統計学の基礎

代表値とは、データセット全体の特徴を 1 つの数値で表す指標です。データの「中心的な水準」を示しますが、データの分布によって、どの代表値を選ぶかが変わります。

すべてのデータを合計して、データの個数で割った値です。最も一般的に使われます。

計算式: 平均値 = (すべてのデータの合計) ÷ (データ個数)

記号: x̄ (エックスバー) で表現。x₁ + x₂ + ... + xₙ を n で割った値。

特徴: 外れ値に強く引っ張られやすい。計算に全データを使うため、統計的な処理が簡単。

何を示すか: データが「平均的には」どのレベルにあるかを示します。全体の水準把握に適します。

データを大きさの順に並べたとき、ちょうど真ん中に位置する値です。データ数が偶数の場合は、中央の 2 つの値の平均。

計算方法:

特徴: 外れ値の影響を受けにくい。データが歪んでいる場合に有効。

何を示すか: 「上半分と下半分を分ける」値。極端な値に左右されない「代表値」です。

データの中で最も頻繁に現れる値です。複数存在する場合もあります。

計算方法: データを見て、最も繰り返し出現する値を数えます。

特徴: 離散的なカテゴリーデータに向いている。分布の「山」がどこにあるかを示す。

何を示すか: データの「最も典型的な」パターンを示します。アンケート結果や商品の売上数など、離散データの中心を知りたいときに活躍。

平均値の計算手順:

平均値 = 10

中央値の計算手順:

最頻値の計算手順:

解釈: 外れ値 42 が平均値を大きく引き上げ、10 になっています。しかし中央値 5 は、より「典型的な」値を示しています。給与、不動産価格、売上など実務データに外れ値がある場合は、中央値が現実的です。

平均が同じでも、データの散らばり方は異なることがあります。散布度（ばらつきの大きさ）を測る指標が重要です。

各データが平均からどの程度離れているかを、二乗して平均した値です。ばらつきの大きさを定量的に示します。

計算式: 分散 = (各データと平均の差) を二乗して、全部足して、個数で割る

言葉での説明: 各データが平均値からどれだけ離れているか（偏差）を二乗して、その平均を求めます。二乗するのは、負の数を避けるため。

記号と計算: 分散をs²で表します。s² = [(x₁ - x̄)² + (x₂ - x̄)² + ... + (xₙ - x̄)²] ÷ n

何を示すか: ばらつきの大きさを数値化します。分散が大きい = データがばらついている。分散が小さい = データが集中している。

分散の平方根です。分散と異なり、元のデータと同じ単位を持つため、実務的に解釈しやすいです。

計算式: 標準偏差 = √分散

何を示すか: 「平均からどの程度のズレが『普通』か」を示します。分散より実務的です。

利点: 分散は単位が「元のデータの二乗」になるため解釈が難しいですが、標準偏差は元の単位（例：万円、個）で表せます。

ステップ1：平均値を計算

ステップ2：各データの偏差（平均との差）を計算

ステップ3：偏差を二乗

ステップ4：分散を計算

ステップ5：標準偏差を計算

解釈: データは平均 8 を中心に、約 2.83 の幅でばらついています。通常、データの約 68% は「平均 - 1×標準偏差」から「平均 + 1×標準偏差」の範囲に収まります。この場合、5.17 から 10.83 の範囲にデータが集中することを期待します。

異なる単位や平均レベルのデータを比較するとき、分散や標準偏差だけでは不十分です。変動係数（相対的なばらつき）を使います。

計算式: 変動係数 = (標準偏差 ÷ 平均) × 100%

何を示すか: 「平均に対して、ばらつきがどの程度の割合か」を示します。同じ標準偏差でも、平均が大きいとばらつきは相対的に小さいです。

用途: 売上（万円）と費用率（%）など、単位が異なるデータのばらつきを比較する場合。変動係数が小さいほど、平均に対して安定しています。

計算例:

解釈：B商品の方がばらつきが相対的に小さい（安定している）と判断できます。

データを 4 等分する 3 つの値（第1四分位数、第2四分位数=中央値、第3四分位数）と、最小値、最大値を用いて、データの分布を視覚化します。

四分位数の定義:

外れ値の判定基準: 外れ値は一般に以下の範囲外にあるデータです：

箱ひげ図の読み方: 「箱」の上下が Q1 と Q3、中の線が Q2（中央値）、「ひげ」が最小・最大値を表します。外れ値は個別の点で表示されます。

計算例：データセット 25（9個）

**正規分布（ノーマル・ディストリビューション）**は、自然界や経営データの多くが従う分布です。次の性質があります：

正規分布では、以下の確率規則が成り立ちます。試験と実務で頻出です。

ルールの内容:

記号での表記: 平均を μ（ミュー）、標準偏差を σ（シグマ）とすると、以下が成り立ちます。

実務的な活用:

計算例：ある工場で、製品の重量は平均 1000g、標準偏差 10g の正規分布に従うとします。

平均 0、標準偏差 1 に標準化した分布です。任意の正規分布を標準正規分布に変換することで、統計表を共通利用できます。

標準化（Z スコア化）の計算方法:

Z スコア = (データ値 - 平均) ÷ 標準偏差

何を示すか: あるデータが平均から何個の標準偏差分離れているかを示します。

計算例：

統計表の活用: Z スコアが決まれば、標準正規分布表から「どの程度のレアさか」を読み取れます。Z = 1 なら上位約 16%、Z = 2 なら上位約 2.3% です。

テストや評価で使われる偏差値は、標準正規分布を 50 を中心にスケーリングしたものです。

計算式: 偏差値 = 50 + 10 × Z スコア = 50 + 10 × [(データ値 - 平均) ÷ 標準偏差]

何を示すか: 「50 を平均としたときの、相対的な位置」。偏差値 50 = 平均。偏差値 60 = 平均より 1σ 上（上位約 16%）。

計算手順例：

あるテストで、受験者平均は 60 点、標準偏差は 10 点です。あなたが 70 点を取得した場合：

ステップ1：Z スコアを計算

ステップ2：偏差値を計算

ステップ3：解釈

実務的な活用: 偏差値を使うことで、異なるテスト間でも「相対的な成績」を比較できます。テスト A で偏差値 55、テスト B で偏差値 55 なら、両者は「同じレベル」です。

**相関係数（r）**は、2 つの変数がどの程度一緒に動くかを測ります。

何を示すか: 「2つの変数がどれほど関連しているか」の強さと方向を、-1 から 1 の数値で表します。

相関係数の範囲: -1 ≤ r ≤ 1

計算の直感的理解: 2 つのデータセット X と Y について、「X が平均から上にぶれているときに、Y も上にぶれているか」を調べる。プラスなら正の相関。

統計的な目安として、以下の区分が使われることが多いです（分野による変動あり）：

重要な注意: 「強い」「中程度」の定義は分野により異なります。経済学では 0.5 で中程度、医学では 0.3 でも有意義とされることがあります。

視覚的に判断するとき: 散布図（XY平面にデータ点をプロット）を見て、点がどのパターンに従うかで相関を感覚的に判断できます。

最大の誤り: 「相関が高い ＝ 因果関係がある」と解釈すること。

相関係数が高くても、因果関係を示さない場合が 3 つあります：

変数 A と B に相関があるとき、「A が B を引き起こす」のか「B が A を引き起こす」のかは、相関だけでは判定不可。

例と詳細: 売上と広告費の相関が高いとします。

試験での対策: 因果の方向が問われたときは、「相関からは判定できない」が正解。

A と B が相関していても、実は C（交絡変数）が両方に影響している場合。

有名な例：アイスクリーム売上と熱中症患者の相関は 0.9 で非常に高い。

別の例：企業規模と研修投資の相関が 0.6

試験での対策: 相関が高くても「実は第3の変数が原因」の可能性を常に考える。

全く無関係な 2 つの変数が、たまたま相関を示すこともあります。サンプル数が少ないと特に起こりやすい。

例：全世界の映画興行収入とノーベル賞受賞者数の相関が 0.8。

試験での対策: 常識的に「関係がありえない」なら、統計的な相関は無視する。

相関係数は 1 つの数字ですが、散布図（複数データ点をプロット）を見ることで、より正確に関係を理解できます。

散布図から読み取ること:

具体例：

回帰分析は、ある変数（独立変数 x）を用いて、別の変数（従属変数 y）を説明・予測する統計手法です。

回帰式：y = a + bx

ここで：

何を示すか: 「x と y の間の平均的な直線関係」を示します。「x を知れば、y をおおよそ予測できる」ということです。

実データはすべてが直線上に載りません。回帰直線は、予測値と実観測値の誤差を最小化するように引きます。これが最小二乗法です。

何をしているのか:

直感的な理解: 「データ点にできるだけ近い直線」を探しています。直線の上下にバラバラに散らばったデータについて、その「平均的な動き」を捉える。

データセット：

ステップ1：平均値を計算

ステップ2：傾き b を計算（共分散と分散を使う）

表を作ります。（x - 3）と（y - 10）の積、そして（x - 3）の二乗を計算。

傾き b = (x と y が共に平均からズレている積の合計) ÷ (x が平均からズレている二乗の合計)

ステップ3：切片 a を計算

ステップ4：回帰式を書く

ŷ = 2.8 + 2.4x

（ŷは「y ハット」と読み、予測値を意味します）

ステップ5：解釈

ステップ6：予測例

広告費が 6 万円の場合、売上を予測：

結果：広告費 6 万円では売上は約 17.2 百万円と予測されます。

決定係数 R²は、回帰式がデータのばらつきをどれほど説明しているかを示す指標です。

範囲と意味: 0 ≤ R² ≤ 1

計算の関係: R² = (相関係数 r)²

例えば、相関係数 r = 0.8 なら、R² = 0.8² = 0.64（64% 説明）。

実務的な読み方: 営業経験年数と売上成績の r = 0.8 なら、R² = 0.64。経験が売上の 64% を説明し、残り 36% は他の要因（営業スキル、商品知識、顧客属性など）による。

回帰の設問では、重相関係数、決定係数、自由度調整済み決定係数 を近い選択肢として並べ、どれが負になり得るか、説明変数を増やすとどうなるか を問うことがあります。ここは 何を示す指標か と 取り得る範囲 を分けて覚えるのが安全です。

決定係数 R² は説明変数を増やすと一般に下がりにくい一方、自由度調整済み決定係数 は 説明変数を増やしたが効果が薄い ときに下がることがあります。したがって、説明変数を増やすと必ず良く見える のを補正するのが自由度調整の役割です。

また、最小二乗法は説明変数が 2 つ以上でも使えます。 重回帰だから最小二乗法は使えない という理解は誤りです。診断士試験では 何が必ず成り立つか を問われるので、重相関係数は負にならない、自由度調整済み決定係数は負になり得る を先に固定してください。

実務では x が 1 つではなく、複数の要因が y に影響します。そこで重回帰分析を使います。

重回帰式: y = a + b₁x₁ + b₂x₂ + ... + bₙxₙ

例えば、売上に影響する要因：

売上 = 5 + 2.4 × 広告費 + 3.0 × 人員数 + 0.8 × 経験年数

解釈方法:

利点: 複数の要因を同時に考慮できる。しかし計算が複雑なため、通常は統計ソフト使用。

複数の説明変数が高い相関を持つと、重回帰分析の結果が不安定になります。これを多重共線性と呼びます。

何が起こるか: 説明変数 x₁ と x₂ が高い相関（例：r = 0.9）を持つ場合、「x₁ の効果」と「x₂ の効果」が区別しにくくなる。

例： 売上 = a + b₁ × 広告費 + b₂ × テレビCM本数

広告費とテレビCM本数は高い相関を持つ（広告費が多いほど CM 本数が多い）なら、どちらが売上を増やしているかが不明確。

対策:

2 つ以上の事象が「どれか 1 つ起こる」確率を計算します。

基本形: P(A または B) = P(A) + P(B) - P(A かつ B)

何を示すか: 「事象 A が起こる確率」と「事象 B が起こる確率」を足すとき、両方が起こる確率を引く。（重複を避けるため）

簡単な例： 1 つのサイコロを振るとき：

実務例： ある営業が「顧客 A から受注する確率 40%」「顧客 B から受注する確率 30%」「両方から受注する確率 10%」のとき、「少なくとも 1 つから受注する確率」：

2 つ以上の事象が「すべて起こる」確率を計算します。

基本形：P(A かつ B) = P(A) × P(B|A)

ここで P(B|A) は「A が起きたという条件下での B の確率」（条件付き確率）。

独立事象の場合（A と B が無関係）：

何を示すか: 複数の事象が同時に起こるには、各事象の確率を掛ける。

簡単な例： サイコロを 2 回振るとき：

実務例： 営業 A の受注率 70%、営業 B の受注率 80% が独立なら、両方が受注する確率：

独立事象: ある事象が起こるかどうかが、他の事象に影響しない。

従属事象: ある事象が起こるかどうかが、他の事象に影響する。

計算の違い:

ソフトウェアの不良件数や、検査で見逃されているエラー件数を推定したいときに使われるのが 捕獲再捕獲法（Lincoln-Petersen推定） です。すべてを完全に数えられない状況でも、2回の調査結果の重複から全体数を逆算します。

推定式は次のとおりです。

考え方は、第1回で見つかった割合 M / N と 第2回の中で重複した割合 R / C を対応させることです。

例

したがって、全体では約 240 件のエラーがあると推定できます。すでに見つけた件数との差を考えれば、未発見件数の概算にも使えます。

試験では、重複件数 R が小さいほど全体推定値は大きくなる ことも重要です。重複が少ないということは、2回の検査で別々の不良を多く見つけているため、まだ未発見がかなり残っている可能性が高いからです。

仮説検定は、「データから得られた証拠が、ある主張を支持するか」を統計的に判定するプロセスです。

大まかな流れ:

何をしているか（直感的に）: 「帰無仮説（『差がない』『効果がない』）が本当だとしたら、このデータが得られる確率は何%か」を計算し、非常に低ければ「帰無仮説は間違い」と結論。

帰無仮説（H₀：Null Hypothesis）: 「差がない」「効果がない」「関係がない」という慎重な仮説。検定は常にこれを棄却できるかを問う。

例：

対立仮説（H₁：Alternative Hypothesis）: 帰無仮説の反対。研究者が「本当はこうなのでは」と予想する仮説。

例：

なぜこの流れか： 直感的には「対立仮説が正しいか」を問いたいのですが、統計学では慎重に「帰無仮説を棄却できるか」という逆を問う。これで偽陽性（ウソの発見）を避ける。

有意水準（α：アルファ）: 「帰無仮説を棄却する基準」。通常 0.05（5%）または 0.01（1%）。

意味: 「帰無仮説が正しいのに、誤って棄却する確率」の上限。5% なら「100 回検定して、5 回は偽陽性が出てもいい」という許容度。

p 値: 「帰無仮説が正しいと仮定したとき、これ以上に極端なデータが得られる確率」。

判定ルール:

重要な勘違い: p = 0.03 は「帰無仮説が正しい確率が 3%」ではなく、「帰無仮説が正しいという前提で、このデータ以上に極端な結果が 3% の確率で起こる」という意味。

仮説検定には 2 種類の誤りがあります：

トレードオフ: α を厳しくする（偽陽性を減らす）と β が増えやすく、β を小さくする（偽陰性を減らす）と α が増える傾向。両立はできません。

検出力（1 - β）: 「帰無仮説が間違っているとき、それを正しく検出する確率」。高い方が望ましい。通常は 80% 以上を目指します。

ステップ1：帰無仮説と対立仮説を明確に設定

例：「新営業手法の導入により、平均売上が増えるか」

ステップ2：有意水準を決定

通常 α = 0.05（5%）。厳しく判定したければ 0.01（1%）。

ステップ3：検定統計量を計算

データから、t 値や χ² 値などを計算。（方法は検定の種類による）

ステップ4：p 値を求める

計算した検定統計量から、統計表を使って p 値を算出。

ステップ5：判定

ステップ6：結論を述べる

「統計的に有意な差が見られた」か「見られなかった」か、そして実務的な意味を述べる。

用途: 2 つのグループの平均に差があるか判定

具体例: A 営業所と B 営業所の平均売上が異なるか判定したい。各営業所の売上データを集めて、両者が有意に異なるか検定。

検定統計量：

t = (グループ1の平均 - グループ2の平均) ÷ √(各グループのばらつきを合わせた標準誤差)

分子は平均の差（大きいほど差が明確）、分母はデータのばらつきを考慮（ばらつきが大きいと、差は相対的に小さい）。

用途: カテゴリー変数間の関係があるか判定

具体例: 「性別（男/女）」と「商品選好（商品 A/B）」に関連があるか判定したい。クロス集計表を作り、男は A を好む傾向があるか、女は B を好む傾向があるか検定。

クロス集計表から χ² 統計量を計算し、変数の独立性を検定。

用途: 複数グループ（3 つ以上）間に有意な差があるか判定

具体例: A、B、C の 3 営業所の平均売上に有意な差があるか判定。2 グループ比較の拡張。

分散分析（ANOVA）とも呼ばれます。

統計の設問では、分布名を暗記しているかよりも、何を比べたいのか を読めるかが重要です。平均、分類の関係、3 群以上の比較、成功 / 失敗の回数 をまず切り分けると、誤答しにくくなります。

