統計の基礎入門

1|# 統計の基礎入門
2|
3|「10店舗の平均売上は328.5万円です」——この数字、正しいですか？
4|
5|計算は合っています。でも、9店舗中8店舗の売上が300万円前後であることを知ったら、「328.5万円」という数字の印象が変わるはずです。1店舗だけ550万円の売上があった。平均は、その1店舗に引っ張られてしまったんです。
6|
7|平均って、データの「真ん中」を表す——そう思っていませんか？ 実は、平均が真ん中から大きくズレるデータがあるんです。データの特徴を掴むには、平均だけじゃ足りない。もう半分——ばらつき——を見ないと、データの本当の姿は見えてきません。
8|
9|「平均出せばいいんでしょ？」「データに外れ値があっても、数が多いから影響ないでしょ？」「標準偏差って聞くけど、どう使うのか分からない」——こういうふうに思っていると、データの実態を見落としてしまいます。統計の基礎は、平均さえ出せばOKではありません。代表値とばらつきをセットで見て、初めてデータの特徴が見えるのです。
10|
11|この講座を読み終えたあなたは、次の4つができるようになります。
12|
13|1. 平均・中央値・最頻値の3つの代表値を計算し、それぞれの特徴を違いとして説明できる
14|2. 範囲・分散・標準偏差の3つのばらつき指標を計算し、ばらつきの大小が平均の信頼性にどう影響するかを説明できる
15|3. 外れ値を含むデータに対して平均と中央値を比較し、どちらが実態をよりよく表すかを判断できる
16|4. 自分の業務データの特徴を代表値とばらつきを使って他者に説明できる
17|
18|この講座は最後まで、営業企画の鈴木さんが週次で集計する10店舗の売上データという1つのデータセットだけで説明します。代表値を計算し、ばらつきを測り、外れ値を見抜き、特徴を語る——同じデータを4つの視点で見ることで、データの見え方がどう変わるかを体感していきます。各章末には手を動かす演習も置いているので、自分の業務データに置き換えながら読み進めてみてください。
19|
20|## 第1章：代表値って何？——平均・中央値・最頻値
21|
22|まずは、データの「中心」を1つの数値で掴む——代表値の章です。「平均さえ出せばOK」という思い込みを外し、3つの代表値の違いを体感します。
23|
24|### この章のゴール
25|
26|この章を読み終えると、平均・中央値・最頻値の3つの代表値を計算し、それぞれの特徴を違いとして説明できるようになります。
27|
28|### 1-1 「平均」だけじゃ足りない理由
29|
30|平均とは、全データの合計をデータ数で割った値です。算術平均とも呼ばれます。データの「重心」のようなもの——すべてのデータのバランスを取った点、とイメージしてください。
31|
32|重心は便利ですが、1つ問題があります。重いものがあると、そちらに引っ張られるんです。
33|
34|たとえば、10人が1つのシーソーに乗っているとします。9人がだいたい同じ重さで、1人だけずっと重い。シーソーの支点（＝重心）は、重い人のほうにズレますよね。平均も同じです。極端に大きな値（外れ値）が1つあると、平均はその値に引っ張られて、大多数のデータから離れてしまいます。
35|
36|これが「平均だけじゃ足りない」理由です。平均はデータの重心ですが、重心がデータの真ん中にあるとは限らない——ここがスタートラインです。
37|
38|### 1-2 3つの代表値
39|
40|データの中心を掴む指標を「代表値」と呼びます。代表値には3つあります。
41|
42|①平均（算術平均）——全データの合計÷データ数。データの重心。すべてのデータを足し合わせるので、1つでも極端な値があると引っ張られる。
43|
44|②中央値——データを小さい順に並べたとき、真ん中に位置する値。データ数が偶数のときは、中央2つの平均を取る。奇数のときは中央の値そのまま。順位の真ん中を見るだけなので、極端な値に引っ張られない。
45|
46|③最頻値——データの中で最も多く出現する値。カテゴリデータ（店舗名、部署名など）でも使える唯一の代表値。
47|
48|3つはそれぞれ「データのどこを見ているか」が違います。平均は全データのバランス、中央値は順位の真ん中、最頻値は最多の値——この違いを覚えておくことが、代表値を使いこなす第一歩です。
49|
50|### 1-3 鈴木さんの売上データで計算する
51|
52|鈴木さんが週次で集計する10店舗の週間売上データを見てみましょう。
53|
54|| 店舗 | 売上（万円） |
55||---|---|
56|| A店 | 280 |
57|| B店 | 310 |
58|| C店 | 295 |
