情報Ⅰ コース
✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ ✓ 19 20
19 STEP 19 / 21

データの分析

⏱ 約30分 やってみよう 2 クイズ 5

🎯 このレッスンで学ぶこと

  • データの種類(尺度水準)を見分けられるようになります。
  • 平均値・中央値・最頻値の違いと、外れ値に強いのはどれかがわかります。
  • 分散と標準偏差を自分で計算できるようになります。
  • 四分位数を求めて、箱ひげ図を読めるようになります。
  • 散布図と相関係数、回帰直線の読み方がわかります。

🏷 データの種類:4つの尺度水準

データには「計算してよいもの」と「してはいけないもの」があります。それを分類したものが尺度水準です。

尺度特徴例分類
名義尺度区別するためだけの値。大小や順番に意味はない血液型、都道府県、電話番号質的データ
順序尺度順番に意味がある。ただし間の幅は等しいとは限らない順位、5段階評価、アンケートの「満足・ふつう・不満」
間隔尺度差(引き算)に意味がある。0 は「何もない」ではないので、比(何倍か)には意味がない気温(℃)、西暦量的データ
比例尺度0 が「何もない」を表し、差も比も意味がある身長、体重、金額、時間

たとえば気温 20℃ は 10℃ より「10℃高い」とは言えますが、「2倍暑い」とは言えません。0℃ は「温度がない」という意味ではないからです。これが間隔尺度です。 一方、体重 60kg は 30kg の「2倍重い」と言えます。これが比例尺度です。

📊 代表値:平均値・中央値・最頻値

たくさんのデータを1つの数で表したものを代表値といいます。次の8人の小テスト(10点満点)の点数で考えてみましょう。

2, 4, 4, 4, 5, 5, 7, 9

  • 平均値:全部足して個数で割った値。(2+4+4+4+5+5+7+9) ÷ 8 = 40 ÷ 8 = 5
  • 中央値(メジアン):小さい順に並べたときの真ん中の値。8個(偶数個)なので、真ん中の2つ(4番目の 4 と5番目の 5)の平均をとって 4.5
  • 最頻値(モード):いちばん多く出てくる値。4 が3回で最多なので 4

このように、3つの代表値は同じになるとは限りません。

💡 外れ値に強いのは中央値:5人のおこづかいが 3000, 3000, 4000, 5000, 30000(円)だとします。 平均値は 45000 ÷ 5 = 9000円 ですが、9000円以上もらっているのは1人だけです。中央値は 4000円 で、こちらの方が「ふつうの人」の感覚に近いですね。 平均値は極端に大きい(小さい)値=外れ値に引っぱられやすく、中央値は引っぱられにくいのです。

📏 散らばり:分散と標準偏差

平均値が同じでも、データがまとまっているか、ばらばらかは違います。その散らばりの大きさを表すのが分散と標準偏差です。

📝 このコースでの定義:分散は「偏差(各データ − 平均値)の2乗の平均」、つまり偏差の2乗を全部足してデータの個数 n で割った値とします。 統計の本によっては n − 1 で割る分散も出てきますが、情報Ⅰ・数学Ⅰでは n で割るのが基本です。

さっきの 2, 4, 4, 4, 5, 5, 7, 9(平均値 5)で計算してみます。

データ24445579
偏差(データ − 5)−3−1−1−10024
偏差の2乗911100416
  • 偏差の2乗の合計 = 9 + 1 + 1 + 1 + 0 + 0 + 4 + 16 = 32
  • 分散 = 32 ÷ 8 = 4
  • 標準偏差 = 分散の正の平方根 = √4 = 2

偏差をそのまま足すと、必ず 0 になってしまいます(プラスとマイナスが打ち消し合う)。だから2乗してから足すのです。 ただし2乗したぶん単位も「点の2乗」になってしまうので、ルートをとって元の単位(点)に戻したものが標準偏差です。

▶ 動かしてみよう:配列の平均値と分散

    「1行ずつ実行」を押すたびに1手順ずつ進み、いま実行した行が光ります。

    📦 変数の中身

    まだ何も入っていません

    🖥 表示された内容

     
    📝 トレース表(実行した順の記録)
    手順行起きたこと
    ⚡ 同じ処理を JavaScript で書くと?

