データの平均・標準偏差・四分位数を計算する
テストの点数や売上、測った長さなどの数値の列を貼り付けるだけで、平均値・中央値・標準偏差・分散・四分位数・パーセンタイルを計算し、ヒストグラムと箱ひげ図を描きます。四分位数は、Excel の関数と同じ求め方と、中学校の教科書の求め方を切り替えて比べられます。
- 標準偏差は「平均との差の2乗」を平均して平方根をとった値です。データを大きな集団の一部(標本)と見るなら n−1 で割り(Excel の STDEV.S)、データが集団の全部なら n で割ります(STDEV.P)。
- 四分位数は求め方が1つではありません。Excel の QUARTILE.INC(このページの既定)、QUARTILE.EXC、中学校の教科書の方法で、値が違うことがあります。
- パーセンタイルは、小さい順に並べて下から p% の位置にある値です。90パーセンタイルは、下からおよそ90%・上からおよそ10%の位置です。
計算結果
度数分布表(ヒストグラムの数)
四分位数の求め方による違い
パーセンタイルの表
計算式と計算の内訳
上位何%?・パーセンタイルの値を調べる
使い方と結果の読み方
左の欄に数値を1行に1つずつ入れるか、Excel やスプレッドシートの1列をコピーして貼り付けます。入力するたびに計算し直し、読み取った個数を入力欄のすぐ下に表示します。Excel で数えた個数と同じかを、まず確かめてください。
結果の一番上が平均値、その下に標準偏差・中央値・四分位範囲を並べています。一覧の表には、それぞれと同じ値を返す Excel の関数名を添えました。ヒストグラムはデータがどのあたりに多いか、箱ひげ図は真ん中の半分がどの範囲にあるかを示します。図と同じ数は、図の下の折りたたみ(度数分布表など)で表としても読めます。
「上位何%?」に値を入れると、その値以上のデータが全体の何%かと偏差値を、「p パーセンタイル」に%を入れると、その位置の値を表示します。
平均値・中央値・標準偏差の求め方
最初に入っている「20人のテストの点数」(架空の例)で、計算の流れを追ってみます。
- 平均値……合計 1,402点 ÷ 20人 = 70.1点。
- 中央値……小さい順に並べた真ん中の値です。20個は偶数なので、10番目(71点)と11番目(72点)の平均で 71.5点。
- 分散……それぞれの点数と平均値との差(偏差)を2乗して足すと 3,411.8 になります。これを 20 − 1 = 19 で割ると 179.57、20 で割ると 170.59 です。分散の単位は元の単位の2乗(点²)になります。
- 標準偏差……分散の平方根で、単位が元にもどります。19 で割った分散からは 13.40点、20 で割った分散からは 13.06点。平均からのふつうの離れ具合が、おおよそ13点ということです。
この例には、ほかから離れた28点の人が1人います。この1人を除いて計算し直すと、平均値は70.1点から72.3点へ2.2点上がりますが、中央値は71.5点から72点へ0.5点しか動きません。平均値は全員の値を足すので、極端な値に引っぱられやすいのです。平均値と中央値が大きく違うときは、両方を並べて伝えるのがおすすめです。
なお、このページは、大きな値でも桁落ちしにくい方法(平均を先に求めてから偏差の2乗を足し、残った丸めの誤差を補正する方法)で分散を計算します。「2乗の合計 −(合計の2乗 ÷ 個数)」という1回で済む式は、値が大きく差が小さいと誤差で崩れます。「桁の大きい値」の例(1,000,000,000,001〜1,000,000,000,005)では、1回で済む式を計算機でそのまま計算すると標本分散が0になりますが、このページでは正しく2.5になります。
標準偏差は n で割る? n−1 で割る?