59|| D店 | 320 |
60|| E店 | 305 |
61|| F店 | 300 |
62|| G店 | 315 |
63|| H店 | 290 |
64|| I店 | 550 |
65|| J店 | 310 |
66|
67|まずは小さい順に並べます。
68|
69|280, 290, 295, 300, 305, 310, 310, 315, 320, 550
70|
71|では、3つの代表値を計算してみましょう。
72|
73|平均＝(280+290+295+300+305+310+310+315+320+550)÷10＝3285÷10＝328.5万円
74|
75|中央値＝データ数10（偶数）なので、中央2つの平均＝(305+310)÷2＝307.5万円
76|
77|最頻値＝310万円（2回出現。他はすべて1回）＝310万円
78|
79|3つを比べてみてください。平均は328.5万円ですが、中央値は307.5万円、最頻値は310万円。平均だけが他の2つより20万円以上高い——これは、I店の550万円が平均を引っ張っているからです。9店舗中8店舗は290〜320万円の範囲に収まっているのに、平均は328.5万円。データの「真ん中」から外れてしまっています。
80|
81|これが「平均が騙される」実例です。平均だけ見ると「10店舗はだいたい328万円くらい」と錯覚しますが、実態は違います。
82|
83|### 1-4 代表値の選び方
84|
85|データの形によって、どの代表値が実態に近いかが変わります。
86|
87|- データが左右対称に分布している→ 平均 ≒ 中央値。どちらを使っても同じ
88|- 外れ値がある、または右に長い裾がある→ 中央値が実態に近い。平均は引っ張られる
89|- カテゴリデータ（定性データ）→ 最頻値が役に立つ
90|
91|鈴木さんのデータは、1店舗だけ550万円という外れ値があるため、中央値（307.5万円）のほうが実態に近い——こう判断できます。
92|
93|### 1-5 この章の確認（演習）
94|
95|自分の業務データ5〜10個を小さい順に並べ、平均と中央値を計算して比較してみてください。もし差が大きければ、外れ値の可能性を疑う——その感覚がこの章のゴールです。
96|
97|## 第2章：ばらつきって何？——範囲・分散・標準偏差
98|
99|第1章で「代表値で中心を掴む」を学びました。この章では、代表値だけでは見えない「データの散らばり」を測ります。
100|
101|### この章のゴール
102|
103|この章を読み終えると、範囲・分散・標準偏差の3つのばらつき指標を計算し、ばらつきの大小が平均の信頼性にどう影響するかを説明できるようになります。
104|
105|### 2-1 「平均が同じでも、データは違う」
106|
107|次の2つのデータ、どちらも平均は300万円です。
108|
109|- データX：295, 298, 300, 302, 305（全店舗が295〜305万円に収まっている）
110|- データY：150, 200, 300, 400, 450（150万円から450万円まで散らばっている）
111|
112|平均は同じ300万円ですが、データの特徴は全く違います。データXは安定していて、データYはばらつきが大きい。でも、平均だけ見るとこの違いが見えません。
113|
114|だからばらつきが必要なんです。ばらつき＝データがどれくらい散らばっているか。ばらつきが小さければ平均は信用できる。ばらつきが大きければ平均だけでは判断できない——これが、ばらつきを見る理由です。
115|
116|### 2-2 3つのばらつき指標
117|
118|ばらつきを測る指標は3つあります。
119|
120|①範囲（レンジ）——最大値−最小値。最もシンプル。計算が一瞬で終わります。でも、外れ値に非常に弱い。1つの極端な値があるだけで範囲が大きく膨らみます。
121|
122|②分散——各データと平均の差を2乗して合計し、データ数で割った値。「データが平均からどれくらい離れているか」を平均したもの。ただし、2乗しているので単位が元の2乗になります（売上万円なら万円²）。直感的に分かりにくいのが弱点です。
123|
124|③標準偏差——分散の平方根。2乗の単位を元に戻すので、平均と同じ単位で扱えます。「平均±標準偏差」と表現できるため、実務で最もよく使われるばらつき指標です。
125|
126|3つの関係を整理すると、範囲はシンプルだが粗い → 分散は正確だが単位が2乗 → 標準偏差は正確で単位も元通り。実務では標準偏差を基準に考え、範囲と分散は理解の足がかりとして使う——この位置づけで進めます。
127|
