん、個々の違いは見えにくくなります。

範囲と四分位範囲は、どこの散らばりを見る?

範囲=最大値−最小値です。写真部は14−10=4日、園芸部は24−0=24日。範囲で比べると園芸部は写真部の6倍です。

ただし、範囲を決めるのは両端の2つだけ。間にある値がどう並んでいても、最大値と最小値が同じなら範囲は同じです。極端な値の影響も受けやすいため、中央付近の散らばりを見る道具も使います。

そこで登場するのが四分位数。データを小さい順に並べ、4等分する位置に対応する値です。第2四分位数Q2は中央値、第1四分位数をQ1、第3四分位数をQ3と書きます。

この記事では、個数が奇数のときは中央の1個を除き、下半分と上半分それぞれの中央値を求める方法を使います。四分位数には計算方法の違いがあるため、問題文やソフトウェアの設定も確認しましょう。

園芸部の9個では、5番目の12を除きます。

中央の順位を除いて四分位数を求める例
  • 下半分:0, 2, 4, 12 → Q1=(2+4)÷2=3日
  • 中央:5番目の12 → Q2=12日
  • 上半分:12, 20, 22, 24 → Q3=(20+22)÷2=21日

Sandy「12を全部消したらアカン。除くのは、真ん中の順位の1個だけや」

四分位範囲(IQR)=Q3−Q1で、中央のおよそ半分の散らばりを表します。園芸部は21−3=18日。写真部はQ1=11日、Q3=13日なので、四分位範囲は2日です。

範囲に比べると、四分位範囲は極端な値の影響を受けにくい指標です。たとえば今回の園芸部で最大値24だけを240に変えても、Q1=3、Q3=21は変わらず、四分位範囲は18日のままです。一方、範囲は24日から240日に変わります。データの追加・削除などで順位の区切りが変わる場合は、四分位数も計算し直します。

箱ひげ図の読み方:箱の線は平均値ではない

基本型の箱ひげ図は、最小値・Q1・中央値・Q3・最大値の5つを使います。箱はQ1からQ3まで、箱の中の線が中央値です。値を読み取る方向の箱の長さが、四分位範囲を表します。 横向きの図なら横の長さ、縦向きなら縦の長さです。

同じ目盛りで描くと、中心と散らばりを比較しやすくなります。

中央値が同じで箱の長さが違う2つの箱ひげ図

値

写真部

園芸部

最小値

10日

0日

Q1

11日

3日

中央値(Q2)

12日

12日

Q3

13日

21日

最大値

14日

24日

四分位範囲

2日

18日

ユウキ「箱の中の線が平均?」
Sandy「そこは中央値や。似た顔してるけど別人やで」

写真部の箱は11〜13日の2日分、園芸部の箱は3〜21日の18日分です。中央値はどちらも12日ですが、中央付近の活動日数には、園芸部のほうが大きな違いがあります。

箱ひげ図だけで平均値や最頻値を一般に決めることはできません。また、箱が長くても部員数が多いという意味ではありません。この例では、どちらも9人です。細かい値の並び方まで知るには、元データも確認しましょう。

ひげの端にも注意。 最小値・最大値まで伸ばす基本型のほか、外れ値候補を点で別表示する方式もあります。その方式では、ひげの端が全体の最小値・最大値とは限りません。凡例や図の説明を先に読みましょう。

分散と標準偏差:平均からのずれを数字にする

範囲は端、四分位範囲は中央付近を見ました。次は、すべての値の「平均からのずれ」を使います。

ここからは計算しやすいよう、冒頭の9人とは別の5人の活動日数、3, 5, 6, 7, 9日を使います。平均は(3+5+6+7+9)÷5=6日です。

偏差=それぞれの値−平均値。平均より何日多いか、少ないかを符号付きで表します。この例の偏差は−3, −1, 0, 1, 3日。合計すると0になります。

ユウキ「散らばってるのに、平均するとゼロ……?」
Sandy「プラスとマイナスが打ち消し合うねん。そこで2乗や」

偏差をそのまま足す代わりに、2乗してから平均します。これが分散です。

計算するもの

1人目

2人目

3人目

4人目

5人目

活動日数

3

5

6

7

9

偏差(日数−6)

−3

−1

0

1

3

偏差の2乗

9

1

0

1

9

偏差の2乗の合計は20。5人なので、分散=20÷5=4です。この記事では、データそのものの散らばりを表すため、n(データの個数)で割る分散を使います。

偏差を2乗して平均し、その平方根を取ると、次のようになります。

偏差の2乗の平均から分散4と標準偏差2を求める計算

標準偏差=分散の0以上の平方根なので、√4=2です。分散の単位は日の2乗、標準偏差の単位は日です。つまり、この例の標準偏差は2日。平方根を取ることで、元のデータと同じ単位に戻せます。

計算の順番は、平均 → 偏差 → 偏差の2乗 → その平均(分散) → 平方根(標準偏差)です。すべて同じ値なら偏差は全部0になり、分散も標準偏差も0になります。

