データを階級区間にグループ化する方法
データを階級にグループ化することは、記述統計において非常に重要なステップです。その目的は、大量の生データを簡略化し、読みやすく、分析しやすく、度数分布表やヒストグラムで表現しやすくすることです。データが多様で散在している場合、パターンを把握するのは困難です。階級を用いることで、データを特定の値グループに整理することができ、データの分布、最も頻繁に出現する値、さらには中心傾向をより明確に理解することができます。
この記事では、階級区間の意味、階級区間が必要となる場面、そしてデータを階級区間にグループ化するための実践的な手順を、応用例を交えて解説します。
1. 階級区間の理解
階級区間とは、度数分布においてデータをグループ化するために使用される値の範囲のことです。各階級区間には通常、下限値と上限値が設定されています。例えば、10～19という階級は、値が10から19までのすべてのデータがその階級に属することを示します。
度数分布表において、階級区間は類似した値をまとめる「容器」として機能します。これにより、すべての値を個別に列挙するよりもデータが簡潔になります。また、階級区間はヒストグラムや度数多角形などのグラフを作成する際の基礎となります。
2. データはいつグループ化する必要があるのか？
すべてのデータを階級に分割する必要はありません。一般的に、次のような場合にグループ化が必要となります。
1. 大量のデータ、例えば30件または50件以上の観測値。
2. データ範囲が広いため、値がばらついて読み取りにくい。
3. データの分布パターンを確認したい。例えば、データが正規分布、歪んだ分布、または二つのピークを持つ分布の傾向があるかどうかを調べたい。
4. データはヒストグラムで表示されます。ヒストグラムは区間階級を必要とするためです。
データが少ない場合（例えば10個の値）、多くの場合、区間を示さない単一の度数分布表で十分です。
3．データを階級区間にグループ化する手順
以下は、階級区間を作成する際に最も一般的に使用される手順です。
ステップ1：最小データと最大データを決定する
まず、データの最小値と最大値を特定します。
– 最小値 = \( x_{\min} \)
– 最大値 = \( x_{\max} \)
この値は、データの範囲を計算するために使用されます。
ステップ2：範囲を計算する
範囲とは、最大値と最小値の差のことです。
\[
R = x_{\max} – x_{\min}
\]
範囲は、データ分布の幅を示す目安となります。
ステップ3：クラス数（k）を決定する
クラス数を決定する方法はいくつかあります。最も一般的な方法は、スタージェスの法則を用いることです。
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
ここで、\( n \) はデータ量です。
計算結果は通常、クラス数が少なすぎないように、最も近い整数（または切り上げ）に丸められます。
スタージェス法以外にも、表示要件やサンプルサイズに応じて、階級幅を5～12の間で選択するという一般的な方法があります。ただし、スタージェス法は小規模なデータセットに非常に適しています。
ステップ4：クラス幅の計算（i）
階級幅とは、各階級区間の長さのことです。計算式は以下のとおりです。
\[
i = \frac{R}{k}
\]
階級幅は使いやすさが求められるため、通常は「きれいな」数値（例えば、データの状況に応じて5、10、2、または0,5）に丸められます。この丸め処理は、区間が読みやすく、混乱を避けるために重要です。
丸め処理の結果、すべてのデータを収めることができない場合は、階級幅をわずかに広げることができます。
ステップ5：クラス制限を決定する
まず、最小値を最初の階級の下限値として設定します。次に、最大値を包含するまで連続的に階級を作成します。
例えば、最小値が32でクラス幅が5の場合、次のようにクラスを作成できます。
– 32〜36
– 37〜41
– 42〜46
など
重要：クラス間にギャップや重複がないことを確認してください。すべてのデータ値は、必ずいずれか1つのクラスに属している必要があります。
ステップ6：（オプション）クラス境界を作成する
データが整数値（例えば、テストの点数）の場合、クラスを連続的にするために、クラス境界が設定されることがよくあります。これは、上限値に0,5を加え、下限値から0,5を引くことによって行われます。
例えば、クラス32～36の場合、クラス境界は次のようになります。
– 31,5〜36,5
これはヒストグラムにおいて、棒グラフが隙間なく繋がるようにするのに役立ちます。
ステップ7：各階級の頻度を計算する
階級区間が決定したら、各区間に含まれるデータ点の数を数えます。結果は度数分布表（f）に記入します。
大量のデータを処理する場合は、集計方法を用いることで処理速度が向上し、エラーも削減できます。
ステップ8：度数分布表を作成する
最小度数分布表には以下が含まれます。
– クラス間隔
– 周波数（f）
次のような列を追加できます。
– クラスの中間点 (xi)
– 累積頻度
– 相対頻度（パーセント）
4. データグループ化の例
例えば、最低点が42点、最高点が94点の40人の生徒のテストスコアデータがあるとします。
1. 最小 = 42、最大 = 94
2.範囲：
\[
R = 94 – 42 = 52
\]
3. クラス数（スタージェス）：
\[
k = 1 + 3{,}3 \log(40)
\approx 1 + 3{,}3(1{,}602)
約6,29
\]
6クラスまたは7クラスに切り上げました。より詳細な情報を提供するため、7クラスを選択しました。
4. クラス幅:
\[
i = \frac{52}{7} \approx 7{,}43
\]
8に四捨五入。
5. 42から始まる幅8の間隔を形成する。
– 42〜49
– 50〜57
– 58〜65
– 66〜73
– 74〜81
– 82〜89
– 90〜97
最後の区間は97に達したため、最大値である94はまだ許容範囲内だった。
6. 次に、データに基づいて各区間の頻度を計算します（例えば、線グラフを使用するなど）。最終的な表には、特定のスコア範囲内に何人の生徒が該当するかが示され、生徒の成績を迅速に評価できるようになります。
5. 授業間隔をより効果的にするためのヒント
1. 表を比較しやすくするために、一貫した階級幅を使用してください。
2. クラスが多すぎると、表が長くなり読みにくくなるので、あまり多く設定しないでください。
3. クラスの数が少なすぎると、重要な情報が「失われる」可能性があり、分布が極端に偏ってしまう可能性があるため、クラスの数が少なすぎないようにしましょう。
4. データの状況に合わせて、階級幅の丸め方を調整します。気温の場合は1または0,5が適切でしょう。テストの点数の場合は、通常5または10が適切です。
5. クラスの境界を再確認し、欠損値のないすべてのデータが入力されていることを確認してください。
結論
データを階級に分けることは、データを簡略化し、分布を明確に示すための重要な手法です。その手順には、最小値と最大値の決定、範囲の計算、階級数の決定（多くの場合、スタージェスの法則を使用）、階級幅の計算、階級区間の構築、そして各階級の度数の計算が含まれます。適切な階級区間を用いることで、複雑な生データを、表やグラフなど、容易に理解できる情報に変換することができます。
ご希望であれば、生データ（値のリスト）を使った完全な例を作成し、ヒストグラム付きの度数分布表を作成することもできます。