128|### 2-3 鈴木さんの売上データでばらつきを計算する
129|
130|鈴木さんの10店舗のデータで、3つのばらつき指標を計算してみましょう。
131|
132|範囲＝最大値550 − 最小値280＝270万円
133|
134|外れ値（550万円）が1つあるだけで、範囲が270万円にもなってしまいました。9店舗の範囲は320−280＝40万円なのに、1店舗のせいで6倍以上に膨らんでいます。これが「範囲は外れ値に弱い」ということです。
135|
136|分散と標準偏差を計算する手順は4ステップです。
137|
138|1. 各データから平均（328.5万円）を引く
139|2. その差を2乗する
140|3. 2乗した値をすべて足す
141|4. データ数（10）で割る → これが分散。分散の平方根が標準偏差
142|
143|計算結果を省略して答えだけお伝えすると、分散＝5662.15（万円²）、標準偏差＝約75.2万円。
144|
145|「平均328.5万円±標準偏差75.2万円」——つまり、データの多くは253.3万円〜403.7万円の範囲に散らばっていることになります。かなり広い範囲ですよね。平均が328.5万円でも、標準偏差が75.2万円もあると「だいたい328万円くらい」とは言えない——これがばらつきの大きさが伝えるメッセージです。
146|
147|外れ値を除いた9店舗で計算し直すと、平均約303.9万円、標準偏差約13.0万円になります。「平均303.9万円±標準偏差13.0万円」——データの多くは290.9万円〜316.9万円に収まる。かなりタイト。外れ値1つで標準偏差が約13→約75に跳ね上がる——6倍近い変化です。外れ値がばらつきに与える影響、体感できましたか？
148|
149|### 2-4 標準偏差の「平均±1σ」ルール
150|
151|データが正規分布（左右対称の釣鐘型の分布）に近い形のとき、次の目安が使えます。
152|
153|- 平均±1標準偏差の範囲に、データの約68%が収まる
154|- 平均±2標準偏差の範囲に、データの約95%が収まる
155|
156|この「68-95ルール」は、正規分布に限定された性質です。どんな分布でも成り立つわけではありません。でも、多くのビジネスデータはおおむね正規分布に近い形をしているので、ざっくりとした目安として使えます。
157|
158|鈴木さんのデータ（外れ値込み）に当てはめると、平均±1σ＝328.5±75.2＝253.3万円〜403.7万円。10個中何個収まるか——280, 290, 295, 300, 305, 310, 310, 315, 320の9個。550万円だけ外れます。9/10＝90%。68%よりずっと高い——これは、データが正規分布から外れている（外れ値がある）サインでもあります。
159|
160|### 2-5 この章の確認（演習）
161|
162|自分のデータで範囲・分散・標準偏差を計算し、「平均±標準偏差」の範囲にデータの約7割が収まっているか確認してみてください。収まっていなければ、外れ値やデータの偏りを疑う——その感覚がこの章のゴールです。
163|
164|## 第3章：外れ値の正体——平均が騙されるとき
165|
166|第1章で代表値を知り、第2章でばらつきを測りました。この章では、ばらつきを膨らませる原因である外れ値を取り上げます。
167|
168|### この章のゴール
169|
170|この章を読み終えると、外れ値を含むデータに対して平均と中央値を比較し、どちらが実態をよりよく表すかを判断できるようになります。
170|
171|### 3-1 外れ値とは何か
172|
173|外れ値とは、他のデータから大きく離れた値のことです。鈴木さんのデータでは、I店の550万円がそれにあたります。9店舗は280〜320万円の範囲なのに、1店舗だけ550万円——明らかに離れています。
174|
175|外れ値があると、どうなるか。平均は引っ張られるが、中央値はほぼ動かない。
176|
177|理由はシンプルです。平均は全データの値を足し合わせるので、1つの極端な値が合計に大きく影響します。一方、中央値は「順位の真ん中」を見るだけ。1つの極端な値があっても、順位の真ん中はほとんど動かないんです。
178|
179|鈴木さんのデータで確かめてみましょう。
180|
181|- 外れ値あり：平均328.5万円／中央値307.5万円
182|- 外れ値なし：平均302.8万円／中央値302.5万円
183|
184|中央値は5万円しか動いていませんが、平均は25.7万円も動いています。これが中央値の「外れ値に強い」理由です。
185|
186|### 3-2 外れ値の判定ルール（IQR法）