平均売上が 50 万円から 52 万円へ上がったように見える といった設問は、まず 平均 の話なので、発想としては t 検定 / z 検定 側です。逆に 100 件中 8 件が不良 のように 成功回数・失敗回数 を数えるなら、二項分布の文脈が自然です。何を数えているのか を主語にすると、分布名の丸暗記に頼らず切れます。

顧客、商品、取引先などを重要度でランク分けし、経営資源を効率配分する手法。データの「重要な 20%」に集中することで、成果の 80% が得られるという原理（パレートの法則）に基づきます。

分類基準:

実務例と計算の流れ：

全商品 100 品目の売上データがある場合：

マトリックス表示：ABC分析結果を 2×2 表で視覚化することもあります。（売上規模 vs 成長率、利益率 vs 顧客数など）

時間とともに変化するデータを分析し、将来を予測します。

直近 n 期間の平均を次々と計算する方法。トレンド（長期的な傾向）を抽出し、季節変動を除去します。

計算方法：

移動平均（t 時点）= (t 時点のデータ + 1期前 + 2期前 + ... + (n-1)期前) ÷ n

具体例：売上の 3 ヶ月移動平均

何をしているか: 毎月の売上はバラバラでも、3 ヶ月ごとの平均を見ると「長期的なトレンド」が見えやすくなります。

実務的な活用: 季節変動（夏に売上が上がる商品など）を除去し、本質的な景気トレンドを把握。

最近のデータに大きな重みを付けて平滑化します。最新の動向をすばやく反映。

計算式: 予測値（次期）= α × 最新実績値 + (1 - α) × 前期予測値

ここで α は平滑定数（0 < α < 1）。α が大きいほど最新データを重視。

具体例：α = 0.3、前期予測が 100、今期実績が 110 なら：

何をしているか: 過去のすべてを均等に扱うのではなく、最近ほど重く見る。トレンド変化への反応が速い。

2 つ以上のカテゴリー変数の関係を行と列で整理。χ² 検定で独立性を検定します。

例：性別と営業所の分布

読み方:

χ² 検定: 「性別と営業所は本当に独立か」を統計的に判定。

誤り: 5 つの営業所の売上が [500, 510, 520, 530, 3000] 万円の場合、平均 1012 万円で「平均的な売上」と評価し、リソース配分を決定。

問題点: 1 人の高成績者（3000 万円）が平均値を大きく引き上げていて、実際の「代表的な」売上ではない。

正しい対応:

誤り: 「営業経験年数と売上が相関 r = 0.85 ⇒ 経験が売上を決める」と結論し、採用・教育戦略を決定。

問題点: 複数の説明が可能です。

正しい対応:

誤り: 「相関係数が 0.7 だから、回帰式で説明力は 70%」と評価。

問題点: これは間違いです。

正しい対応: 説明力（R²）= (相関係数)² = 0.7² = 0.49 = 49%。相関係数の自乗が説明力。

誤り: サンプル数 10,000 人で「新商品購買意向が 40% → 41% に増加（p < 0.01）」を「有意だから重要」と判定し、大規模投資を決定。

問題点: 統計的有意性（偶然ではない）と実務的有意性（業務上価値がある）は別物。

正しい対応:

誤り: 「p = 0.03 だから、帰無仮説が正しい確率は 3%」と解釈。

問題点: これは統計学的に間違いです。

正しい解釈: 「帰無仮説（『差がない』）が正しいという仮定の下で、これ以上に極端なデータが得られる確率が 3%」という意味。帰無仮説が正しい確率そのものではありません。

言い換え: 帰無仮説が本当に正しければ、同じ実験を 100 回繰り返すと 3 回くらいは今回と同じかもっと極端な結果が出る、ということ。

誤り: 10 人のサンプルで「平均売上は 500 万円、標準偏差 50 万円」と報告し、「確実に 450 ～ 550 万円」と主張。

問題点: サンプルサイズが小さいと、推定精度が非常に悪い。

正しい対応:

「中心」を問う場合 → 平均、中央値、最頻値から選ぶ。外れ値有無で判定。

「ばらつき」を問う場合 → 分散、標準偏差、範囲、四分位範囲を検討。

「関係」を問う場合 → 相関係数か回帰分析か、目的で使い分け。

「差」を問う場合 → 仮説検定（t 検定、χ² など）へ。