前回は、度数分布表について学びました。
度数分布表を作ることで、生のデータでは分かりにくかった全体の傾向を整理し、どの範囲にデータが多く集まっているのかを把握できるようになりました。
しかし、表だけではデータの特徴を直感的に理解することが難しい場合があります。数字を一つひとつ見比べれば分かりますが、データが多くなるほど全体像をイメージするのは簡単ではありません。
そこで活躍するのがヒストグラムです。
ヒストグラムは、度数分布表を棒グラフで表したものであり、データの分布を視覚的に確認するための統計グラフです。統計学では最も基本的なグラフの一つであり、研究論文や企業のデータ分析、品質管理、医療、教育など、さまざまな分野で利用されています。
例えば、次のような度数分布表があったとします。
| 階級 | 度数 |
|---|---|
| 50～59点 | 3 |
| 60～69点 | 5 |
| 70～79点 | 8 |
| 80～89点 | 3 |
| 90～99点 | 1 |
この表をそのまま見ても、70点台の人が最も多いことは分かります。しかし、棒グラフにすると、その特徴はさらに分かりやすくなります。
横軸には点数の階級、縦軸には人数を配置し、それぞれの階級ごとに棒を描きます。すると、70点台を中心に山ができ、左右に向かって人数が少なくなっている様子が一目で分かります。
この「山の形」こそがヒストグラム最大の特徴です。
ヒストグラムでは、一本一本の棒そのものよりも、棒全体がどのような形を作っているかを見ることが重要になります。
例えば、中央付近が最も高く、左右対称に人数が減っていく形は、正規分布に近い典型的な形です。このようなデータでは平均値が代表値として利用しやすく、多くの統計手法を適用しやすいことが知られています。
一方で、右側だけ長く伸びている場合は「右に裾を引く分布」、左側だけ長く伸びている場合は「左に裾を引く分布」と呼ばれます。このような場合には平均値が極端な値の影響を受けやすくなるため、中央値の方が代表値として適していることもあります。
さらに、山が二つ現れるヒストグラムもあります。例えば、男女の身長を一緒に集計した場合や、小学生と高校生をまとめて集計した場合などでは、異なる集団が混ざることで二つの山が現れることがあります。このような形を「二峰性（にほうせい）」と呼びます。
このように、ヒストグラムは単に人数を棒で表すだけではなく、データの性質そのものを教えてくれるグラフなのです。
ここで注意したいことがあります。
ヒストグラムは棒グラフとよく似ていますが、両者はまったく異なるグラフです。
棒グラフは、「国語」「数学」「英語」のように、それぞれ独立した項目を比較するときに使います。そのため、棒と棒の間には隙間があります。
一方、ヒストグラムでは、50～59点の次は60～69点というように、データが連続しています。そのため、棒と棒の間には隙間がありません。
この違いは統計学では非常に重要です。
ヒストグラムは「連続量」を表すグラフであり、棒グラフは「カテゴリ」を比較するグラフなのです。
また、ヒストグラムを見ることで異常値を発見できることもあります。
例えば、多くのデータが50点から80点に集中しているにもかかわらず、一人だけ100点近く離れた場所に棒が現れていたとします。このような場合、本当にその値が正しいのか、入力ミスではないのかを確認するきっかけになります。
研究では、このような確認作業を行わずに分析を始めることはほとんどありません。
まずヒストグラムを作成し、データの形を確認し、異常値や偏りがないかを調べることが基本となります。
実際の研究現場では、統計ソフトでデータを読み込んだら最初にヒストグラムを表示する研究者も少なくありません。それほど重要なグラフなのです。
企業でも同様です。
製品の重さや長さ、製造時間などをヒストグラムで表示することで、不良品が増えていないか、生産工程が安定しているかを確認しています。
医療では患者の年齢や血圧、教育ではテストの点数、スポーツでは記録の分布など、ヒストグラムはあらゆる分野で活用されています。
ヒストグラムは、一見すると単純なグラフに見えるかもしれません。しかし、その中にはデータの集中、ばらつき、偏り、外れ値、さらには集団構造まで、多くの情報が含まれています。
統計解析では、平均値だけを見て判断することは危険です。同じ平均点でも、ヒストグラムを見ると全く異なる集団であることが分かる場合もあります。
だからこそ、統計学では「まず分布を見なさい」とよく言われます。
ヒストグラムは、その第一歩となる最も重要な道具なのです。
例題1（基礎）
問題
次の度数分布表があります。
| 階級 | 度数 |
| 40～49点 | 2 |
| 50～59点 | 5 |
| 60～69点 | 9 |
| 70～79点 | 6 |
| 80～89点 | 3 |
この度数分布表からヒストグラムを作成したとき、最も高い棒になる階級はどれでしょうか。
解答
60～69点
解説
ヒストグラムでは、棒の高さは度数を表します。この表では60～69点の度数が9人で最も多いため、この階級の棒が最も高くなります。ヒストグラムでは、最も高い棒がデータの中心付近を表すことが多く、分布全体の特徴を把握する手掛かりになります。
例題2（応用）
問題
あるテストのヒストグラムを見ると、70点付近を中心に山が一つあり、左右ほぼ対称の形をしていました。
このヒストグラムから読み取れる内容として、最も適切なものを選びましょう。
① データは均等に分布している。
② 多くのデータは70点付近に集まっている。
③ 全員が70点だった。
④ 外れ値が必ず存在する。
解答
正解：②
解説
山が一つあり左右対称に近いヒストグラムは、多くのデータが中央付近に集まり、そこから離れるほど人数が少なくなる分布を示しています。これは正規分布に近い典型的な形です。
①は均等な分布ではありません。③であれば一本だけ極端に高い棒になります。④はヒストグラムだけでは判断できません。したがって、最も適切なのは②です。
まとめ
ヒストグラムは、度数分布表を視覚的に表現したグラフであり、データの分布を直感的に理解するための重要な統計手法です。棒の高さだけではなく、全体の形を見ることで、データの集中やばらつき、偏り、外れ値の有無など、多くの情報を読み取ることができます。
研究や企業のデータ分析では、統計解析を始める前にヒストグラムを作成し、データの特徴を確認することが基本となっています。統計学では「計算する前に、まずデータを見る」という考え方が非常に大切であり、ヒストグラムはその第一歩を支える代表的なグラフと言えるでしょう。
次の記事
「代表値（平均値・中央値・最頻値）とは？データの中心を表す3つの考え方」
ヒストグラムでデータ全体の形を理解したら、次は「そのデータを代表する一つの値」について学びます。平均値・中央値・最頻値の違いや使い分けを理解することで、データをより正確に読み取れるようになります。
コメント