187|
188|「なんとなく離れている」ではなく、客観的に外れ値を判定する方法があります。Tukey（1977）が提唱したIQR法です。4ステップで計算できます。
189|
190|ステップ1：データを小さい順に並べる
191|→ 280, 290, 295, 300, 305, 310, 310, 315, 320, 550
192|
193|ステップ2：第1四分位数（Q1）と第3四分位数（Q3）を求める
194|Q1は下位25%の位置の値、Q3は上位25%の位置の値です。10個のデータの場合、簡易的にQ1＝下位4つの中央、Q3＝上位4つの中央と計算できます。
195|→ Q1＝(290+295)÷2＝292.5
196|→ Q3＝(315+320)÷2＝317.5
197|
198|ステップ3：IQR（四分位範囲）を計算する
199|IQR＝Q3−Q1＝317.5−292.5＝25
200|
201|ステップ4：外れ値の境界を計算する
202|- 下限＝Q1−1.5×IQR＝292.5−1.5×25＝292.5−37.5＝255
203|- 上限＝Q3+1.5×IQR＝317.5+1.5×25＝317.5＋37.5＝355
204|
205|この境界を超える値が外れ値です。鈴木さんのデータでは、550万円 > 355万円——I店の550万円は外れ値と判定されました。
206|
207|ちなみに、計算方法によってQ1・Q3の値が微妙に異なることがあります（ExcelとRで結果が少し違う等）。でも「外れ値かどうか」の判断に大きな差は出ないので、まずはこの簡易法で十分です。
208|
209|### 3-3 外れ値を見つけたときの3つの対応
210|
211|外れ値を見つけたとき、どうすればいいか。「捨てればいい」——ではありません。
212|
213|①入力ミスか確認する
214|550万円は入力ミスで55万円が正しい値だったかもしれません。まずは元データを確認します。
215|
216|②業務上の正当な理由があるか確認する
217|入力ミスでなければ、I店は大型案件を受注した等、正当な理由があるかもしれません。この場合、外れ値は「エラー」ではなく「事実」です。
218|
219|③確認後、報告では「外れ値あり」と明記し、代表値として中央値を併記する
220|理由を確認したうえで、報告書では「1店舗が550万円と突出しているため、通常店舗の実態は中央値（307.5万円）を参照してください」と明記します。
221|
222|大切なのは「外れ値だから捨てる」ではなく「外れ値の理由を確かめてから判断する」こと。外れ値そのものが重要な事実を伝えていることもあるんです。
223|
224|### 3-4 この章の確認（演習）
225|
226|自分のデータでQ1・Q3・IQRを計算し、外れ値があるか判定してみてください。もし外れ値があれば、平均と中央値のどちらが実態に近いかを1文でまとめる——その感覚がこの章のゴールです。
227|
228|## 第4章：データの特徴を説明する——代表値＋ばらつきで語る
229|
230|第1章で代表値を知り、第2章でばらつきを測り、第3章で外れ値を見抜きました。最後の章は、これら3つを組み合わせてデータの特徴を他者に説明する章です。
231|
232|### この章のゴール
233|
234|この章を読み終えると、自分の業務データの特徴を代表値とばらつきを使って他者に説明できるようになります。
235|
236|### 4-1 「平均〇〇万円です」だけの報告——何が足りないか
237|
238|「10店舗の平均売上は328.5万円です」
239|
240|この報告、よくありませんか？ 上司に数字を伝えるとき、平均だけ言えば十分——そう思っているかもしれません。でも、この報告だけだと、聞き手はこう想像します。「10店舗はだいたい328万円くらいなのかな」。実際には9店舗が300万円前後なのに。
241|
242|平均だけの報告は、聞き手に「データがどう散らばっているか」「外れ値があるか」を想像させるだけです。数字の「半分」が欠けている——ばらつきと外れ値の情報が抜けているんです。
243|
244|### 4-2 データ説明の型
245|
246|データの特徴を伝えるには、次の1文を使います。
247|
248|> 「中心は〇〇（代表値）で、ばらつきは〇〇（標準偏差など）。外れ値は〇個あり、代表値は〇〇を重視しました」
249|
250|この1文で、データの全体像が伝わります。中心・ばらつき・外れ値——3要素が揃っているからです。
251|
252|鈴木さんのデータに当てはめてみましょう。
253|
