統計で英語多読 2-5: 標準化とZスコア（偏差値） — 異なるデータを同じ土俵で比較する

「大人のための英語多読図書館」へようこそ。今回は、平均も散らばりも違うテストの点数をどう公平に比べるか、その鍵となる「標準化」と「Zスコア（日本でいう偏差値）」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680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。

「数学で80点」と「英語で60点」、どちらの成績が良いと思いますか？点数だけ見ると数学の方が良さそうですが、もし数学のテストがとても簡単で平均点が90点、英語のテストがとても難しくて平均点が50点だとしたら、どうでしょう？

このように、異なる物差し（平均点や点数の散らばり具合）で測られたデータをそのまま比較することはできません。

そこで今回は、標準化 (Standardization) というテクニックを学びます。これは、異なるデータを「同じ土俵」に乗せて比較できるようにする魔法のような方法です。その中心となるのが Zスコア (Z-score) で、日本では「偏差値 (Hensachi)」という名前で広く知られています。

この章を読み終えれば、Zスコアを計算し、異なるデータセットの値を公平に比較できるようになります。

それでは今回も多読を楽しんでいきましょう。

Summary

Standardization is the process of converting data from different scales onto a common scale, allowing for fair comparisons.
The Z-score is the most common method of standardization. It measures exactly how many standard deviations a data point is away from the mean of its dataset.
The formula for a Z-score is \(Z = \frac{(x - \mu)}{\sigma}\), where \(x\) is the data point, \(\mu\) is the mean, and \(\sigma\) is the standard deviation.
A Z-score of 0 means the value is exactly the average. A positive Z-score is above average, and a negative Z-score is below average.
The "Hensachi" (deviation value) used in Japan is a practical application of the Z-score, typically calculated as \(50 + (10 \times Z)\) to make scores easier to understand.

Explanation

Why We Need to Compare Apples and Oranges

Imagine you are a student. You took two exams: 1. Mathematics: You scored 80 points. 2. English: You scored 70 points.

Which performance was better? At first glance, 80 seems better than 70.

But what if I told you more information? - The Mathematics exam was relatively easy. The class average (\(\mu\)) was 75, and the standard deviation (\(\sigma\)) was 10. - The English exam was very difficult. The class average (\(\mu\)) was 60, and the standard deviation (\(\sigma\)) was 5.

Now, the picture changes. Your math score (80) was only 5 points above the average (75). Your English score (70) was 10 points above the average (60).

This still doesn't tell the whole story. We also need to consider the spread (standard deviation) of the scores. Was being 5 points above average in math a bigger achievement than being 10 points above average in English?

This is like comparing apples and oranges. The "scales" of the two tests are different. To make a fair comparison, we need to convert both scores to a common, or "standard," scale. This process is called standardization.

The Z-Score: The Universal Measuring Stick

The most common method for standardization is calculating the Z-score (also called a standard score).

A Z-score tells us exactly how many standard deviations a data point (\(x\)) is away from the mean (\(\mu\)).

The formula is simple:

\[Z = \frac{x - \mu}{\sigma}\]

\(x\) is your specific data point (e.g., your test score).
\(\mu\) (mu) is the mean (average) of the dataset.
\(\sigma\) (sigma) is the standard deviation of the dataset.

Let's calculate the Z-scores for your exams:

1. Mathematics Z-Score: - \(x = 80\) - \(\mu = 75\) - \(\sigma = 10\) - \(Z_{\text{math}} = \frac{80 - 75}{10} = \frac{5}{10} = +0.5\)

2. English Z-Score: - \(x = 70\) - \(\mu = 60\) - \(\sigma = 5\) - \(Z_{\text{english}} = \frac{70 - 60}{5} = \frac{10}{5} = +2.0\)

How to Interpret Z-Scores

Now we can compare the Z-scores directly: - Your Math score (\(Z = +0.5\)) was 0.5 standard deviations above the class average. - Your English score (\(Z = +2.0\)) was 2.0 standard deviations above the class average.

