記述統計における平均値、中央値、最頻値の違い
記述統計学における主要な目的の一つは、データを分かりやすく要約することです。大規模で多様、そして時には「扱いにくい」データであっても、中心傾向の指標を用いて提示することで、より有益な情報が得られます。中心傾向の指標として最も一般的に用いられるのは、平均値、中央値、最頻値の3つです。これら3つはいずれもデータセットの「代表値」を示すことを目的としていますが、その計算方法、外れ値に対する感度、そして適切な使用状況は大きく異なります。
この記事では、平均値、中央値、最頻値の意味、計算方法、利点と欠点、および適用例について解説し、分析対象のデータに最も適切な指標を選択できるようにします。
1. 平均値：定義と計算方法
平均値は、すべてのデータ値の合計をデータポイントの数で割ったものです。「平均」とも呼ばれる平均値は、日常生活で最も身近な値です。すべての値を比例的に考慮することで、データの中心を概観することができます。
平均式：
\[
\bar{x} = \frac{\sum x_i}{n}
\]
ケテランガン：
– \(\sum x_i\) = すべてのデータ値の合計
– \(n\) = データ数
コント：
5人の生徒の試験の点数が70、75、80、85、90だとします。
平均 = (70 + 75 + 80 + 85 + 90) / 5 = 400 / 5 = 80
平均的な利点
1. 使用する情報が完全となるよう、すべてのデータを活用する。
2. 計算が容易で、高度な分析（分散、標準偏差など）で広く使用されている。
3. 数値データおよび比較的対称的な分布に適しています。
平均不足
1. 外れ値に非常に敏感です。極端な値が1つあるだけで、平均値がデータの大部分から大きく乖離してしまう可能性があります。
2. データ分布が偏っている場合、必ずしも「典型的な値」を表すとは限りません。
外れ値効果の例：
収入データ（百万ルピア）：3、3、4、4、5、50
平均 = (3+3+4+4+5+50)/6 = 69/6 = 11,5
ほとんどの人の収入は3万～5万ドルの範囲にあるが、平均値は必ずしも代表的な値とは言えない。
2. 中央値（中央値）：定義と計算方法
中央値とは、データを小さい順から大きい順に並べたときの中央の値です。中央値は全体の大きさよりも位置を重視するため、外れ値の影響を受けにくいという特徴があります。
中央値の求め方：
1. データを並べ替える。
2. データ数が奇数の場合、中央値は中央の値になります。
3. データ数が偶数の場合、中央値は中央の2つの値の平均です。
例（奇数）：
データ: 2、3、5、7、9
中央値 = 真ん中の値 = 5
例（偶数）：
データ: 10、20、30、40
中央値 = (20 + 30) / 2 = 25
中央値の優位性
1. 外れ値や極端な値に強い。
2. 所得、住宅価格、待ち時間など、偏りのあるデータに適しています。
3. 順序データ（例：満足度評価：非常に満足、満足、どちらでもない、不満）に使用できます。
平均的な欠点
1. 計算にすべてのデータ値を使用しない（より「位置ベース」）。
2. 平均的な性質を必要とする高度な数学的解析にはあまり適していない。
収入の例に戻ると、3、3、4、4、5、50となります。
データはソートされており、6つのデータのメジアンは3番目と4番目の値の平均です: (4 + 4) / 2 = 4
この中央値は、大多数の状況をよりよく反映している。
3. 最頻値（最も値が高い値）：定義と決定方法
最頻値はデータセット内で最も頻繁に出現する値です。場合によっては、データには次のような特徴がある可能性があります。
– 単一モード（単峰性）：1つの値が最も頻繁に出現する。
– 2つのモード（二峰性）：2つの値が最も頻繁に現れる
– 多様なモード（マルチモーダル）
– モードなし：すべての値が同じ頻度で出現する場合
コント：
データ: 2、3、3、4、5
最頻値 = 3（最も頻繁に出現）
二峰性の例：
データ: 1、2、2、3、3、4
モード = 2 と 3
モードの利点
1. 名義尺度データ（例：好きな色、最も好むブランド）に使用できる唯一の中心傾向の尺度。
2. 最も支配的なカテゴリ/値をすぐに示すため、理解しやすい。
3. 極端な値が最も頻繁に出現する値の頻度を変化させないという意味で、外れ値の影響を受けない。
モードの欠如
1. 時には一意ではない場合（複数存在する可能性がある）や、存在しない場合もある。
2. 安定性が低い場合があり、データのわずかな変化でモードが変化する可能性があります。
3. 数学的に必ずしもデータの「中心」を表すとは限らない。
4. 平均値、中央値、最頻値の主な違い
要約すると、これら3つの違いは、計算方法、外れ値に対する感度、および適切なデータタイプから見て取ることができます。
1. 平均値はすべての値を使用するため、対称的な数値データに最適ですが、外れ値に影響を受けやすいです。
2. 位置に基づく中央値。歪んだデータに適しており、外れ値に対してより頑健である。
3. 頻度に基づくモード。カテゴリデータや名義データに適しており、最も支配的な値を確認するのに適しています。
多くの統計学の教科書では、3つの分布の間には一般的な関係性が示されています。
– 対称分布：平均値 ≈ 中央値 ≈ 最頻値
– 分布が右に歪んでいる（右に歪んでいる）：平均値 > 中央値 > 最頻値
– 左に歪んだ分布: 平均 < 中央値 < 最頻値 ただし、これは傾向であって絶対的なルールではありません。 5. 平均、中央値、最頻値のどれを使うべきか？ 中心傾向の適切な尺度の選択は、データの性質と分析の目的に依存します。 次のような場合は平均を使用します。 - データが数値（間隔尺度/比率尺度）である場合。 - 分布が比較的対称的である場合。 - 極端な外れ値がない、または外れ値が処理されている場合。 - 他の統計計算の基礎が必要な場合。 例: スコアの分布が公平なクラスの平均テストスコア。
