データの分析
🎯 このレッスンで学ぶこと
- データの種類(尺度水準)を見分けられるようになります。
- 平均値・中央値・最頻値の違いと、外れ値に強いのはどれかがわかります。
- 分散と標準偏差を自分で計算できるようになります。
- 四分位数を求めて、箱ひげ図を読めるようになります。
- 散布図と相関係数、回帰直線の読み方がわかります。
🏷 データの種類:4つの尺度水準
データには「計算してよいもの」と「してはいけないもの」があります。それを分類したものが尺度水準です。
| 尺度 | 特徴 | 例 | 分類 |
|---|---|---|---|
| 名義尺度 | 区別するためだけの値。大小や順番に意味はない | 血液型、都道府県、電話番号 | 質的データ |
| 順序尺度 | 順番に意味がある。ただし間の幅は等しいとは限らない | 順位、5段階評価、アンケートの「満足・ふつう・不満」 | |
| 間隔尺度 | 差(引き算)に意味がある。0 は「何もない」ではないので、比(何倍か)には意味がない | 気温(℃)、西暦 | 量的データ |
| 比例尺度 | 0 が「何もない」を表し、差も比も意味がある | 身長、体重、金額、時間 |
たとえば気温 20℃ は 10℃ より「10℃高い」とは言えますが、「2倍暑い」とは言えません。0℃ は「温度がない」という意味ではないからです。これが間隔尺度です。 一方、体重 60kg は 30kg の「2倍重い」と言えます。これが比例尺度です。
📊 代表値:平均値・中央値・最頻値
たくさんのデータを1つの数で表したものを代表値といいます。次の8人の小テスト(10点満点)の点数で考えてみましょう。
2, 4, 4, 4, 5, 5, 7, 9
- 平均値:全部足して個数で割った値。(2+4+4+4+5+5+7+9) ÷ 8 = 40 ÷ 8 = 5
- 中央値(メジアン):小さい順に並べたときの真ん中の値。8個(偶数個)なので、真ん中の2つ(4番目の 4 と5番目の 5)の平均をとって 4.5
- 最頻値(モード):いちばん多く出てくる値。4 が3回で最多なので 4
このように、3つの代表値は同じになるとは限りません。
3000, 3000, 4000, 5000, 30000(円)だとします。
平均値は 45000 ÷ 5 = 9000円 ですが、9000円以上もらっているのは1人だけです。中央値は 4000円 で、こちらの方が「ふつうの人」の感覚に近いですね。
平均値は極端に大きい(小さい)値=外れ値に引っぱられやすく、中央値は引っぱられにくいのです。
📏 散らばり:分散と標準偏差
平均値が同じでも、データがまとまっているか、ばらばらかは違います。その散らばりの大きさを表すのが分散と標準偏差です。
さっきの 2, 4, 4, 4, 5, 5, 7, 9(平均値 5)で計算してみます。
| データ | 2 | 4 | 4 | 4 | 5 | 5 | 7 | 9 |
|---|---|---|---|---|---|---|---|---|
| 偏差(データ − 5) | −3 | −1 | −1 | −1 | 0 | 0 | 2 | 4 |
| 偏差の2乗 | 9 | 1 | 1 | 1 | 0 | 0 | 4 | 16 |
- 偏差の2乗の合計 = 9 + 1 + 1 + 1 + 0 + 0 + 4 + 16 = 32
- 分散 = 32 ÷ 8 = 4
- 標準偏差 = 分散の正の平方根 = √4 = 2
偏差をそのまま足すと、必ず 0 になってしまいます(プラスとマイナスが打ち消し合う)。だから2乗してから足すのです。 ただし2乗したぶん単位も「点の2乗」になってしまうので、ルートをとって元の単位(点)に戻したものが標準偏差です。
▶ 動かしてみよう:配列の平均値と分散
「1行ずつ実行」を押すたびに1手順ずつ進み、いま実行した行が光ります。
📦 変数の中身
| まだ何も入っていません |
🖥 表示された内容
📝 トレース表(実行した順の記録)
| 手順 | 行 | 起きたこと |
|---|
⚡ 同じ処理を JavaScript で書くと?
