第4回：平均・分散・標準偏差とは何か？

なぜ平均だけでは足りないのか

みなさん、こんにちは。スマート・アナリティクス代表の畠です。前回は、データを要約するには「中心」と「ばらつき」の2つが必要だという話をしました。今回はその具体的な指標、平均・分散・標準偏差を取り上げます。統計でいちばん最初に出てくる、いわば“基本の3点セット”です。私自身、SPSSの仕事を始めたばかりのころは、この3つを「とりあえず計算するもの」くらいにしか思っていませんでした。けれど、データの“性格”を読むうえで、これほど土台になる道具はありません。

まずは、よくある誤解から始めましょう。「平均が分かれば、だいたい分かるのでは？」——これは、統計を学び始めた人が必ず一度は通る落とし穴です。たとえば、次の2つのクラスを考えてみてください。クラスAはほぼ全員が70点前後。クラスBは30点と100点の生徒が入り混じっている。この2つは、平均点がどちらも70点になることがあります。けれど、「同じ状態」とは、とても言えませんよね。クラスAは「みんな同じくらいの理解度」、クラスBは「できる人とつまずいている人がはっきり分かれている」——指導の打ち手はまるで変わってきます。この違いを捉えるために登場するのが、分散と標準偏差です。

平均とは「中心を代表させる」値

まずは、もっとも有名な指標から見ていきましょう。平均（mean）とは、すべての値を足して、個数で割ったものです。直感的にも分かりやすく、「全体の中心」を一つの数で表すのに適しています。テストの平均点、平均売上、平均年収など、日常でも頻繁に使われていますね。実際、何かのデータを渡されて最初に手が伸びるのは、たいてい平均でしょう。

ただし、平均には明確な弱点があります。それは、極端な値（外れ値）の影響を強く受けるという点です。ごく一部に非常に大きな値・小さな値があるだけで、「典型的」とは言いにくい数字になってしまうことがあります（前回の「平均年収」の例を思い出してください）。たとえば、5人の年収が400万・450万・500万・550万・5,000万だったとします。平均は約1,380万になりますが、この数字を見て「この5人は平均的に1,380万くらい稼いでいる」と読むのは、明らかにおかしいですよね。たった1人の極端な値に、全体の数字が引きずられてしまっているからです。つまり平均は、便利だけれど、単独では危うい指標なのです。

分散とは「ばらつきを数値化する」発想

そこで次に登場するのが、分散です。平均が同じでも、まとまったデータとバラバラなデータでは意味がまったく異なります。分散は、「データが平均からどれくらい散らばっているか」を一つの数値で表そうとする試みです。先ほどのクラスAとクラスB、年収の例——どれも「平均だけでは見えなかった違い」を、ばらつきという切り口で拾い上げるための道具だと考えてください。

考え方は、ざっくり次の3ステップです。まず、各データが「平均からどれくらい離れているか（これを偏差といいます）」を見る。次に、そのズレをすべて考慮する。最後に、全体としての「散らばり具合」を一つの数にまとめる。ここで大事なのは、平均との差そのものではなく、「差の大きさ」を見ている点です（プラスとマイナスが打ち消し合わないよう、差を2乗するという工夫がされています）。分散が小さければデータは平均の近くに集まり、大きければ広く散らばっている、と読み取れます。

なぜ「2乗」して、なぜ「√」で戻すのか

ここは、入門でつまずきやすい——けれど、いちばん腑に落ちると気持ちのいいところです。少していねいに見ていきましょう。まず、なぜ2乗するのか。偏差（平均からのズレ）には、プラスもマイナスも混ざっています。「平均より上の人」はプラス、「下の人」はマイナス。これをそのまま全部足してしまうと、上と下がきれいに打ち消し合って、必ず0になってしまうのです。これでは「散らばりの大きさ」がまったく測れません。

では、どうするか。一つの方法は「ズレの絶対値をとる」ことですが、統計の世界では2乗するやり方が標準になっています。2乗すれば、マイナスはプラスに変わり、符号の打ち消しが起きません。しかも、2乗には「大きなズレをより強調する」という性質があります。たとえばズレが2なら4に、ズレが10なら100に。つまり、平均から大きく外れた値ほど、ばらつきの数字に強く効いてくる。極端な値の存在をしっかり拾える、という意図がここにあります。こうして「2乗した偏差の平均」をとったものが、分散です。

ただ、2乗したことで一つ困ったことが起きます。単位が変わってしまうのです。点数なら「点の二乗」、身長（cm）なら「cmの二乗」。これでは、元のデータと並べても大きさの実感がつかめません。そこで最後に、平方根（√）をとって、単位を元に戻す。これが標準偏差です。「2乗して符号をそろえ、最後に√で元の世界に帰ってくる」——この往復を思い浮かべると、分散と標準偏差の関係はぐっと分かりやすくなります。

標準偏差とは「使いやすくした分散」

ここで多くの人が、「分散って、ちょっと分かりにくい…」と感じます。それは自然な感覚です。なぜなら、いま見たとおり、分散は元のデータの単位が二乗されているからです（点数なら「点の二乗」、売上なら「円の二乗」）。これでは大きさの実感がつかめません。

そこで登場するのが標準偏差です。標準偏差は、ざっくり言えば「分散を、元の単位に戻したもの」と考えてください（具体的には分散の平方根をとります）。その結果、「平均 ± 標準偏差」でだいたいこの範囲に収まる、という形で直感的に解釈できる指標になります。たとえば、あるテストの平均が60点・標準偏差が10点なら、「多くの人がだいたい50〜70点のあたりにいる」という景色が頭に浮かびますよね。散らばりを元の尺度のまま一つの数で表せるため、論文でもレポートでもダッシュボードでも、平均とセットで必ず出てくる——最も多用される指標です。