This comparison clearly shows that your performance in English was relatively much better than your performance in math, even though the raw score was lower.

Here is a general guide to interpreting Z-scores: - \(Z = 0\): The score is exactly the mean (average). - \(Z > 0\) (Positive): The score is above the mean. \(Z=1\) means "1 standard deviation above the mean." \(Z=2\) means "2 standard deviations above the mean." - \(Z < 0\) (Negative): The score is below the mean. \(Z=-1\) means "1 standard deviation below the mean."

From Z-Score to "Hensachi" (Deviation Value)

In Japan, a concept called 偏差値 (Hensachi), or "deviation value," is very commonly used, especially for university entrance exams.

The Hensachi is simply a transformation of the Z-score.

Why transform it? Z-scores can be negative (e.g., -1.5) or small decimals (e.g., 0.2), which are not always easy for the general public to understand.

The Hensachi scale converts the Z-score distribution into a new distribution with: - A mean of 50 - A standard deviation of 10

The formula is:

\[Hensachi = 50 + (10 \times Z)\]

Let's convert your exam Z-scores to Hensachi: - Math (\(Z = +0.5\)): \(Hensachi = 50 + (10 \times 0.5) = 50 + 5 = 55\) - English (\(Z = +2.0\)): \(Hensachi = 50 + (10 \times 2.0) = 50 + 20 = 70\)

On this new scale, it's very clear: - A Hensachi of 50 is exactly average. - Your math score of 55 is above average. - Your English score of 70 is excellent (two standard deviations above the average).

Standardization and Z-scores are powerful tools. They remove the original units (like points, centimeters, or yen) and allow us to compare data from completely different sources on one single, standardized "playing field."

まとめ

今回は、平均も散らばりも異なるデータを公平に比べるための「標準化」を学びました。その中心となるのがZスコアで、ある値が平均から標準偏差いくつ分だけ離れているかを表します。数学80点（Z=+0.5）より英語70点（Z=+2.0）の方が実は優れた成績だったように、生の点数だけでは見えない実力が見えてきます。日本でおなじみの偏差値も、このZスコアを平均50・標準偏差10の物差しに変換しただけのものでした。

次回は、ここまで1つの変数を見てきた視点を広げ、2つの変数の関係を散布図と共分散でとらえる方法を見ていきます。

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

標準化（Standardization）とは、異なる尺度のデータを共通の尺度へと変換し、公平な比較を可能にするプロセスです。
Zスコアは、最も一般的な標準化の方法です。あるデータ点が、そのデータセットの平均から標準偏差いくつ分だけ離れているかを正確に測ります。
Zスコアの式は \(Z = \frac{(x - \mu)}{\sigma}\) で、\(x\) はデータ点、\(\mu\) は平均、\(\sigma\) は標準偏差です。
Zスコアが0なら、その値はちょうど平均です。正のZスコアは平均より上、負のZスコアは平均より下を意味します。
日本で使われる「偏差値」は、Zスコアを実用的に応用したもので、通常は \(50 + (10 \times Z)\) として計算され、点数を理解しやすくしています。

なぜリンゴとオレンジを比べる必要があるのか

あなたが学生だと想像してください。2つの試験を受けました。 1. 数学: 80点を取りました。 2. 英語: 70点を取りました。

どちらの成績が良かったでしょうか。ひと目見ると、80は70より良さそうです。

しかし、もっと情報があったらどうでしょう？ - 数学の試験は比較的やさしいものでした。クラスの平均（\(\mu\)）は75で、標準偏差（\(\sigma\)）は10でした。 - 英語の試験はとても難しいものでした。クラスの平均（\(\mu\)）は60で、標準偏差（\(\sigma\)）は5でした。