標準偏差と分散には、偏差の2乗の合計を個数 n で割るものと、n−1 で割るものの2つがあります。Excel では、データを母集団の一部(標本)と考えて母集団の標準偏差を見積もる STDEV.S が n−1 で、データが母集団の全部だと考える STDEV.P が n で割ります。分散も同じで、VAR.S が n−1、VAR.P が n です。n−1 で割る分散は「不偏分散」とも呼ばれます。
- アンケートの回答者や、工場から抜き取った製品など、もっと大きな集団を知るための一部なら n−1(標本)。
- クラス全員の点数を、そのクラスのこととして見るときのように、データが知りたい集団そのものなら n(母集団)。
個数が多いほど2つの差は小さくなります(20個の例では 13.40 と 13.06)。値が1個しかないときは n−1 = 0 で割ることになるので、標本の標準偏差は計算できません。このページは両方を表示するので、使う場面に合わせて選んでください。Microsoft の説明ページにある例(破断強度10個)を入れると、STDEV.S と同じ 27.46391572、STDEV.P と同じ 26.05455814 になります。
四分位数の求め方は3つ:Excel と教科書で違う理由
四分位数は、データを小さい順に並べて4つに等しく分ける3つの区切りの値です。小さい方から第1四分位数、第2四分位数(中央値)、第3四分位数と呼び、第3から第1を引いた値が四分位範囲です。ところが、区切りの位置が値と値の間に来るときに、どの値を使うか(前後の値をどう比例で分けるか)の決め方がいくつもあり、統計ソフトの間でも違います。個数が4の倍数でも、方法によって値が変わります。たとえば 1〜8 の8個では、第1四分位数が Excel INC(type 7)で2.75、Excel EXC(type 6)で2.25、教科書の方法で2.5です。Hyndman と Fan(1996)は、ソフトで使われている定義を9種類に整理しました。このページでは、そのうちよく使われる2つと、中学校の教科書の方法を選べます。
- Excel INC(type 7)(既定)……小さい順で (n − 1) × p + 1 番目の値を、間にあるときは前後の値から比例で求めます(p は 0.25 や 0.75)。最小値を0%、最大値を100%の位置に置く考え方です。Excel の QUARTILE.INC・PERCENTILE.INC と同じ値になり、統計ソフト R の既定もこの方法です。
- Excel EXC(type 6)……(n + 1) × p 番目の値を使います。両端の外側にも余白があると考えるので、四分位範囲は type 7 と同じか、それより広くなります。Excel の QUARTILE.EXC・PERCENTILE.EXC と同じ値で、Minitab や SPSS でも使われています。個数が少なく位置が1番目より前や n 番目より後になると、Excel はエラー(#NUM!)を返します。このページはその場合、最小値・最大値を使い、そのことを表示します。
- 教科書の方法……中央値の前後でデータを2つに分け、小さい側の中央値を第1四分位数、大きい側の中央値を第3四分位数にします。個数が奇数のときは、中央値そのものはどちらの組にも入れません。文部科学省の中学校学習指導要領解説(数学編)は、四分位数の求め方は幾つか提案されているとしたうえで、「四分位数の意味を把握しやすい方法」としてこの方法の例を示しています。
同じデータでも、方法によって次のように変わります。
| 求め方 | 第1四分位数 | 第3四分位数 | 四分位範囲 |
|---|---|---|---|
| 23・24・25・26・26・29・30・34・39(解説の例) | |||
| 教科書 | 24.5 | 32 | 7.5 |
| Excel INC(type 7) | 25 | 30 | 5 |
| Excel EXC(type 6) | 24.5 | 32 | 7.5 |
| 20人のテストの点数(このページの例) | |||
| 教科書 | 65 | 78 | 13 |
| Excel INC(type 7) | 65.5 | 77.5 | 12 |
| Excel EXC(type 6) | 64.5 | 78.5 | 14 |
どの方法も間違いではありません。学校の課題なら教科書の方法、Excel の結果と合わせたいなら Excel INC(QUARTILE.INC)か Excel EXC(QUARTILE.EXC)を選びましょう。大切なのは、比べるデータどうしで同じ方法を使い、どの方法かを書き添えることです。結果の「四分位数の求め方による違い」で、3つの値を並べて確かめられます。
パーセンタイルと「上位何%」・偏差値
p パーセンタイルは、小さい順に並べて下から p% の位置にある値です。25パーセンタイルが第1四分位数、50パーセンタイルが中央値、75パーセンタイルが第3四分位数にあたります。位置の決め方は四分位数と同じで、Excel INC(type 7)は Excel の PERCENTILE.INC、Excel EXC(type 6)は PERCENTILE.EXC と同じ値です。20人の例の90パーセンタイルは、Excel INC で84.2点、Excel EXC で85.8点です。
