前回は、データのばらつきを表す代表的な指標である分散（Variance）について学びました。分散は、すべてのデータを利用してばらつきを評価できるため、範囲よりもはるかに多くの情報を含んだ指標です。
しかし、分散には一つだけ大きな欠点があります。
それは、単位が二乗になってしまうことです。
例えば、テストの点数であれば単位は「点²」、身長であれば「cm²」となります。これらの単位は私たちが日常的に使う単位とは異なるため、「分散が100点²である」と言われても、実際にどれくらいデータが散らばっているのかを直感的に理解することは容易ではありません。
そこで考えられたのが標準偏差（Standard Deviation）です。
標準偏差は、分散の平方根を取ることで、元のデータと同じ単位でばらつきを表せるようにした指標です。そのため、研究論文や学術誌では、分散よりも標準偏差の方が報告されることが一般的です。
現在では、標準偏差は統計学だけでなく、医療、経済学、教育学、工学、品質管理、AI・機械学習など、ほぼすべてのデータ分析で利用される基本的な統計指標となっています。
今回は、標準偏差の意味や求め方、分散との違い、そして研究や実務でどのように利用されているのかについて学んでいきましょう。
標準偏差とは
標準偏差とは、データが平均値からどれくらい離れているかを、元の単位で表した指標です。
データが平均値の近くに集まっていれば標準偏差は小さくなります。一方、平均値から離れたデータが多く存在する場合には、標準偏差は大きくなります。
つまり、標準偏差を見ることで、データがどの程度まとまっているのか、あるいは広く散らばっているのかを直感的に理解できます。
研究論文で「平均値±標準偏差」という表現が頻繁に用いられるのは、このようにデータの代表値とばらつきを同時に示すことができるためです。
標準偏差はどのように求めるのか
標準偏差は、分散を求めた後、その平方根（ルート）を計算することで求められます。
数式では次のように表されます。
母標準偏差
[\sigma=\sqrt{\frac{1}{N}\sum_{i=1}^{N}(x_i-\mu)^2}]
実際の研究では標本から計算することが多いため、標本標準偏差は次のようになります。
[s=\sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2}]
ここで、
- (\sigma)：母標準偏差
- (s)：標本標準偏差
- (N)、(n)：データ数
- (x_i)：各データ
- (\mu)：母平均
- (\bar{x})：標本平均
を表します。
入門段階では、「標準偏差は分散の平方根」と理解しておけば十分です。
計算例
前回と同じデータを用いて考えてみましょう。
2、4、6
このデータの分散は約2.67でした。
標準偏差は、その平方根を求めるだけです。
[
\sqrt{2.67}\approx1.63
]
したがって、このデータの標準偏差は約1.63となります。
ここで重要なのは、単位が元のデータと同じになることです。
点数であれば「約1.63点」、身長であれば「約1.63cm」と表せるため、分散よりもはるかに直感的に理解できます。
標準偏差から分かること
標準偏差は、データのばらつきを比較するときに最もよく利用されます。
例えば、AクラスとBクラスの平均点がどちらも70点だったとします。
しかし、Aクラスの標準偏差は3点、Bクラスの標準偏差は15点でした。
Aクラスでは多くの生徒が70点付近に集まっています。一方、Bクラスでは高得点の生徒と低得点の生徒が混在しており、点数のばらつきが大きいことが分かります。
このように、平均値だけでは見えないデータの特徴を把握できることが、標準偏差の大きな利点です。
標準偏差と分散の違い
分散と標準偏差は、どちらもデータのばらつきを表す指標です。
違いは、その表し方にあります。
分散は偏差を二乗して平均を求めるため、単位が二乗になります。一方、標準偏差はその平方根を取るため、元のデータと同じ単位になります。
そのため、理論的な統計解析では分散が重要な役割を果たしますが、研究結果の報告や実務では標準偏差が用いられることが圧倒的に多くなっています。
論文で「平均値±標準偏差」と記載されているのは、その値が読者にとって解釈しやすいからです。
68・95・99.7ルールとは
標準偏差には、正規分布に従うデータに対して非常によく知られた性質があります。
それが**68・95・99.7ルール（経験則）**です。
正規分布では、
- 平均値±1標準偏差の範囲に約68%
- 平均値±2標準偏差の範囲に約95%
- 平均値±3標準偏差の範囲に約99.7%
のデータが含まれることが知られています。
例えば、あるテストの平均点が70点、標準偏差が10点だった場合、およそ68%の受験者は60点から80点の間に存在すると考えられます。また、約95%は50点から90点の範囲に含まれることになります。
この性質は、教育だけでなく、品質管理や医学、生物統計学、AIなど幅広い分野で利用されています。
ただし、このルールはデータがおおむね正規分布に従う場合に成り立つものであり、分布が大きく偏っている場合には当てはまらないこともあります。
標準偏差はどのような場面で使われるのか
標準偏差は、データ分析を行うあらゆる分野で利用されています。
教育分野では、模擬試験や学力調査の結果を評価する際に利用され、平均点だけでは分からない学力のばらつきを把握できます。
医療分野では、血圧や血糖値、血液検査値などの変動を評価し、新しい治療法の効果が安定しているかどうかを検討する際にも重要な指標となります。
工学や品質管理では、製品の寸法や重量などが一定の範囲内に収まっているかを監視するために利用されます。
さらに、AIや機械学習では、データの標準化（Standardization）や異常値検出、モデル評価など、多くの場面で標準偏差の概念が利用されています。
このように、標準偏差は現代のデータ分析を支える最も基本的な統計指標の一つです。
例題1（基礎）
問題
あるデータの分散が9でした。
標準偏差を求めましょう。
解答
標準偏差：3
解説
標準偏差は分散の平方根です。
[
\sqrt{9}=3
]
したがって、標準偏差は3となります。
例題2（応用）
問題
AクラスとBクラスの平均点はどちらも70点でした。
Aクラス：標準偏差4点
Bクラス：標準偏差12点
どちらのクラスの点数のばらつきが大きいでしょうか。また、それぞれの特徴を説明しましょう。
解答
Bクラスの方がばらつきは大きいです。
解説
標準偏差が大きいほど、データは平均値から広く散らばっています。そのため、Bクラスでは高得点の生徒と低得点の生徒の差が大きいことが分かります。一方、Aクラスでは多くの生徒が平均点付近に集まっており、学力のばらつきが比較的小さいと考えられます。
まとめ
標準偏差とは、データが平均値からどれくらい離れているかを、元の単位で表したばらつきの指標です。分散の平方根を取ることで求められ、分散よりも直感的に理解しやすいという特徴があります。
また、正規分布では「68・95・99.7ルール」が成り立ち、多くのデータが平均値の周囲にどの程度集まるかを推定できます。この性質は統計解析だけでなく、教育、医療、品質管理、AIなど幅広い分野で活用されています。
研究論文では「平均値±標準偏差」という形で結果が報告されることが一般的であり、標準偏差を理解することは、統計解析の結果を正しく読み解くための第一歩です。
次の記事
「偏差値とは？標準偏差との関係や計算方法をわかりやすく解説」
標準偏差を理解すると、日本で広く利用されている偏差値の仕組みも理解できるようになります。次回は、偏差値の意味や計算方法、標準偏差との関係、そして偏差値を正しく読み解くためのポイントについて学んでいきましょう。
コメント