DS検定トップ
＞ 数字やグラフの持つメッセージを理解するとは？（統計情報の正しい読み取り）【DS検定】
## まず結論
数字やグラフの持つメッセージを理解するとは、統計データをそのまま受け取るのではなく、「何を意味しているのか」「比較は適切か」を考えて読み取ることです。
DS検定では、
「数字は正しいが解釈が誤っている」選択肢を見抜けるか
がよく問われます。
## 直感的な説明
ニュースやSNSでは、次のような数字をよく見ます。
「感染者数が2倍に増えた」
「売上が過去最高を更新」
「満足度90%」
一見すると、すごく大きな変化のように見えます。
しかし、よく見ると
母数が違う
集計方法が違う
比較条件が違う
ことがあります。
例えば次の2つは、印象が大きく変わります。
表現 実際の意味
感染者数が100人増えた 人口が多い地域かもしれない
感染率が2倍になった 検査数が増えただけかもしれない
つまり、
数字は事実でも、解釈を間違えると誤った判断になる
ということです。
このような誤解が広がる現象は
インフォデミック（Infodemic） と呼ばれることもあります。
## 定義・仕組み
エビデンスベースドとは
エビデンスベースド（Evidence-Based）とは、思い込みや感覚ではなく、データや根拠に基づいて判断する考え方です。
日本語では
「根拠に基づく意思決定」
と説明されることが多いです。
例えばビジネスでは次のような判断があります。
判断方法 例
勘や経験 「なんとなく売れそう」
エビデンスベースド 「過去データから売れる確率が高い」
データサイエンスでは
統計データ
実験結果
調査データ
などを根拠として判断します。
ただし重要なのは、
データがあるだけでは不十分
ということです。
そのデータが
正しく比較されているか
適切な指標か
誤解を招くグラフではないか
を確認する必要があります。
つまり、
エビデンスベースドで判断するためには
統計情報を正しく読み取る力が必要
になります。
① 絶対数なのか比率なのか
例：
表現 意味
感染者数 絶対数
感染率 比率
人口が多い地域は、感染者数が多くなりやすいため
比率で比較する必要があります。
DS検定では
**「絶対数と割合を混同させる問題」**がよく出ます。
② 同じ条件で比較しているか
例えば
調査方法
集計期間
対象人数
が変わると、数字は変わります。
例
年 集計方法
2022年 店舗調査
2023年 オンライン調査
この場合、
単純比較はできません。
③ 都合の良いデータだけ使っていないか
グラフは見せ方で印象が変わります。
例
縦軸の範囲を極端に狭くする
一部の期間だけ表示する
特定の条件だけ抜き出す
こうした手法は
ミスリーディングな可視化と呼ばれることがあります。
④ 相関関係と因果関係を混同していないか
例：
アイスの売上が増える
溺水事故が増える
この2つは相関があります。
しかし原因は
夏の気温
です。
つまり
相関 ≠ 因果
です。
DS検定では
「相関がある → 原因である」
という選択肢が典型的な誤りです。
## どんな場面で使う？
この考え方は、次の場面で非常に重要です。
ニュースを読むとき
例
失業率
感染率
経済指標
数字だけを見ると誤解することがあります。
ビジネス分析
例
売上の増減
顧客満足度
市場シェア
条件を揃えない比較は誤った意思決定につながります。
データ分析
データ分析では
前処理
可視化
指標の解釈
のすべてで
数字の意味を正しく理解する力
が必要になります。
## よくある誤解・混同
誤解①
数字は客観的だから正しい
→ 誤り
数字は事実でも
集計方法
表示方法
比較方法
で印象が変わります。
誤解②
グラフはそのまま信じてよい
→ 注意
グラフは
軸の設定
表示範囲
対象期間
によって
印象操作が可能です。
誤解③
相関があれば原因である
→ 誤り
DS検定では
相関と因果の混同
が頻出のひっかけです。
統計データの読み取り方や誤解を招かないグラフの作り方は、総務省統計局の[グラフ作成の基本](https://www.stat.go.jp/naruhodo/9_graph/kihon.html)で確認できます。
## まとめ（試験直前用）
統計情報は 数字の意味を考えて読むことが重要
エビデンスベースドとは 根拠（データ）に基づく判断
絶対数か割合か を確認する
同じ条件で比較しているか を確認する
相関＝因果ではない
DS検定では
**「数字は正しいが解釈が誤り」**の選択肢がよく出る。
## 対応スキル項目（データサイエンス力シート）
スキルカテゴリ名
データの理解・検証
サブカテゴリ名
統計情報への正しい理解
★ ニュース記事などで統計情報に接したときに、数字やグラフの持つメッセージを理解できる