試験の表記と本物のプログラミング言語は、書き方が少し違うだけで考え方は同じです。
const Data = [2, 4, 4, 4, 5, 5, 7, 9];
const n = Data.length;
let goukei = 0;
for (let i = 0; i <= n - 1; i++) {
goukei = goukei + Data[i];
}
const heikin = goukei / n;
let hensa2 = 0;
for (let i = 0; i <= n - 1; i++) {
hensa2 = hensa2 + (Data[i] - heikin) ** 2;
}
const bunsan = hensa2 / n;
console.log("平均値 " + heikin + " 分散 " + bunsan); 💡 動かすには:コードをコピーし、ブラウザで F12(Mac は ⌘+⌥+I)を押して開く「コンソール」に貼り付けて Enter。console.log の結果が表示されます。
1回目の繰り返しで合計を、2回目の繰り返しで「偏差の2乗」の合計を求めています。平均値がわからないと偏差が計算できないので、繰り返しが2回に分かれているのがポイントです。 「✏️ 書き換える」で配列の値を変えて、分散がどう変わるか試してみましょう(たとえば全部 5 にすると分散は 0 になります)。
📦 四分位数と箱ひげ図
データを小さい順に並べて、4等分する位置の値を四分位数といいます。
- データを小さい順に並べ、全体の中央値を第2四分位数(Q2)とする
- 中央値を境に、データを前半と後半に分ける(個数が奇数のときは、真ん中の値はどちらにも入れない)
- 前半の中央値を第1四分位数(Q1)、後半の中央値を第3四分位数(Q3)とする
例:9人の点数 2, 3, 5, 6, 7, 7, 8, 9, 10
- Q2(中央値)= 5番目の値 = 7
- 前半
2, 3, 5, 6の中央値 = (3 + 5) ÷ 2 = 4 → Q1 - 後半
7, 8, 9, 10の中央値 = (8 + 9) ÷ 2 = 8.5 → Q3 - 四分位範囲 = Q3 − Q1 = 8.5 − 4 = 4.5(真ん中の約半分のデータが入る幅)
- 範囲 = 最大値 − 最小値 = 10 − 2 = 8
この5つの値(最小値・Q1・中央値・Q3・最大値)を図にしたものが箱ひげ図です。
箱の中には真ん中の約半分のデータが入ります。箱やひげが長いほど、そのあたりのデータが散らばっているということです。 なお、箱ひげ図には平均値は描かれないのが基本です(平均値を「+」などで書き足す場合もあります)。また、各区間に何人いるかは「約4分の1ずつ」としかわからず、ちょうどの人数は読み取れません。
📈 散布図と相関係数
2つの量の関係を見るには、横軸と縦軸に1つずつとって点を打つ散布図を使います。
- 右上がりに点が並ぶ → 正の相関(一方が大きいほど、もう一方も大きい傾向)
- 右下がりに点が並ぶ → 負の相関(一方が大きいほど、もう一方は小さい傾向)
- どちらとも言えない → 相関がない
相関の強さを数で表したのが相関係数 r です。r は必ず −1 以上 1 以下の値になり、1 に近いほど強い正の相関、−1 に近いほど強い負の相関、0 に近いほど相関が弱いことを表します。
▶ さわってみよう:点を置くと相関係数が変わる
グラフの中をクリック(タップ)すると点が増えます。点はドラッグで動かせます。r がどう変わるか見てみましょう。
r =
点線は回帰直線(次の節で説明します)。「強い・弱い」の言葉はおおまかな目安です。
やってみよう:①「正の相関の例」で、右下の方に1点だけ置いてみましょう。たった1つの点(外れ値)で r が大きく下がるはずです。 ②「全部消す」のあと、ほぼ一直線に右上がりに点を並べると、r は 1 に近づきます。
📐 回帰直線:傾向を1本の直線で表す
散布図の点の並びに、いちばんよく当てはまるように引いた直線を回帰直線といいます。各点と直線の縦方向のずれを2乗して足した値が最も小さくなるように引きます(最小二乗法)。
たとえば、1日の勉強時間 x(時間)と小テストの点数 y(点)の回帰直線が y = 5x + 40 だったとします。読み方は次のとおりです。
- 傾き 5:勉強時間が1時間多い人は、点数が平均的に約5点高い傾向がある
- 予測:勉強時間が2時間の人の点数は、およそ 5 × 2 + 40 = 50点と予測できる
- 注意:あくまで「傾向」です。全員がこの通りになるわけではなく、データの範囲から大きく外れた値(たとえば勉強時間20時間)の予測はあてになりません
📝 定期テストではこう出る
- 尺度の分類:「気温・順位・血液型・身長はそれぞれどの尺度か」
- 代表値と分散の計算:5個前後のデータから平均値・中央値・分散を求める(偏差の表を書くと速くて確実)
- 箱ひげ図:データから四分位数を求めて箱ひげ図を選ぶ、または箱ひげ図から範囲・四分位範囲を読む
- 相関係数と散布図の対応:「r = −0.8 に近い散布図はどれか」
🎓 共通テストではこう出る
共通テストのデータの活用の問題では、統計量の表・散布図・箱ひげ図などが複数並べて示され、「読み取れることとして正しいもの」を選ぶ形の問題が中心です。 細かい計算よりも、次のような「読み違い」をしないことが大切です。
- 箱ひげ図から平均値やちょうどの人数を読み取ったつもりになる
- 相関があることを、因果関係があると言いかえてしまう
- 「必ず〜」「すべての〜」など、言い過ぎの選択肢を選んでしまう
表計算ソフトの関数(AVERAGE・MEDIAN など)と組み合わせて出題されることもあります。次のレッスン20で、共通テスト形式の問題に挑戦してみましょう。
📖 もっと詳しく:情報Ⅰ データの活用のテスト対策 / グラフの読み取り方 / 共通テストの表計算対策
📝 まとめ
- ✅ 尺度は 名義・順序(質的)と 間隔・比例(量的)の4つ
- ✅ 平均値は外れ値に引っぱられやすく、中央値は引っぱられにくい
- ✅ 分散=偏差の2乗の平均、標準偏差=分散の正の平方根
- ✅ 箱ひげ図は 最小値・Q1・中央値・Q3・最大値 の5つの値で描く。箱には真ん中の約半分
- ✅ 相関係数は −1〜1。相関があっても因果関係とは限らない
- ✅ 回帰直線の傾きは「x が1増えると y が平均的にどれだけ変わるか」
このレッスンは役に立ちましたか?
フィードバックありがとうございます!