「この値は上位何%?」では、入れた値以上のデータが全体の何%かを数えます。20人の例で84点を入れると、84点以上は84・86・90点の3人なので上位15%です。同じ点の人が何人いるかで印象が変わるので、「より大きい」「ちょうど」「より小さい」の人数も表示します。
偏差値は、平均が50、標準偏差が10になるように直した値で、次の式で求めます(総務省統計局「なるほど統計学園」)。
偏差値 = 50 + 10 ×(その値 − 平均値)÷ 標準偏差
統計局の説明は、分散を「偏差の2乗の合計の平均」としているので、このページは n で割った標準偏差で偏差値を計算し、n−1 で割った場合の値も並べます。84点なら、50 + 10 ×(84 − 70.1)÷ 13.06 = 60.6 です(n−1 で割ると 60.4)。
また、統計局の説明にあるとおり、点数の分布が正規分布だと仮定すると、偏差値70は上位約2.3%にあたります。このページも、正規分布だと仮定した場合の上位%を参考に表示しますが、実際のデータの分布は正規分布とは限りません。84点(偏差値60.6)は、正規分布の仮定では上位約14.4%、実際の20人では上位15%でした。人数が少ないときや分布が偏っているときは、実際に数えた値を見てください。
ヒストグラムと箱ひげ図の読み方
ヒストグラムは、値の範囲をいくつかの箱(階級)に分け、それぞれに入る個数(度数)を棒の高さで表した図です。中学校の学習指導要領解説も、階級の取り方によってヒストグラムの形が変わる場合があることを学ぶとしています。このページの「自動」は、箱の幅を Freedman–Diaconis の規則(幅 = 2 × 四分位範囲 ÷ 個数の3乗根)で決め、最小値から最大値までを等しい幅に分けます。20人の例では、規則の幅が 2 × 12 ÷ 20の3乗根 = 8.84点、箱の数は62点 ÷ 8.84点を切り上げた8個で、1つの幅は7.75点です。四分位範囲が0のとき(半分以上が同じ値のときなど)は Scott の規則(標準偏差を使う)に切り替え、全部が同じ値なら箱は1つにします。どの規則を使ったかは図の下に書きます。「10点ごと」のように区切りたいときは、「幅を指定」を選んでください。
箱ひげ図の箱は第1四分位数から第3四分位数まで(真ん中の約半分のデータ)、箱の中の線は中央値、ひし形は平均値です。Excel INC・Excel EXC を選んでいるときは、「第1四分位数 − 1.5 × 四分位範囲」より小さい値と、「第3四分位数 + 1.5 × 四分位範囲」より大きい値を外れ値の目安として丸で描き、ひげはその内側でいちばん端の値まで引きます。米国国立標準技術研究所(NIST)の統計ハンドブックが「内側の柵」と呼ぶ境目です。一方、文部科学省の学習指導要領解説は、箱ひげ図を「最小値・第1四分位数・中央値・第3四分位数・最大値」を箱とひげで表したものとしています。そこで「教科書」を選んだときは、ひげを最小値と最大値まで引き、丸は描きません(外れ値の目安に当たる値の数は、図の下に書きます)。外れ値の目安がなければ、どちらも同じ図です。
外れ値の目安は、確かめるべき値を見つけるためのもので、このページは計算から自動で除きません。NIST のハンドブックも、外れ値は注意深く調べるべきで、除く前になぜ現れたかを理解するよう勧めています。入力の誤りなら直し、本当に起きた値なら残すかどうかを理由とともに決めましょう。
データの入れ方(区切りとカンマの決まり)
- 区切り……改行、タブ、半角スペース、全角スペースのどれでも区切れます。Excel の1列や1行をコピーして、そのまま貼り付けられます。空の行は読み飛ばし、その行数を表示します。1行に2つ以上の値がある行が何行もあるときは、表をそのまま貼り付けた(番号の列などが混ざった)のかもしれないので、その行数を表示します。このページは列には分けず、すべての値を1つのデータとして計算します。
- カンマ……「1,234」「12,345.6」のような3桁ごとの区切りとしてだけ読み、そう読んだ値の個数と最初の場所を表示します。「100,200,300」のようにカンマが2つ以上ある値は、カンマで値を区切ったつもりかもしれないので、目立つ色で知らせます。「1,5」「0,125」「12,34」のように3桁区切りでないカンマは、小数点の意味か区切りの意味か分からないので、行と位置を示してエラーにします(黙って読み替えません)。カンマで値を区切ったデータは、スペースか改行に置き換えてください。
- 全角……全角の数字・小数点・マイナス記号は半角として読み、その個数を表示します。
- 使えないもの……「12%」「1,234円」「¥300」のように記号や単位が付いた値、「▲1,234」「(1,234)」のような会計のマイナスの書き方、文字、空欄を表す記号(「-」「N/A」など)は読めない値になります。既定では計算せずに場所と理由を示し、「除いて計算する」を選ぶと、除いた個数を表示して残りで計算します。