    試験の表記と本物のプログラミング言語は、書き方が少し違うだけで考え方は同じです。

    const Data = [2, 4, 4, 4, 5, 5, 7, 9];
    const n = Data.length;
    let goukei = 0;
    for (let i = 0; i <= n - 1; i++) {
      goukei = goukei + Data[i];
    }
    const heikin = goukei / n;
    let hensa2 = 0;
    for (let i = 0; i <= n - 1; i++) {
      hensa2 = hensa2 + (Data[i] - heikin) ** 2;
    }
    const bunsan = hensa2 / n;
    console.log("平均値 " + heikin + " 分散 " + bunsan);

    💡 動かすには:コードをコピーし、ブラウザで F12(Mac は ⌘+⌥+I)を押して開く「コンソール」に貼り付けて Enter。console.log の結果が表示されます。

    1回目の繰り返しで合計を、2回目の繰り返しで「偏差の2乗」の合計を求めています。平均値がわからないと偏差が計算できないので、繰り返しが2回に分かれているのがポイントです。 「✏️ 書き換える」で配列の値を変えて、分散がどう変わるか試してみましょう(たとえば全部 5 にすると分散は 0 になります)。

    📦 四分位数と箱ひげ図

    データを小さい順に並べて、4等分する位置の値を四分位数といいます。

    📝 このレッスンで使う求め方:四分位数の求め方は、教科書やソフトによって少し流儀が分かれることがあります。このコースでは次の方法を使います。
    1. データを小さい順に並べ、全体の中央値を第2四分位数(Q2)とする
    2. 中央値を境に、データを前半と後半に分ける(個数が奇数のときは、真ん中の値はどちらにも入れない)
    3. 前半の中央値を第1四分位数(Q1)、後半の中央値を第3四分位数(Q3)とする

    例:9人の点数 2, 3, 5, 6, 7, 7, 8, 9, 10

    • Q2(中央値)= 5番目の値 = 7
    • 前半 2, 3, 5, 6 の中央値 = (3 + 5) ÷ 2 = 4 → Q1
    • 後半 7, 8, 9, 10 の中央値 = (8 + 9) ÷ 2 = 8.5 → Q3
    • 四分位範囲 = Q3 − Q1 = 8.5 − 4 = 4.5(真ん中の約半分のデータが入る幅)
    • 範囲 = 最大値 − 最小値 = 10 − 2 = 8

    この5つの値(最小値・Q1・中央値・Q3・最大値)を図にしたものが箱ひげ図です。

    0246810 最小値Q1中央値Q3最大値

    箱の中には真ん中の約半分のデータが入ります。箱やひげが長いほど、そのあたりのデータが散らばっているということです。 なお、箱ひげ図には平均値は描かれないのが基本です(平均値を「+」などで書き足す場合もあります)。また、各区間に何人いるかは「約4分の1ずつ」としかわからず、ちょうどの人数は読み取れません。

    📈 散布図と相関係数

    2つの量の関係を見るには、横軸と縦軸に1つずつとって点を打つ散布図を使います。

    • 右上がりに点が並ぶ → 正の相関(一方が大きいほど、もう一方も大きい傾向)
    • 右下がりに点が並ぶ → 負の相関(一方が大きいほど、もう一方は小さい傾向)
    • どちらとも言えない → 相関がない

    相関の強さを数で表したのが相関係数 r です。r は必ず −1 以上 1 以下の値になり、1 に近いほど強い正の相関、−1 に近いほど強い負の相関、0 に近いほど相関が弱いことを表します。