別のデータ0, 4, 6, 8, 12も平均は6。しかし偏差の2乗の合計は80なので、分散は80÷5=16、標準偏差は√16=4です。同じ平均でも、標準偏差で測った散らばりは2倍になります。

標準偏差2日とは、「全員が平均からちょうど2日ずつ離れている」という意味ではありません。全員のずれをまとめて、散らばりを一つの数字にしたものです。極端に離れた値の影響も受けます。

では、冒頭の2つの部はどうでしょう。同じように9人分を計算すると、次の結果になります。

指標

写真部

園芸部

平均値

12日

12日

偏差の2乗の合計

12

616

分散(合計÷9)

12÷9=約1.33

616÷9=約68.44

標準偏差

約1.15日

約8.27日

平均は同じ12日でも、標準偏差で比べると園芸部のほうが大きく散らばっています。 ただし、散らばりが大きいことだけで、運営が悪いとも、その原因が何かとも決められません。活動の役割や事情を聞くきっかけとして使います。

外れ値の目安:広がりが大きければ外れ値だらけ?

発展として、四分位範囲の1.5倍を使う目安を紹介します。

  • Q1−1.5×IQRより小さい値
  • Q3+1.5×IQRより大きい値

写真部では、下の境界が11−1.5×2=8日、上の境界が13+1.5×2=16日です。8日未満または16日超を候補とします。元データは10〜14日なので、候補はありません。

一方、園芸部の基準は−24日未満または48日超。元データの0〜24日はすべて内側に入り、この目安による外れ値候補はありません。散らばりが大きいことと、外れ値候補があることは別なのです。

この目安は、集団の四分位数をもとに決まります。「何日以上なら、どの部でも外れ値」という共通の線ではありません。 データを追加・削除した場合は、四分位数と境界を計算し直します。

外れ値候補は誤入力かもしれませんし、大切な出来事を示す本物のデータかもしれません。機械的に削除せず、記録や背景を確かめます。

オリジナル練習問題:読み取れることはどれ?

次はこの記事用の学習問題です。実際の共通テスト問題ではありません。

ある基本型の箱ひげ図で、最小値2、Q1=4、中央値6、Q3=10、最大値14と読み取れました。正しい説明を選んでください。

  1. 平均値は必ず6である。
  2. 四分位範囲は10−4=6である。
  3. 標準偏差は14−2=12である。

正解は2。 四分位範囲はQ3−Q1です。1の6は中央値であり、平均値とは限りません。3の12は範囲で、標準偏差ではありません。

追加問題です。3, 5, 6, 7, 9のすべてに10を足すと、標準偏差はどうなるでしょう?

答えは2のまま。 平均は6から16に変わりますが、各値と平均の差は変わらないからです。データ全体が移動することと、散らばりが変わることを区別しましょう。

まとめ:「平均はいくつ?」の次に聞くこと

生徒会は、代表値に箱ひげ図を添え、活動の分担や必要な費用も聞いて予算を検討することにしました。散らばりは、詳しく調べるきっかけです。活動日数だけから、仕事が特定の人に集中した原因や予算額までは決められません。

  • 平均値・中央値・最頻値は、中心的な傾向などを表す代表値。
  • 範囲は最大値−最小値。四分位範囲はQ3−Q1。
  • 箱の中の線は中央値。ひげの端の意味は方式を確認する。
  • 分散は偏差の2乗の平均。標準偏差はその0以上の平方根。
  • 代表値と散らばりを合わせても、元データや背景の確認は必要。

Sandy「『平均12日です』って言われたら、『ほんで、散らばりは?』。そこから見えてくるもんがあるで」

関連学習:第40話|記事原稿|平均値・中央値・尺度・外れ値

自分で集めたデータをグラフにしたり、Pythonで計算したりすることも、統計の理解につながります。プログラミングスクールSandboxでは、アプリ制作やデータ分析などに取り組めます。

参考資料

あわせて読みたい記事

Sandboxのサポート内容 Sandboxの情報Ⅰ学習サポートを見る →
共通テスト情報Ⅰのまとめ 共通テスト「情報Ⅰ」対策シリーズの一覧を見る →
野澤 嘉孝

この記事を書いた人

野澤 嘉孝

ソフトウェアエンジニア/プログラミングスクール Sandbox 代表

ソフトウェアエンジニア。同志社大学理工学部を経て、京都大学大学院で核融合発電の基礎研究(プラズマ物理)に従事。高校生向け数学塾の講師、大学での物理実験の授業を通じて延べ500名以上の学生をサポート。現在は業界特化型SaaSの開発に携わりながら、小中高生向けプログラミングスクール Sandbox を運営。

プロフィールと執筆記事の一覧 →

「情報Ⅰ、うちの子はどう対策すればいい?」

情報Ⅰ対策について無料で相談する

志望校の配点を一緒に確認したい方は → 無料の学習相談へ

入会金無料・いつでも退会OK・退会後もいつでも再入会できます