- 桁数……16桁以上の数で、計算機の数の精度(およそ15〜17桁)に収まらないものは、いちばん近い値に丸めて計算し、そのことを表示します。絶対値が10の100乗より大きい値と、0以外で絶対値が10の−100乗より小さい値は扱えません(黙って0などにせず、読めない値にします)。
- 結果の桁……結果はおよそ10桁(結果の一番上は6桁)に丸めて表示します。ただし「桁の大きい値」の例のように、データの範囲が値に比べてとても狭いときは、違いが分かるまで桁を増やします。とても大きい値・小さい値は「1.5×10¹⁵」(1.5 × 10の15乗)の形で表示します。
この計算が扱わないこと
- 度数分布表からの計算……「60点台が5人」のようにまとめた表から平均などを求める計算はしません。1人ずつの値を入れてください。
- 重み・複数の列……値ごとの重み(人数など)や、2つ以上の列の比較・相関は扱いません。
- 最頻値・歪度・尖度……定義が複数あって結果が混ざりやすいため、表示していません。
- 母集団についての推定……平均の信頼区間や検定は計算しません。割合の幅は「割合の信頼区間」で計算できます。
- 単位の混ざったデータ……mm と cm、円と万円などが混ざっていても見分けられません。単位をそろえてから入れてください。
よくある質問
標準偏差は n と n−1 のどちらで割ればいいですか?
Excel の QUARTILE.INC と QUARTILE.EXC の違いは何ですか?
四分位数が教科書と Excel で違うのはなぜですか?
偏差値はどうやって計算しますか?
外れ値は除いたほうがいいですか?
平均値と中央値はどちらを使えばいいですか?
ヒストグラムの階級の幅はどう決めればいいですか?
Excel で計算した値と合いません。
関連するツール
計算式と出典
- Hyndman RJ, Fan Y. Sample Quantiles in Statistical Packages. The American Statistician 1996;50(4):361-365. doi:10.1080/00031305.1996.10473566(分位点の定義。type 6:pk = k/(n+1)、type 7:pk = (k−1)/(n−1))
- R Documentation: quantile {stats}(type 1〜9。type 7 が R の既定、type 6 は Minitab・SPSS)
- Chan TF, Golub GH, LeVeque RJ. Algorithms for Computing the Sample Variance: Analysis and Recommendations. The American Statistician 1983;37(3):242-247. doi:10.1080/00031305.1983.10483115(補正つき二段階法。式は同名の Yale 大学技術報告 #222 で確認)
- Freedman D, Diaconis P. On the histogram as a density estimator: L2 theory. Zeitschrift für Wahrscheinlichkeitstheorie und Verwandte Gebiete 1981;57(4):453-476. doi:10.1007/BF01025868
- Scott DW. On optimal and data-based histograms. Biometrika 1979;66(3):605-610. doi:10.1093/biomet/66.3.605
- NumPy documentation: numpy.histogram_bin_edges(Freedman–Diaconis・Scott の幅の式と、箱の数 = 範囲 ÷ 幅 の切り上げ)
- Microsoft サポート:QUARTILE.INC・QUARTILE.EXC・PERCENTILE.INC・PERCENTILE.EXC・STDEV.S・STDEV.P・VAR.S・VAR.P 関数(PERCENTILE.EXC 以外は、各ページの例の値と一致することを確認。PERCENTILE.EXC は例が画像だけなので、補間のしかたとエラーになる条件の説明を確認)
- 文部科学省「中学校学習指導要領(平成29年告示)解説 数学編」 57ページ(ヒストグラムの階級)、120〜121ページ(四分位数・箱ひげ図、23〜39の9個の例)
- 総務省統計局「なるほど統計学園」データの散らばりを見る(分散・標準偏差・偏差値)
- NIST/SEMATECH e-Handbook of Statistical Methods, 7.1.6 What are outliers in the data?(第1四分位数 − 1.5 × 四分位範囲、第3四分位数 + 1.5 × 四分位範囲の柵)
平均は補正つきの足し算(Neumaier の方法)で求めた合計を個数で割り、分散は補正つき二段階法(偏差の2乗の合計から、偏差の合計の2乗 ÷ 個数を引く)で計算します。分位点は位置の整数部分と端数を整数の割り算で求めるので、0.1 × 9 のような小数の誤差で位置を取り違えません。結果は入力した数値にもとづく計算上の値で、データの集め方の偏りや測定の誤りは反映できません。