G検定 第9章|AIに必要な数理・統計知識

代表値(平均値・中央値・最頻値)と外れ値

平均だけ見てると、だまされるって本当?

会話で読んで3分

平均中央値最頻値外れ値度数分布

#1平均年収、高すぎない?

ミコ

第9章は数学! いきなりだけど、未来のクラス会を想像して!

ミコ

5人の年収の平均が1,290万円だって! みんな勝ち組じゃん!

シオン

…中身を見る。300、350、400、400、そして5,000万円。

ルナ

1人だけ社長さんなのね…♡ ルナ、その人の連絡先が知りたいの

ミコ

そこじゃない! ほかの4人は、平均よりずっと下じゃん!

平均値(算術平均)

平均値 = データの合計 ÷ データの個数

(300+350+400+400+5000)÷ 5 = 1290。1人の大きな値に引っぱられる

シオン

…ほかと大きくかけ離れた値を「外れ値」という。平均は、外れ値に弱い。

#2真ん中の人を見る「中央値」

ミコ

じゃあ、みんなの実感に近い数字はどうやって出すの?

シオン

…小さい順に並べて、ちょうど真ん中の値。それが「中央値」。

シオン

…5人なら3番目。300、350、400、400、5000。真ん中は400万円。

ミコ

社長が1億円でも10億円でも、真ん中は400のまま! 強い!

ルナ

じゃあ、人数が偶数のときはどうするの? 真ん中がいないの…♡

シオン

…真ん中の2つを足して2で割る。社長がいない4人なら、350と400で375万円。

ミコ

社長がいなくなると、平均は362.5、中央値は375。今度は近い!

#3いちばん多い値「最頻値」

シオン

…3つめが「最頻値」。いちばん多く出てくる値。モードともいう。

ミコ

400万円が2人いるから、最頻値は400万円!

シオン

…データが多いときは、度数分布表にまとめる。いちばん人数が多い階級の真ん中の値を、最頻値にする。

ミコ

階級って、「400万以上500万未満」みたいな区切りのこと?

シオン

…そう。たとえば100人分をまとめて、その階級がいちばん多ければ、真ん中の450万円が最頻値。

3つの代表値(例:5人の年収)
求め方外れ値の影響
平均値合計÷個数(1290万円)いちばん受けやすい
中央値並べて真ん中(400万円)受けにくい
最頻値いちばん多い値(400万円)ほぼ受けない
ルナ

ルナの最頻値は「会いたい」なの♡ 1日に100回言うから

ミコ

それは度数が多すぎる!

#4AIも、まずデータの「顔」を見る

ミコ

でも、これがAIとどう関係あるの?

シオン

…AIに学ばせる前に、データの特徴を確かめる。平均と中央値が大きくずれていたら、外れ値を疑う。

シオン

…入力ミスの外れ値なら、直すか除く。本物の値なら、残すかどうかを考える。

ミコ

ニュースで「平均年収」って聞いたら、中央値も探してみる!

ルナ

ルナは、社長さんの年収も探してみるの♡

シオン

…それは、外れ値に引っぱられている。

ミコのメモ(自分あて)

試験デンデン! 1問だけ

データ「2, 3, 3, 4, 100」について正しい説明はどれ?

※ 出題範囲を参考にしたオリジナル問題です

この記事の出典

クラス会の年収の数字は、説明のためのイメージです。

G検定(JDLA ジェネラリスト検定)のシラバス2024(第1.4版)をもとにした非公式の学習コンテンツです。JDLAとは関係ありません。 登場人物は架空のキャラクターです。

第9章のレッスン

  1. 代表値(平均値・中央値・最頻値)と外れ値
  2. 分散と標準偏差
  3. 確率分布(正規分布・二項分布・ポアソン分布)
  4. 相関係数と疑似相関(相関と因果)
  5. 微分と勾配降下法(最適化の数学)