すると、見え方が変わってきます。あなたの数学の点数（80）は、平均（75）よりわずか5点上でした。あなたの英語の点数（70）は、平均（60）より10点上でした。

それでもまだ全体像はつかめません。点数の散らばり（標準偏差）も考慮する必要があります。数学で平均より5点上だったことは、英語で平均より10点上だったことよりも大きな成果だったのでしょうか。

これはリンゴとオレンジを比べるようなものです。2つのテストの「物差し」が違うのです。公平に比較するには、両方の点数を共通の、つまり「標準的な」尺度に変換する必要があります。このプロセスを標準化と呼びます。

Zスコア: 万能のものさし

標準化の最も一般的な方法は、Zスコア（標準得点とも呼ばれます）を計算することです。

Zスコアは、あるデータ点（\(x\)）が平均（\(\mu\)）から標準偏差いくつ分だけ離れているかを正確に教えてくれます。

式はシンプルです。

\[Z = \frac{x - \mu}{\sigma}\]

\(x\) はあなたの具体的なデータ点です（例: あなたのテストの点数）。
\(\mu\)（ミュー）はデータセットの平均（平均値）です。
\(\sigma\)（シグマ）はデータセットの標準偏差です。

あなたの試験のZスコアを計算してみましょう。

1. 数学のZスコア: - \(x = 80\) - \(\mu = 75\) - \(\sigma = 10\) - \(Z_{\text{math}} = \frac{80 - 75}{10} = \frac{5}{10} = +0.5\)

2. 英語のZスコア: - \(x = 70\) - \(\mu = 60\) - \(\sigma = 5\) - \(Z_{\text{english}} = \frac{70 - 60}{5} = \frac{10}{5} = +2.0\)

Zスコアの読み解き方

これでZスコアを直接比較できます。 - あなたの数学の点数（\(Z = +0.5\)）は、クラス平均より標準偏差0.5個分だけ上でした。 - あなたの英語の点数（\(Z = +2.0\)）は、クラス平均より標準偏差2.0個分だけ上でした。

この比較から、生の点数は低かったにもかかわらず、英語での成績の方が数学での成績よりも相対的にずっと良かったことがはっきりとわかります。

Zスコアを読み解くための一般的なガイドは次のとおりです。 - \(Z = 0\): 点数はちょうど平均（平均値）です。 - \(Z > 0\)（正）: 点数は平均より上です。\(Z=1\) は「平均より標準偏差1個分上」を意味します。\(Z=2\) は「平均より標準偏差2個分上」を意味します。 - \(Z < 0\)（負）: 点数は平均より下です。\(Z=-1\) は「平均より標準偏差1個分下」を意味します。

Zスコアから「偏差値」へ

日本では、偏差値 (Hensachi)、つまり「偏差の値」と呼ばれる概念が、特に大学入試で非常によく使われます。

偏差値は、単にZスコアを変換したものです。

なぜ変換するのでしょうか。Zスコアは負になったり（例: -1.5）、小さな小数になったり（例: 0.2）することがあり、一般の人にとっては必ずしも理解しやすくないからです。

偏差値の尺度は、Zスコアの分布を次のような新しい分布へと変換します。 - 平均は50 - 標準偏差は10

式は次のとおりです。

\[Hensachi = 50 + (10 \times Z)\]

あなたの試験のZスコアを偏差値に変換してみましょう。 - 数学（\(Z = +0.5\)）: \(Hensachi = 50 + (10 \times 0.5) = 50 + 5 = 55\) - 英語（\(Z = +2.0\)）: \(Hensachi = 50 + (10 \times 2.0) = 50 + 20 = 70\)

この新しい尺度では、とてもはっきりします。 - 偏差値50はちょうど平均です。 - あなたの数学の点数55は平均より上です。 - あなたの英語の点数70は優秀です（平均より標準偏差2個分上）。

標準化とZスコアは強力な道具です。これらは元の単位（点数、センチメートル、円など）を取り払い、まったく異なる出どころのデータを、ひとつの標準化された「土俵」の上で比較できるようにしてくれるのです。