統計で英語多読 2-3: データの散らばりを表す指標 — 分散・標準偏差・四分位範囲

「大人のための英語多読図書館」へようこそ。今回は、平均値だけでは見えないデータの「散らばり」を、範囲・四分位範囲・分散・標準偏差という指標でどう数値化するのかを、英語の文章でたどっていきます。

📊 このユニットの情報 語数: 約580語 / 推定読了時間: 5〜6分 / 難易度: ★★☆☆☆(初中級)

Learning Objectives

みなさんこんにちは。大人のための英語多読図書館へようこそ。

前回、データの「中心」を表す平均値などを学びました。では、ここに2つのクラスがあり、どちらもテストの平均点が70点だったとします。この2クラスは同じ学力レベルだと言えるでしょうか？ もし片方のクラスは全員が65点〜75点の間に固まっているのに対し、もう片方は100点の人もいれば30点の人もいるとしたら、その「中身」は全く違いますよね。

今回は、データが中心からどれくらい「散らばっているか」を数値で表す方法について学びます。分散 (Variance) や 標準偏差 (Standard Deviation) といった指標は、データのばらつき具合を教えてくれます。これらを理解すると、平均値だけでは見えなかった、データのもう一つの重要な側面が見えるようになります。

それでは今回も多読を楽しんでいきましょう。

Summary

• Measures of dispersion (or variability) describe how spread out the data points are in a dataset.
• The Range is the simplest measure (maximum - minimum) but is highly sensitive to outliers.
• The Interquartile Range (IQR) measures the spread of the middle 50% of the data (Q3 - Q1), making it robust to outliers.
• Variance is the average of the squared differences from the Mean. It measures the overall spread, but its units are squared.
• Standard Deviation is the square root of the variance. It is the most common measure of dispersion because it is in the same units as the original data, making it easier to interpret.

Explanation

Why "Central Tendency" Isn't Enough

Imagine two basketball players, Alice and Bob. In their last five games, they both scored an average of 20 points per game. Their mean performance is identical. But let's look at their individual game scores:

• Alice: 18, 20, 21, 19, 22
• Bob: 35, 5, 10, 40, 10

Alice is very consistent. Her scores are all clustered tightly around the mean of 20. Bob, on the other hand, is very inconsistent. His scores are spread out far from the mean. Just by knowing the mean, we miss this important story about consistency. We need a way to measure this "spread" or dispersion.

Range and Interquartile Range (IQR)

The simplest way to measure spread is the range. - How to Calculate: Range = Maximum value - Minimum value - For Alice: 22 - 18 = 4 - For Bob: 40 - 5 = 35 The range clearly shows that Bob's scores are more spread out. However, the range only uses two data points and is very sensitive to outliers.

A more robust measure is the Interquartile Range (IQR). It tells us the range of the middle 50% of the data. 1. First, sort the data. 2. Find the quartiles: - Q1 (First Quartile): The value below which 25% of the data lies. - Q2 (Second Quartile): The median (50%). - Q3 (Third Quartile): The value below which 75% of the data lies. - How to Calculate: IQR = Q3 - Q1 Because the IQR ignores the lowest 25% and highest 25% of the data, it is not affected by extreme outliers.

Variance and Standard Deviation: The Gold Standard

The most powerful and common measures of dispersion are variance and standard deviation. They tell us the average distance of the data points from their mean.

Let's walk through the calculation step-by-step:

1. Calculate the mean (μ): We already know the mean is 20 for both players.

2. Calculate the deviation for each data point: A deviation is the distance of a single data point from the mean. Deviation = x - μ

   • Alice's deviations: (18-20)=-2, (20-20)=0, (21-20)=1, (19-20)=-1, (22-20)=2
   • Notice that if you sum these deviations (-2+0+1-1+2), you get 0. This is always true.

3. Square each deviation: To get rid of the negative signs, we square each deviation.

   • Alice's squared deviations: 4, 0, 1, 1, 4

4. Calculate the Variance (σ²): The variance is the average of these squared deviations.

   • Alice's Variance: (4 + 0 + 1 + 1 + 4) / 5 = 10 / 5 = 2
   • Let's do the same for Bob:
     • Deviations: (35-20)=15, (5-20)=-15, (10-20)=-10, (40-20)=20, (10-20)=-10
     • Squared deviations: 225, 225, 100, 400, 100
     • Bob's Variance: (225 + 225 + 100 + 400 + 100) / 5 = 1050 / 5 = 210

   The variance clearly shows Bob's scores (210) are much more spread out than Alice's (2). But what does "210" mean? The unit is "points squared," which is not intuitive.

5. Calculate the Standard Deviation (σ): To solve this unit problem, we take the square root of the variance. This brings the measure back into the original units (in this case, "points").

   • Alice's Standard Deviation: \[ \sigma = \sqrt{2} \approx 1.41 \] points
   • Bob's Standard Deviation: \[ \sigma = \sqrt{210} \approx 14.49 \] points

Now, this is much easier to understand. On average, Alice's scores are about 1.41 points away from her mean of 20. Bob's scores, on average, are about 14.49 points away from his mean of 20. This single number, the standard deviation, beautifully summarizes the consistency (or lack thereof) of each player.

