グループデータのパーセンタイルについて議論する質問例
パーセンタイルは、統計学においてデータの分布を理解するために用いられる位置の尺度です。この記事では、グループ化されたデータのパーセンタイルを求める方法を詳しく解説します。この概念を明確にするために、いくつかの例題とその解説も掲載します。まずはパーセンタイルの基本的な理解から始め、その後、例題とその解説へと進みましょう。
パーセンタイルを理解する
パーセンタイルとは、データを100等分した値のことです。つまり、nパーセンタイルとは、分布内のデータのn%がその値以下になる値です。例えば、データの25パーセンタイル（P25）は、データの25%がその値以下になることを意味します。
グループ化されたデータでは、データを整理し、関連するパーセンタイルを決定するために、度数分布表をよく使用します。これらの表はデータを特定の階級区間ごとに表示するため、データの分布をより包括的に理解することができます。
グループデータにおけるパーセンタイル式
グループデータにおけるnパーセンタイル（Pn）を求めるための一般的な式は以下のとおりです。
\[
P_n = L + \left( \frac{nN – \sum f_{\text{before}}}{f_{k}} \right) \times c
\]
ディ・マナ:
– \(P_n\) は n パーセンタイルです。
– \(L\) はパーセンタイル階級区間の下限です。
– \(n\) は目的のパーセンタイルです (例: P25 の場合、n = 25)。
– \(N\)は累積度数の総数です。
– \(\sum f_{\text{before}}\) は、パーセンタイル階級区間より前の累積頻度です。
– \(f_{k}\) はパーセンタイル階級区間の頻度です。
– \(c\) は階級区間の長さです。
問題例
より理解を深めるために、以下の例題を見て、詳しく解説していきましょう。
例題1
ある調査では、高校10年生100人の身長（cm）に関するデータが以下のように得られた。
| 階級 | 頻度 |
|——————-|———–|
| 150 – 154 | 5 |
| 155 – 159 | 8 |
| 160 – 164 | 12 |
| 165 – 169 | 20 |
| 170 – 174 | 30 |
| 175 – 179 | 15 |
| 180 – 184 | 10 |
データの40パーセンタイル（P40）を計算します。
解決手順
1. 各階級の累積度数を求めます。
| 階級 | 度数 | 累積度数 |
|——————-|————–|————————|
| 150 – 154 | 5 | 5 |
| 155 – 159 | 8 | 13 |
| 160 – 164 | 12 | 25 |
| 165 – 169 | 20 | 45 |
| 170 – 174 | 30 | 75 |
| 175 – 179 | 15 | 90 |
| 180 – 184 | 10 | 100 |
2. パーセンタイル階級区間（P40）を特定する。
P40 を求めているので、100 人の生徒の 40%、つまり 40 人の生徒が必要です。累積度数表を見ると、40 を超える最初の累積度数が 45 であるため、40 人の生徒は 165 ～ 169 cm の階級区間に含まれていることがわかります。
3. 式に必要な値を求めます。
– \(L = 164.5\)
– \(nN = 40\)
– \(\sum f_{\text{before}} = 25\)
– \(f_k = 20\)
– \(c = 5\)
4. 値を数式に入力します。
\[
P_{40} = 164.5 + \left( \frac{40 – 25}{20} \right) \times 5
\]
\[
P_{40} = 164.5 + \left( \frac{15}{20} \right) \times 5
\]
\[
P_{40} = 164.5 + 0.75 × 5
\]
\[
P_{40} = 164.5 + 3.75
\]
\[
P_{40} = 168.25
\]
つまり、データの40パーセンタイル値（P40）は168.25cmです。
例題2
200人の生徒の数学のテストの点数データがあると仮定します。
| 階級 | 頻度 |
|——————-|———–|
| 40～44歳 | 10 |
| 45～49歳 | 18 |
| 50～54歳 | 32 |
| 55～59歳 | 45 |
| 60～64歳 | 50 |
| 65～69歳 | 25 |
| 70～74歳 | 12 |
| 75 – 79 | 8 |
データの75パーセンタイル（P75）を計算します。
解決手順
1. 各階級の累積度数を求めます。
| 階級 | 度数 | 累積度数 |
|——————-|————–|————————|
| 40～44 | 10 | 10 |
| 45～49 | 18 | 28 |
| 50～54 | 32 | 60 |
| 55 – 59 | 45 | 105 |
| 60 – 64 | 50 | 155 |
| 65 – 69 | 25 | 180 |
| 70 – 74 | 12 | 192 |
| 75 – 79 | 8 | 200 |
2. パーセンタイル階級区間（P75）を特定する。
P75を求めるには、200人の生徒の75%、つまり150人の生徒が必要です。累積度数を見ると、150人の生徒が60～64の階級区間に該当することがわかります。
3. 必要な値を求めます。
– \(L = 59.5\)
– \(nN = 150\)
– \(\sum f_{\text{before}} = 105\)
– \(f_k = 50\)
– \(c = 5\)
4. 値を数式に入力します。
\[
P_{75} = 59.5 + \left( \frac{150 – 105}{50} \right) \times 5
\]
\[
P_{75} = 59.5 + \left( \frac{45}{50} \right) \times 5
\]
\[
P_{75} = 59.5 + 0.9 × 5
\]
\[
P_{75} = 59.5 + 4.5
\]
\[
P_{75} = 64
\]
つまり、データの75パーセンタイル（P75）は64です。
結論
この記事では、数式といくつかの例題を用いて、グループ化されたデータのパーセンタイルを求める方法について解説しました。パーセンタイルは、統計学においてデータの分布を理解し、データ値の相対的な位置を把握する上で有用なツールです。グループ化されたデータのパーセンタイルの計算方法を理解することで、データをより包括的に分析することができます。これらの例題と解説が、グループ化されたデータにおけるパーセンタイルの概念をより深く理解する一助となれば幸いです。