    ▶ さわってみよう:点を置くと相関係数が変わる

    グラフの中をクリック(タップ)すると点が増えます。点はドラッグで動かせます。r がどう変わるか見てみましょう。

    x y

    r =

    点線は回帰直線(次の節で説明します)。「強い・弱い」の言葉はおおまかな目安です。

    やってみよう:①「正の相関の例」で、右下の方に1点だけ置いてみましょう。たった1つの点(外れ値)で r が大きく下がるはずです。 ②「全部消す」のあと、ほぼ一直線に右上がりに点を並べると、r は 1 に近づきます。

    ⚠️ 相関があっても、因果関係とは限らない:夏になると、アイスクリームの売上と、熱中症で運ばれる人の数はどちらも増えます。2つの間には正の相関がありますが、 「アイスを食べると熱中症になる」わけではありません。気温という別の原因が両方を増やしているだけです。 このように、相関関係から「一方が原因でもう一方が起きる」(因果関係)とすぐに決めつけてはいけません。

    📐 回帰直線:傾向を1本の直線で表す

    散布図の点の並びに、いちばんよく当てはまるように引いた直線を回帰直線といいます。各点と直線の縦方向のずれを2乗して足した値が最も小さくなるように引きます(最小二乗法)。

    たとえば、1日の勉強時間 x(時間)と小テストの点数 y(点)の回帰直線が y = 5x + 40 だったとします。読み方は次のとおりです。

    • 傾き 5:勉強時間が1時間多い人は、点数が平均的に約5点高い傾向がある
    • 予測:勉強時間が2時間の人の点数は、およそ 5 × 2 + 40 = 50点と予測できる
    • 注意:あくまで「傾向」です。全員がこの通りになるわけではなく、データの範囲から大きく外れた値(たとえば勉強時間20時間)の予測はあてになりません

    📝 定期テストではこう出る

    • 尺度の分類:「気温・順位・血液型・身長はそれぞれどの尺度か」
    • 代表値と分散の計算:5個前後のデータから平均値・中央値・分散を求める(偏差の表を書くと速くて確実)
    • 箱ひげ図:データから四分位数を求めて箱ひげ図を選ぶ、または箱ひげ図から範囲・四分位範囲を読む
    • 相関係数と散布図の対応:「r = −0.8 に近い散布図はどれか」

    🎓 共通テストではこう出る

    共通テストのデータの活用の問題では、統計量の表・散布図・箱ひげ図などが複数並べて示され、「読み取れることとして正しいもの」を選ぶ形の問題が中心です。 細かい計算よりも、次のような「読み違い」をしないことが大切です。

    • 箱ひげ図から平均値やちょうどの人数を読み取ったつもりになる
    • 相関があることを、因果関係があると言いかえてしまう
    • 「必ず〜」「すべての〜」など、言い過ぎの選択肢を選んでしまう

    表計算ソフトの関数(AVERAGE・MEDIAN など)と組み合わせて出題されることもあります。次のレッスン20で、共通テスト形式の問題に挑戦してみましょう。

    📖 もっと詳しく:情報Ⅰ データの活用のテスト対策 / グラフの読み取り方 / 共通テストの表計算対策

    📝 まとめ

    • ✅ 尺度は 名義・順序(質的)と 間隔・比例(量的)の4つ
    • ✅ 平均値は外れ値に引っぱられやすく、中央値は引っぱられにくい
    • ✅ 分散=偏差の2乗の平均、標準偏差=分散の正の平方根
    • ✅ 箱ひげ図は 最小値・Q1・中央値・Q3・最大値 の5つの値で描く。箱には真ん中の約半分
    • ✅ 相関係数は −1〜1。相関があっても因果関係とは限らない
    • ✅ 回帰直線の傾きは「x が1増えると y が平均的にどれだけ変わるか」

    ✅ このレッスンが終わったら

    次はいよいよ最後のレッスン。プログラムとデータの分析の、共通テスト形式の大問に挑戦します。

    次のレッスン: 共通テスト形式の総合演習 →

    このレッスンは役に立ちましたか?

    目次