「平均＋標準偏差」で初めて見える世界

ここまでを整理すると、平均が「データの中心」、標準偏差が「データのばらつき」という役割分担になります。大切なのは、平均だけを見るのではなく、標準偏差と必ずセットで考えることです。同じ平均でも、標準偏差が小さければ安定した集団、大きければ個人差の大きい集団、という質的な違いが見えてきます。

具体例を一つ。ある製品の充填量を2つの工場で測ったところ、どちらも平均500mlだったとします。けれど工場Aは標準偏差2ml、工場Bは標準偏差20ml。平均だけ見れば「同じ品質」ですが、Bは500mlから大きく外れたボトルがしばしば出ているということ。「平均は同じでも、ばらつきが品質を分ける」——標準偏差を見て初めて、その差に気づけるわけです。データを扱う現場では、こうした「平均が同じでも中身は別物」という場面が、本当によくあります。

よくあるつまずき・誤解

ここで、私がご相談を受けるなかで「なるほど、そこで引っかかるのか」と感じることの多い、代表的な誤解を3つ挙げておきます。どれも入門の段階では自然な勘違いなので、心配いりません。むしろ、ここを越えると一段視界が開けます。

誤解その1：「標準偏差が大きい＝悪い」？ いいえ、標準偏差の大小それ自体に、良い・悪いはありません。標準偏差は「ばらつきの大きさ」を表しているだけで、ばらつきが大きいことが望ましい場面もあります。たとえば製品の品質管理なら、ばらつきは小さいほうがうれしい。けれど「いろいろな個性を持つ人が集まっているか」を見たいときには、ばらつきが大きいこと自体が意味を持ちます。大きい・小さいを「何のために見ているのか」とセットで考えるのが大切です。

誤解その2：「平均が同じなら、だいたい同じデータ」？ これは冒頭から繰り返してきたとおり、最大の落とし穴です。クラスAとB、2つの工場——平均が一致していても、中身はまるで別物でした。平均は「中心の位置」しか教えてくれません。そのまわりにデータがどう散らばっているかは、標準偏差を見て初めて分かります。

誤解その3：「分散と標準偏差は別々の難しい指標」？ 実は、この2つは同じものを別の形で表しているだけです。分散の平方根が標準偏差、標準偏差を2乗すれば分散。いわば「同じ散らばりを、二乗した世界で見るか、元の単位で見るか」の違いにすぎません。別々に暗記するのではなく、「単位をそろえるための往復」として一続きで捉えてください。

なぜ統計は「この3つ」から始まるのか

多くの統計分析で、最初に出てくるのは平均・分散・標準偏差です。これは偶然ではありません。これらは「データの中心」と「データの広がり」という、分布の基本構造を最小限の情報で表現できるからです。逆に、この理解がないまま相関・検定・回帰分析に進むと、数字は見えても「意味」が見えなくなってしまいます。だからこそ、この3つは“統計の入口”として、いちばん大切にしてほしい指標なのです。実務でさまざまな分析手法を選んでいくときも、その出発点には必ずこの3つがあります（手法ごとの選び方は分析手法の完全ガイドでも整理しています）。

よくある質問

分散は、なぜ「2乗」するのですか？

平均からのズレ（偏差）には、プラスとマイナスが混ざっています。そのまま足すと打ち消し合って0になってしまうため、2乗して符号をなくし、「散らばりの大きさ」だけを取り出しています。あわせて、大きなズレほど数字に強く効くという性質もあります。

標準偏差は、なぜ最後に平方根（√）をとるのですか？

分散は2乗してあるため、単位も2乗（点の二乗、cmの二乗…）になっています。これでは元のデータと大きさを比べにくいので、平方根をとって単位を元に戻します。こうすると「平均±標準偏差」がそのままの尺度で読めるようになります。

分散と標準偏差は、どちらを使えばよいですか？

解釈には標準偏差が便利です。元の単位（点・円など）に戻るため、「平均±標準偏差」で範囲を直感的につかめます。分散は計算や理論の場面で使われます。どちらも同じ「ばらつき」を表しているので、対立する指標ではありません。

標準偏差が大きいのは、悪いことですか？

いいえ、大小それ自体に良し悪しはありません。「ばらつきが大きい」という事実を表しているだけです。品質管理では小さいほうが望ましい一方、多様性を見たい場面では大きいこと自体に意味があります。何のために見ているのか、とセットで判断してください。

「平均±標準偏差」には、どれくらいのデータが入りますか？

分布の形によって変わりますが、左右対称の釣鐘型（正規分布）に近い場合、およそ7割のデータが「平均±1標準偏差」の範囲に入るとされています。 くわしくは第5回の「分布」で見ていきます。

外れ値があるときは、どう気をつければよいですか？

平均も標準偏差も、極端な値の影響を受けやすい指標です。数字だけで判断せず、まずはヒストグラムなどで「外れ値が混じっていないか」を目で確かめるのがおすすめです（次回・第5回で詳しく扱います）。中央値など、外れ値に強い別の指標と併せて見るのも有効です。

次回に向けて

次回・第5回では、度数分布表とヒストグラムを使って、平均や標準偏差が「どこから来た数字なのか」を視覚的に確認していきます。数字だけでは分からなかったことが、一気に「形」として見えてくる回です。ここまで来れば、統計は公式の暗記ではなく、「データの性格を読む言語」だと感じられるはずです。

このシリーズを最初から、あるいは前後の回とあわせて読みたい方は、次のページもどうぞ。第1回・第2回・第3回でここまでの土台を、第5回以降（第6回・第7回・第8回・第9回）でさらに先の話を扱っています。