Odds and Ends

英語多読

統計で英語多読 2-4: 箱ひげ図と5数要約 — 分布の全体像をコンパクトに把握する

箱ひげ図と5数要約を題材にした英語多読ユニット。約700語の英文と全文日本語訳で、分布の中心・散らばり・外れ値を一つの図から読み取ります。

ストック

英語多読 統計

「大人のための英語多読図書館」へようこそ。今回は、5つの数値でデータの分布を要約する「5数要約」と、それを一目で見せてくれる「箱ひげ図」の読み方を、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700語 / 推定読了時間: 5〜7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。

これまで、データの中心（平均値など）や散らばり（標準偏差など）を個別の数値で見てきました。でも、「中心はここで、散らばりはこのくらいで、最大値と最小値はここで…」と一つ一つ数字を並べられても、全体像をパッと掴むのは少し大変ですよね。

今回は、そんなデータの様々な情報を一つの図にギュッと凝縮した、とても便利なグラフ「箱ひげ図 (Box Plot)」について学びます。箱ひげ図は「5数要約 (Five-Number Summary)」という5つの重要な数値を使って描かれます。これを使えば、データの中心、散らばり、そして「外れ値」まで、一目で把握できるようになります。特に、複数のグループのデータを比較したい時に、その威力を発揮しますよ。

それでは今回も多読を楽しんでいきましょう。

Summary

  • The Five-Number Summary is a set of five descriptive statistics that provides a concise overview of a dataset's distribution.
  • The five numbers are: Minimum, First Quartile (Q1), Median (Q2), Third Quartile (Q3), and Maximum.
  • A Box Plot (or box-and-whisker plot) is a graphical representation of the five-number summary.
  • The "box" shows the Interquartile Range (IQR), representing the middle 50% of the data. The line inside the box is the median.
  • The "whiskers" extend from the box to show the overall range of the data. Points far outside the whiskers may be considered outliers.
  • Box plots are excellent for comparing the distributions of two or more groups side-by-side.

Explanation

Summarizing Data with Just Five Numbers

We've learned about measures of center (like the median) and measures of spread (like the Interquartile Range, IQR). The Five-Number Summary combines these key pieces of information into one convenient package. It consists of:

  1. Minimum: The smallest value in the dataset.
  2. First Quartile (Q1): The 25th percentile. 25% of the data is less than this value.
  3. Median: The middle value of the dataset (the 50th percentile, Q2).
  4. Third Quartile (Q3): The 75th percentile. 75% of the data is less than this value.
  5. Maximum: The largest value in the dataset.

This set of five numbers gives us a good sketch of the data's distribution. It tells us the center (Median), the spread of the middle half (IQR = Q3 - Q1), and the full range (Maximum - Minimum).

Visualizing the Summary: The Box Plot

A box plot, also known as a box-and-whisker plot, is a simple but powerful graph of the five-number summary.

Here's how it's constructed:

  • The Box: A rectangle (the "box") is drawn from Q1 to Q3. The length of this box is the IQR. The box contains the middle 50% of the data.
  • The Median: A line is drawn inside the box at the position of the median.
  • The Whiskers: Lines (the "whiskers") extend from the box out to the minimum and maximum values.

Let's visualize this with an example. Suppose we have the test scores from a class, and the five-number summary is: - Minimum = 45 - Q1 = 65 - Median = 78 - Q3 = 85 - Maximum = 98

The box plot would look like this: - A box would start at 65 and end at 85. - A line inside the box would be drawn at 78. - A whisker would extend from the left of the box (65) down to the minimum (45). - Another whisker would extend from the right of the box (85) up to the maximum (98).

What a Box Plot Tells Us

By looking at this simple diagram, we can quickly understand several things about the data:

  • Center: The line inside the box shows the median.
  • Spread: The length of the box (IQR) shows how spread out the middle 50% of the data is. A short box means data is concentrated, while a long box means it's spread out.
  • Skewness: If the median is closer to Q1, the data is likely skewed to the right. If it's closer to Q3, it's likely skewed to the left. The lengths of the whiskers can also suggest skewness. In our example, the median (78) is slightly closer to Q3 (85) than to Q1 (65), and the right whisker (98-85=13) is shorter than the left whisker (65-45=20), suggesting a slight skew to the left.
  • Outliers: Sometimes, a value is so far away from the rest of the data that it is considered an outlier. A common rule is to identify any point that is more than 1.5 times the IQR below Q1 or above Q3. On many box plots, the whiskers only extend to the last data point within this range, and any outliers are shown as individual dots.

The Power of Comparison

The real strength of box plots is in comparing multiple datasets. Imagine you want to compare the test scores of three different classes (Class A, Class B, and Class C). You can create three box plots and place them side-by-side on the same scale.

By doing this, you could immediately see which class has the highest median score, which class has the most consistent scores (smallest IQR/shortest box), and which class has the widest range of scores. This kind of comparison is much harder to do by just looking at lists of numbers or summary statistics.

