標準偏差の計算方法

標準偏差の計算方法

標準偏差は、データが平均値からどれだけ「ばらついているか」を判断するために最も頻繁に使用される統計指標の1つです。実生活では、標準偏差は現象の安定性や変動性を理解するのに役立ちます。例えば、テストの点数のばらつき、売上の変動、身長の差、さらには金融データのリスクなどです。標準偏差が小さいほど、データは平均値に近くなります。逆に、標準偏差が大きい場合は、データが平均値から大きく離れており、ばらつきが大きいことを示します。

この記事では、標準偏差の意味、使用される計算式、そして分かりやすい例を通して手動で計算する手順について説明します。

1. 標準偏差の定義

標準偏差は分散の平方根です。分散自体は、各データポイントと平均値との差の二乗の平均です。なぜ二乗を使うのでしょうか？それは、データポイントと平均値との差は負の値にも正の値にもなり得るからです。負の差と正の差を直接足し合わせると、互いに打ち消し合ってしまい、誤った結果を招く可能性があります。差を二乗することで、すべての値が正の値になり、データ分布をより正確に測定できるようになります。

単に：

– 分散＝ばらつきの度合いを「二乗」単位で表した値。
– 標準偏差 = データのばらつきが元の単位に戻ったことを示す尺度。

例：データがテストの点数（ポイント単位）の形式である場合、分散はポイント単位で表され、標準偏差もポイント単位で表されるため、解釈が容易になります。

2. 母集団標準偏差と標本標準偏差

計算を行う前に、どのような種類のデータを持っているかを把握することが重要です。

1. 対象集団：データには、調査対象となるすべてのメンバーが含まれます。
母集団標準偏差の計算式では、除数としてN（データ数）を用います。

2. サンプル：データは母集団の一部のみであり、通常はより大きな母集団を代表するために使用されます。
標本標準偏差の計算式では、推定バイアスを補正するために除数（n − 1）が用いられます。この補正はベッセル補正と呼ばれます。

日常的な実践（例えば、研究、調査、クラス分析）では、データはしばしばサンプルとみなされるため、除数は（n − 1）になります。

3. 標準偏差の公式

A. 母集団標準偏差の公式
データが \( x_1, x_2, \dots, x_N \) であると仮定します。
人口平均:
\[
\mu = \frac{\sum_{i=1}^{N} x_i}{N}
\]
母集団の分散：
\[
\sigma^2 = \frac{\sum_{i=1}^{N}(x_i – \mu)^2}{N}
\]
母集団標準偏差：
\[
\sigma = \sqrt{\sigma^2}
\]

B. 標本標準偏差の計算式
標本平均:
\[
\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}
\]
標本分散：
\[
s^2 = \frac{\sum_{i=1}^{n}(x_i – \bar{x})^2}{n – 1}
\]
サンプル標準偏差：
\[
s = \sqrt{s^2}
\]

4. 標準偏差を手動で計算する手順

理解を容易にするために、5人の学生の試験成績データを例として使用します。

データ: 60、70、70、80、90

このデータはサンプルデータであると仮定します（学習例でよく見られるものです）。

ステップ1：平均値を計算する
\[
\bar{x} = \frac{60 + 70 + 70 + 80 + 90}{5} = \frac{370}{5} = 74
\]

平均点は74点です。

ステップ2：各データと平均値との差を計算する
差分列 \( (x_i – \bar{x}) \) を作成します。

– 60 − 74 = −14
– 70 − 74 = −4
– 70 − 74 = −4
– 80 − 74 = 6
– 90 − 74 = 16

ステップ3：差を二乗する
\( (x_i – \bar{x})^2 \) を計算します。

– (−14)² = 196
– (−4)² = 16
– (−4)² = 16
– 6² = 36
– 16² = 256

ステップ4：差の二乗を足し合わせる
\[
\sum (x_i – \bar{x})^2 = 196 + 16 + 16 + 36 + 256 = 520
\]

ステップ5：分散を計算する（サンプルの場合はn-1で割る）
n = 5 なので、n − 1 = 4 となります。
\[
s^2 = \frac{520}{4} = 130
\]

したがって、標本分散は130です。

ステップ6：分散の平方根を計算して標準偏差を求める
\[
s = \sqrt{130} \approx 11{,}40
\]

つまり、データの標準偏差は約11,40です。これは、平均すると、生徒の点数が平均値74から約11ポイントずれていることを意味します。

5．簡単な方法：代替式（計算）

上記の手動による方法とは別に、特にデータ量が多い場合に計算を高速化するためによく用いられる計算式があります。

標本分散：
\[
s^2 = \frac{\sum x_i^2 – \frac{(\sum x_i)^2}{n}}{n – 1}
\]

この式は差分を一つずつ計算する手間を省くが、データの二乗和を計算する際には依然として精度が求められる。

しかし、概念的な理解においては、段階的な方法（差→二乗→和）の方が通常は簡単で、間違いも起こりにくい。

6. 標準偏差の解釈

標準偏差は単なる数値ではなく、解釈する必要がある。

– 標準偏差が小さい：データは平均値付近に集中しており、ばらつきが少なく、結果の一貫性が高い。
– 標準偏差が大きい：データが平均値から大きく離れており、ばらつきが大きく、結果の一貫性が低い。

例えば、2つのクラスの平均点がどちらも74点だとします。クラスAの標準偏差が5点、クラスBの標準偏差が15点の場合、クラスAの点数はより均一で安定しています。クラスBはばらつきが大きく、非常に低い点数もあれば、非常に高い点数もあります。

7. よくある間違い

標準偏差を計算する際によくある間違い：

1. サンプルと母集団を区別するのを忘れたため、除数が間違っています（N 対 n − 1）。
2. 平均値の計算ミスにより、その後のすべての手順が誤りとなる。
3. 差を二乗するのを忘れる、または最後に平方根を取る際に間違いをする。
4. 数の加算や平方の計算における算術的誤り。

計算表を作成し、結果を二重チェックすることで、エラーを防ぐことができます。

閉鎖

標準偏差の計算は、手順を正しく踏めば実際には難しくありません。平均を計算し、各データセット間の差を求め、その差を二乗し、それらを足し合わせ、nまたはn-1で割り、最後に平方根を求めます。標準偏差を理解することで、データの一貫性とばらつきの程度を評価できます。

ご希望であれば、より多くのデータを用いた例、グループ化されたデータ（度数分布表）の例、またはExcel/Googleスプレッドシートを使用した標準偏差の計算方法など、追加の例を作成することもできます。