254|> 「10店舗の中央値は307.5万円、標準偏差は約75万円です。外れ値が1個（550万円）あり、代表値は中央値を重視しました。通常店舗の実態は中央値の約308万円前後とお考えください」
255|
256|これなら、聞き手は「ほとんどの店舗は300万円前後で、1店舗だけ突出しているんだな」と1分で理解できます。
257|
258|### 4-3 鈴木さんの2つの報告を比べる
259|
260|鈴木さんが上司に報告する2つのパターンを比べてみましょう。
261|
262|パターンA：「10店舗の平均売上は328.5万円です」
263|
264|シンプルですが、聞き手は「10店舗とも328万円くらいなのか、それともバラバラなのか」が分かりません。外れ値の存在も伝わりません。
265|
266|パターンB：「10店舗の中央値は307.5万円、標準偏差は約75万円です。1店舗が550万円と突出しているため、通常店舗の実態は中央値の約308万円前後とお考えください」
267|
268|少し長いですが、データの全体像が1文で伝わります。聞き手が「なるほど」と思うのはパターンB——代表値＋ばらつき＋外れ値の3要素が揃っているからです。
269|
270|### 4-4 4ステップでデータの特徴を語る
271|
272|自分のデータの特徴を語るには、4ステップを踏みます。
273|
274|1. データを小さい順に並べる——まずはデータの全体を俯瞰する
275|2. 代表値を計算する——平均と中央値の両方を出す。差が大きければ外れ値を疑う
276|3. ばらつきを計算する——範囲と標準偏差を出す。標準偏差が大きければ平均の信頼性が低い
277|4. 外れ値を判定する——IQR法で判定。外れ値があれば理由を確かめる
278|
279|そして最後に、「中心は〇〇、ばらつきは〇〇、外れ値は〇個」と1文でまとめる。これがデータ説明の型の完成形です。
280|
281|### 4-5 明日の報告に1行追加する
282|
283|4ステップ全部をやるのは大変です。でも、既存の報告書に1行だけ追加するだけで、データの説得力は変わります。
284|
285|たとえば「平均328.5万円」の横に「中央値307.5万円」を1つ追加する。または「標準偏差約75万円」を1つ追加する。たった1行で、聞き手に伝わる情報量は倍になります。
286|
287|きれいでなくてよい。1つ追加することから始めましょう。
288|
289|### 4-6 この章の確認（演習）
290|
291|自分の業務データで「中心・ばらつき・外れ値」を1文でまとめ、同僚に説明する練習をしてみてください。1文でデータの特徴が伝わるか——それがこの章のゴールです。
292|
293|## まとめ：平均だけじゃ半分も語れない——もう半分はばらつきが語る
294|
295|4章を1本の線で並べ直しましょう。
296|
297|代表値を知る——平均・中央値・最頻値の3つがある。平均は全データの重心、中央値は順位の真ん中、最頻値は最多の値。外れ値があると平均は引っ張られるが、中央値は動かない。
298|
299|ばらつきを測る——範囲・分散・標準偏差の3つがある。ばらつきが小さければ平均は信用できる。ばらつきが大きければ平均だけでは判断できない。標準偏差は「平均±1σ」の目安として使える。
300|
301|外れ値を見抜く——IQR法で客観的に判定する。外れ値を見つけたら理由を確かめる。捨てるのではなく、説明する。外れ値があるときは中央値を併記する。
302|
303|特徴を語る——代表値＋ばらつき＋外れ値を1文でまとめる。「中心は〇〇、ばらつきは〇〇、外れ値は〇個」——この1文でデータの全体像が伝わる。
304|
305|統計の基礎は「平均さえ出せばOK」ではありません。平均だけではデータの半分も語れない——もう半分はばらつきが語る。すべての判断は「この平均、本当に信用できる？」に戻ります。
306|
307|「平均だけじゃ半分も語れない——もう半分はばらつきが語る。明日の報告に、もう半分を1行追加しよう」——このひと言を、明日のデスクに持っていってください。
308|
309|### 明日の最初の一歩
310|
311|自分の報告書に中央値と標準偏差を1つ追加する。それだけで、報告の説得力は変わります。きれいでなくてよい。1つ追加することが、データの見方を変える第一歩です。
312|
313|### さらに深める導線
314|
315|この講座は「統計の基礎（代表値・ばらつき・外れ値・特徴の説明）」という入口です。さらに深めるなら——
316|
317|- データを図で伝える手法は データ可視化入門 へ
318|- 推測と検定の世界は 推測統計入門 へ
319|
320|実務ですぐに使える計算テンプレートは、テンプレートDLから取得できます。