まとめ

今回は、データの分布を5つの数値で要約する5数要約（最小値・第1四分位数・中央値・第3四分位数・最大値）と、それを一つの図にまとめた箱ひげ図を学びました。「箱」は真ん中50%の広がり（IQR）を、箱の中の線は中央値を、左右に伸びる「ひげ」は全体の範囲を表します。この図ひとつで、中心・散らばり・歪み、さらには外れ値まで読み取れます。とくに複数のグループを横並びで比べたいときに、箱ひげ図は大きな力を発揮します。

次回は、平均や散らばりの異なるデータを同じ土俵で比べるための標準化とZスコア（偏差値）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

  • 5数要約（Five-Number Summary）は、データセットの分布の概要を簡潔に示す、5つの記述統計量の組です。
  • その5つの数値とは、最小値、第1四分位数（Q1）、中央値（Q2）、第3四分位数（Q3）、最大値です。
  • 箱ひげ図（Box Plot）は、5数要約を図で表したものです。
  • 「箱」は四分位範囲（IQR）を示し、データの真ん中50%を表します。箱の中の線は中央値です。
  • 「ひげ」は箱から伸びて、データ全体の範囲を示します。ひげから大きく外れた点は外れ値とみなされることがあります。
  • 箱ひげ図は、2つ以上のグループの分布を横並びで比較するのにとても優れています。

たった5つの数値でデータを要約する

私たちは、中心の指標（中央値など）と散らばりの指標（四分位範囲 IQR など）を学んできました。5数要約は、これらの重要な情報を一つの便利なまとまりに組み合わせたものです。それは次の5つからなります。

  1. 最小値（Minimum）: データセットの中で最も小さい値。
  2. 第1四分位数（Q1）: 25パーセンタイル。データの25%がこの値より下にあります。
  3. 中央値（Median）: データセットの真ん中の値（50パーセンタイル、Q2）。
  4. 第3四分位数（Q3）: 75パーセンタイル。データの75%がこの値より下にあります。
  5. 最大値（Maximum）: データセットの中で最も大きい値。

この5つの数値の組は、データの分布のよいスケッチを与えてくれます。中心（中央値）、真ん中半分の広がり（IQR = Q3 - Q1）、そして全体の範囲（最大値 - 最小値）を教えてくれるのです。

要約を可視化する: 箱ひげ図

箱ひげ図（box plot）は、ボックス・アンド・ウィスカー・プロットとも呼ばれ、5数要約をシンプルながら強力に表したグラフです。

その描き方は次のとおりです。

  • 箱: Q1 から Q3 まで長方形（「箱」）を描きます。この箱の長さが IQR です。箱はデータの真ん中50%を含みます。
  • 中央値: 箱の中に、中央値の位置で線を引きます。
  • ひげ: 箱から最小値と最大値まで線（「ひげ」）を伸ばします。

例で可視化してみましょう。あるクラスのテストの点数があり、5数要約が次のようだったとします。 - 最小値 = 45 - Q1 = 65 - 中央値 = 78 - Q3 = 85 - 最大値 = 98

箱ひげ図は次のようになります。 - 箱は65から始まり、85で終わります。 - 箱の中の線は78に引かれます。 - ひげが箱の左（65）から最小値（45）まで伸びます。 - もう一方のひげが箱の右（85）から最大値（98）まで伸びます。

箱ひげ図が教えてくれること

このシンプルな図を見るだけで、データについていくつかのことをすばやく理解できます。

  • 中心: 箱の中の線が中央値を示します。
  • 散らばり: 箱の長さ（IQR）が、データの真ん中50%がどれくらい広がっているかを示します。箱が短ければデータは集中しており、箱が長ければ散らばっています。
  • 歪み: 中央値が Q1 に近ければ、データはおそらく右に裾を引いています。Q3 に近ければ、おそらく左に裾を引いています。ひげの長さも歪みを示唆します。先ほどの例では、中央値（78）は Q1（65）より Q3（85）にわずかに近く、右のひげ（98-85=13）が左のひげ（65-45=20）より短いので、わずかに左に裾を引いていることを示唆します。
  • 外れ値（Outliers）: ときに、ある値が残りのデータからあまりに離れていて、外れ値とみなされることがあります。よくある基準は、Q1 より下、または Q3 より上に IQR の1.5倍を超えて離れている点を見つけ出すというものです。多くの箱ひげ図では、ひげはこの範囲内の最後のデータ点までしか伸ばさず、外れ値は個々の点として示されます。

比較の力

箱ひげ図の本当の強みは、複数のデータセットを比較できることにあります。3つの異なるクラス（クラスA、クラスB、クラスC）のテストの点数を比べたいとしましょう。3つの箱ひげ図を作り、同じ目盛りの上に横並びに置くことができます。

こうすることで、どのクラスの中央値が最も高いか、どのクラスの点数が最も安定しているか（IQR が最も小さく、箱が最も短い）、そしてどのクラスの点数の範囲が最も広いかを、ひと目で見て取ることができます。こうした比較は、数字のリストや要約統計量をただ眺めているだけでは、はるかに難しいものです。