最終更新日：2026年8月15日
ds data-understanding statistics
まず結論
統計とは、データの特徴やばらつき、データ同士の関係を理解するための考え方です。
DS検定では、統計の指標を次の流れで整理すると理解しやすくなります。
| 知りたいこと | 主な指標・手法 |
|---|---|
| データの中心 | 平均・中央値・最頻値 |
| データのばらつき | 分散・標準偏差 |
| データ同士の関係 | 共分散・相関係数 |
| 予測モデルの説明力 | 回帰分析・決定係数 |
DS検定では、計算そのものだけでなく、それぞれの指標が何を表しているのかを理解して選択肢を切れることが重要です。
直感的な説明
統計は、大きく分けると「データそのものの特徴」と「データ同士の関係」を知るために使います。
① データはどんな値の集まりか
例えば、ある会社の社員の年齢が次のようになっているとします。
25, 27, 29, 30, 31
ここで知りたいのは、例えば次のようなことです。
- だいたい何歳くらいなのか
- 年齢のばらつきは大きいのか
このとき使う代表的な指標が、
- 平均
- 分散
- 標準偏差
です。
② データ同士に関係はあるか
例えば、気温とアイスの売上が次のようになっているとします。
| 気温 | アイス売上 |
|---|---|
| 20℃ | 100 |
| 25℃ | 150 |
| 30℃ | 200 |
この例では、気温が上がると売上も増えるという関係が見えます。
このような2つのデータの関係を調べるときに使うのが、
- 共分散
- 相関係数
です。
さらに、その関係を使ったモデルがどれくらいデータを説明できているかを見る指標の一つが、決定係数です。
定義・仕組み
DS検定では、統計の指標を役割ごとに整理して理解することが重要です。
① データの中心を表す指標
代表値は、データ全体を代表する値です。
- 平均（Mean）：すべての値を足してデータ数で割る
- 中央値（Median）：小さい順に並べたとき中央にある値
- 最頻値（Mode）：最も多く出現する値
DS検定では特に、平均は外れ値の影響を受けやすいという点がよく問われます。
② データのばらつきを表す指標
データがどれくらい散らばっているかを見る代表的な指標が、
- 分散
- 標準偏差
です。
直感的には、次のように整理すると分かりやすいです。
- 分散 → ばらつきの大きさを表す
- 標準偏差 → 分散を元のデータと同じ単位で扱いやすくしたもの
③ 2つのデータの関係を表す指標
2つの変数の関係を見る代表的な指標が、
- 共分散
- 相関係数
です。
共分散は、2つのデータが一緒に増えるか、一方が増えると他方が減るかを見るための指標です。
ただし、共分散はデータの単位や尺度の影響を受けるため、そのままでは関係の強さを比較しにくいという特徴があります。
そこで使われるのが相関係数です。
相関係数は一般に、
- −1 ～ 1 の範囲
- 符号で関係の方向を表す
- 絶対値が大きいほど線形関係が強い
という特徴があります。
④ 回帰と説明力
データ同士の関係を使って予測や説明を行う代表的な方法が回帰分析です。
そのモデルが、目的変数の変動をどの程度説明できているかを表す代表的な指標が決定係数（R²）です。
DS検定では、
- 相関係数 r
- 決定係数 R²
の違いも重要です。
単回帰では、
決定係数 R² = 相関係数 r の2乗
という関係があります。
どんな場面で使う？
統計の指標は、データ分析のさまざまな場面で使われます。
データの特徴を知る
例えば、
- 売上データの平均を知りたい
- 顧客年齢のばらつきを知りたい
という場合です。
ここでは、
- 平均
- 分散
- 標準偏差
などを使います。
データ同士の関係を調べる
例えば、
- 広告費と売上
- 気温と電力消費
の関係を調べる場合です。
ここでは、
- 共分散
- 相関係数
などを使います。
予測モデルを評価する
例えば、
- 売上予測モデル
- 需要予測モデル
を評価する場合です。
ここでは、回帰分析や決定係数などが関係します。
よくある誤解・混同
❌ 相関がある ＝ 因果関係がある
これはよくある誤解です。
例えば、
- アイスの売上 ↑
- 溺死事故の件数 ↑
という2つのデータに相関が見られたとしても、アイスの売上が溺死事故を増やしているわけではありません。
両方に影響している別の要因として、例えば気温が考えられます。
相関 ≠ 因果
DS検定では、この違いを判断できることが重要です。
❌ 相関係数が0 ＝ 関係がない
これも注意が必要です。
一般的なピアソンの相関係数が表しているのは、主に直線的な関係（線形関係）です。
例えば、y = x² のような非線形の関係では、明確な関係があっても相関係数が0に近くなる場合があります。
したがって、
相関係数が0に近いからといって、必ずしも「関係がない」とは限らない
と覚えておきましょう。
❌ 相関係数が高い ＝ よく予測できる
相関が高いだけで、予測精度が保証されるわけではありません。
例えば、
- 外れ値の影響
- 説明変数の不足
- データの偏り
などによって、予測がうまくいかないことがあります。
DS検定では、相関の強さと予測性能を同じものとして扱わないことが判断ポイントです。
データの種類と、それぞれに適したグラフや分析方法の基礎は、総務省統計局のデータ・データセットの種類で確認できます。
まとめ（試験直前用）
DS検定の統計は、次の流れで整理すると理解しやすくなります。
代表値 ↓
平均・中央値・最頻値
↓
ばらつき
↓
分散・標準偏差
↓
2変数の関係
↓
共分散・相関係数
↓
予測・説明
↓
回帰分析・決定係数
試験直前には、次のポイントを確認しておきましょう。
- 平均 → 外れ値の影響を受けやすい
- 分散・標準偏差 → データのばらつき
- 共分散・相関係数 → 2変数の関係
- 相関 ≠ 因果
- 相関係数が0でも、非線形の関係が存在する場合がある
- 決定係数 → 回帰モデルの説明力を表す代表的な指標
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：データサイエンス基礎
- サブカテゴリ名：統計数理基礎
- ★ 基本的な統計量（平均、分散、標準偏差など）を理解し、データの特徴を説明できる
- ★ 相関や回帰など、複数の変数間の関係性を理解し説明できる
🔗 関連記事
- ベイズの定理とは？（条件付き確率の逆算）【DS検定リテラシー】
- ベルヌーイ試行とは？成功・失敗の1回の試行を整理【DS検定】
- 二項分布とは？ベルヌーイ試行をn回繰り返す成功回数の確率【DS検定】
- 因果推論とは？相関との違いを整理【DS検定リテラシー】
- カイ二乗分布とは？（χ²分布の使いどころを整理）【DS検定】