---

まとめ

今回は、平均値だけでは見えない「データの散らばり」を測る指標を学びました。最大値から最小値を引くだけの範囲、真ん中50%の広がりを見る外れ値に強い四分位範囲（IQR）、そして各データが平均からどれだけ離れているかを表す分散と標準偏差です。分散は単位が二乗になって直感的でないため、その平方根をとって元の単位に戻したものが標準偏差でした。平均が同じ2人の選手でも、標準偏差を見れば成績の安定度の違いがはっきりわかります。

次回は、これらの指標を一つの図にまとめて見せる箱ひげ図と5数要約を見ていきます。

---

日本語訳(全文)

英文を最後まで読み終えてから、答え合わせ用にお使いください。多読の原則として、まずは訳を見ずに英文だけで理解を試みることをおすすめします。

Summary

• 散らばりの指標（ばらつきの指標）は、データセットの中でデータがどれくらい広がっているかを表します。
• 範囲（Range）は最もシンプルな指標（最大値 - 最小値）ですが、外れ値の影響を非常に受けやすい指標です。
• 四分位範囲（IQR）は、データの真ん中50%の広がり（Q3 - Q1）を測るもので、外れ値に対して頑健です。
• 分散（Variance）は、平均からの差を二乗したものの平均です。全体の散らばりを測りますが、その単位は二乗になっています。
• 標準偏差（Standard Deviation）は、分散の平方根です。元のデータと同じ単位になるため解釈しやすく、最もよく使われる散らばりの指標です。

「中心傾向」だけでは足りない理由

2人のバスケットボール選手、アリスとボブを想像してみてください。直近5試合で、2人とも1試合あたり平均20点を取りました。平均で見れば成績はまったく同じです。けれども、それぞれの試合ごとの得点を見てみましょう。

• アリス: 18, 20, 21, 19, 22
• ボブ: 35, 5, 10, 40, 10

アリスはとても安定しています。彼女の得点はすべて平均の20点のまわりにぎゅっと集まっています。一方、ボブはとても不安定です。彼の得点は平均から大きく離れて散らばっています。平均を知るだけでは、この「安定性」という大切な物語を見落としてしまいます。私たちにはこの「広がり」、すなわち散らばりを測る方法が必要なのです。

範囲と四分位範囲（IQR）

広がりを測る最もシンプルな方法は範囲（range）です。 - 計算のしかた: 範囲 = 最大値 - 最小値 - アリスの場合: 22 - 18 = 4 - ボブの場合: 40 - 5 = 35 範囲は、ボブの得点のほうが散らばっていることをはっきり示します。しかし、範囲はデータを2点しか使わず、外れ値の影響を非常に受けやすいものです。

より頑健な指標が四分位範囲（IQR）です。これはデータの真ん中50%の範囲を教えてくれます。 1. まず、データを並べ替えます。 2. 四分位数を求めます。 - Q1（第1四分位数）: これより下に25%のデータがある値。 - Q2（第2四分位数）: 中央値（50%）。 - Q3（第3四分位数）: これより下に75%のデータがある値。 - 計算のしかた: IQR = Q3 - Q1 IQR はデータの下位25%と上位25%を無視するため、極端な外れ値の影響を受けません。

分散と標準偏差: 黄金基準

最も強力でよく使われる散らばりの指標が分散（variance）と標準偏差（standard deviation）です。これらは、データが平均からどれくらい離れているかの平均的な距離を教えてくれます。

計算を一歩ずつ進めていきましょう。

1. 平均（μ）を計算する: 2人とも平均が20であることはすでにわかっています。

2. 各データの偏差を計算する: 偏差（deviation）とは、1つのデータが平均からどれだけ離れているかの距離です。偏差 = x - μ

   • アリスの偏差: (18-20)=-2, (20-20)=0, (21-20)=1, (19-20)=-1, (22-20)=2
   • これらの偏差を合計する（-2+0+1-1+2）と0になることに注目してください。これは常に成り立ちます。

3. 各偏差を二乗する: マイナスの符号をなくすために、各偏差を二乗します。

   • アリスの偏差の二乗: 4, 0, 1, 1, 4

4. 分散（σ²）を計算する: 分散は、これらの偏差の二乗の平均です。

   • アリスの分散: (4 + 0 + 1 + 1 + 4) / 5 = 10 / 5 = 2
   • ボブについても同じことをやってみましょう。
     • 偏差: (35-20)=15, (5-20)=-15, (10-20)=-10, (40-20)=20, (10-20)=-10
     • 偏差の二乗: 225, 225, 100, 400, 100
     • ボブの分散: (225 + 225 + 100 + 400 + 100) / 5 = 1050 / 5 = 210

   分散は、ボブの得点（210）がアリスの得点（2）よりもはるかに散らばっていることをはっきり示します。しかし「210」とは何を意味するのでしょうか。単位は「点の二乗」であり、直感的ではありません。

5. 標準偏差（σ）を計算する: この単位の問題を解決するために、分散の平方根をとります。これによって指標が元の単位（この場合は「点」）に戻ります。

   • アリスの標準偏差: \[ \sigma = \sqrt{2} \approx 1.41 \] 点
   • ボブの標準偏差: \[ \sigma = \sqrt{210} \approx 14.49 \] 点

これでずっと理解しやすくなりました。アリスの得点は、平均の20点から平均しておよそ1.41点離れています。ボブの得点は、平均して彼の平均である20点からおよそ14.49点離れています。この標準偏差という一つの数値が、それぞれの選手の安定性（あるいはその欠如）を見事に要約してくれるのです。