教科書〉情報I

データの活用

最終更新日：2026年7月19日

「なんとなくそう思う」と「データがそう示している」の間には、大きな隔たりがあります。この単元が目指すのは、集めたデータを整理・分析し、思い込みではなく根拠をもって判断する力です。

代表値やばらつきの見方、箱ひげ図や散布図の読み取りといった具体的な道具を身につけたうえで、「相関があっても因果があるとは限らない」という、データを扱ううえで最も重要な考え方にたどり着きます。

データの種類と代表値

データはまず、身長やテストの点のように数値で測れる量的データと、血液型や好きな色のように分類を表す質的データに分けられます。分析の第一歩は、データ全体を代表する一つの値（代表値）を求めることです。

平均値はすべての値を足して個数で割ったもので扱いやすい反面、極端に大きな（小さな）値＝外れ値に強く引っ張られます。中央値は値を大きさ順に並べたときのちょうど真ん中で、外れ値の影響を受けにくいのが特長です。

最頻値は最も多く現れる値で、質的データでも使えます。所得の分布のように一部の大きな値がある場合は、平均より中央値のほうが「実感に近い代表値」になります。

集めたままのデータには、記入もれ（欠損値）や、明らかに他と離れた値（外れ値）、単位や表記のゆれが混じっています。これらを放置したまま平均を計算すると、結論そのものが歪んでしまうため、分析の前に整える作業を前処理といいます。

欠損値は、その行を除く、平均などで補う、といった方法がありますが、どれを選ぶかで結果が変わるので「どう扱ったか」を明示するのが原則です。外れ値も、入力ミスなら修正・除外しますが、実際に起きた極端な事例であれば、勝手に消してはいけません。

データを都合よく取捨選択すると誤った結論を導いてしまう、という点がこの単元の倫理的な要でもあります。

代表値が同じでも、データの散らばり方は大きく違うことがあります。散らばりの指標が分散（各値と平均の差を2乗して平均したもの）で、その正の平方根が標準偏差です。

標準偏差が大きいほどばらつきが大きいことを意味します。

データを4等分する境目が四分位数で、第1四分位数から第3四分位数までの幅を四分位範囲といいます。箱ひげ図はこの四分位数と最大・最小を1つの図で表し、複数の集団のばらつきや中心を一目で比べられます。

箱の位置とひげの長さから、データの偏りや外れ値の有無を読み取れます。

2つの量的データの関係の強さを表すのが相関係数で、+1に近いほど右上がり、−1に近いほど右下がり、0に近いほど関係が弱いことを示します。散布図で点が直線的に並ぶほど相関は強くなります。

ここで最も重要なのは、相関があるからといって一方が他方の原因とは限らないということです。たとえば「アイスの売上」と「水難事故」には正の相関がありますが、これは「気温が高い」という共通の原因（潜伏変数。

交絡変数、第三の変数とも呼びます）が両方を押し上げているだけで、アイスが事故を起こすわけではありません。相関を見つけたら「本当に因果か、別の共通原因はないか、偶然ではないか」を疑う姿勢が、この単元の核心です。

実践ワンポイント

外れ値の影響を受けにくいのは中央値である点、箱ひげ図・散布図の読み取り、そして相関と因果の混同が最頻出のひっかけです。データの前処理（欠損値・外れ値の扱い）も問われます。

参考・出典

この教科書は、運営者が構成を設計した上で生成AIを併用して執筆し、公開前に運営者が内容を確認しています。学習の参考としてご利用いただき、重要な判断の際は教科書や公式資料もあわせてご確認ください。誤りを発見した場合は、ページ下部、またはお問い合わせにある投書箱よりご連絡ください。