1 分布の基本
分布は、データや確率変数がどの値にどの程度集まるかを示す統計学の基本概念である。単に値の一覧を見るのではなく、中心の位置や広がり、左右の偏り、山の形をまとめて把握するための枠組みとして用いられる。
統計では、理論上の確率分布と、実際の観測から得られる標本の分布の両方が重要である。前者は現象の起こり方を数理的に表し、後者は収集したデータの傾向を読み取る手がかりになる。
1.1 分布の定義
分布とは、ある変数が取りうる値と、それらが現れる頻度や確率の対応関係を表したものである。離散的な値をとる場合は各値ごとの現れやすさを、連続的な値をとる場合は区間ごとの集まり方を考える。
この概念は、データの全体像を単純な数値だけでなく、構造として理解する点に特徴がある。
1.2 分布が表すもの
分布は、データの代表値だけでは見えにくい性質を示す。たとえば、同じ平均をもつ二つのデータでも、散らばりや形が異なれば印象は大きく変わる。
1.2.1 位置
位置は、データがどのあたりに集まっているかを示す。平均や中央値は、その中心的な場所を表す代表的な指標である。
1.2.2 ばらつき
ばらつきは、値がどの程度広がっているかを示す。集まりが強ければ小さく、値が広範囲に散らばれば大きくなる。
1.2.3 形状
形状は、分布の全体の輪郭を指す。左右対称か、どちらかに長い尾を引くか、山が一つか複数かといった特徴が含まれる。
1.3 分布の種類
分布は大きく、確率分布と標本分布に分けられる。さらに、値が飛び飛びに現れる離散型と、連続的に変化する連続型に分類されることが多い。
2 確率分布
確率分布は、確率変数が各値をどの程度の確率でとるかを記述する理論的な分布である。現実の事象をモデル化する際の基礎となり、予測や推測の計算に広く用いられる。
2.1 離散分布
離散分布は、値が数え上げられる形で現れる場合に用いられる。たとえば、回数、個数、成功回数のような量がこれに当たる。
2.1.1 二項分布
二項分布は、同じ条件の試行を繰り返したとき、成功が起こる回数の分布である。各試行が独立で、成功確率が一定である状況を想定する。
2.1.2 ポアソン分布
ポアソン分布は、一定の区間内に起こる事象の回数を表す。発生頻度が比較的まれで、平均的な起こり方が安定している場合に使われる。
2.1.3 幾何分布
幾何分布は、最初の成功が得られるまでの試行回数を扱う。各試行が独立で、成功確率が変わらないときの待ち時間を表現できる。
2.2 連続分布
連続分布は、測定値のように連続的な範囲をとる変数に対応する。個々の一点に確率が集中するのではなく、区間全体に確率が割り当てられる。
2.2.1 正規分布
正規分布は、釣り鐘型の対称な形をもつ代表的な連続分布である。自然現象や測定誤差の記述にしばしば現れ、多くの統計手法の理論的基盤となる。
2.2.2 一様分布
一様分布は、ある範囲内のどの値も同じ程度に起こりやすい分布である。偏りがほとんどない理想化された状況を表す際に用いられる。
2.2.3 指数分布
指数分布は、ある事象が起こるまでの待ち時間を表す連続分布である。時間が経つほど起こりにくさが一定の割合で変化するモデルとして知られる。
2.3 累積分布関数
累積分布関数は、ある値以下をとる確率を表す関数である。分布全体を一つの関数で表現でき、確率の比較や計算に役立つ。
2.3.1 確率密度関数
確率密度関数は、連続分布において値の集中の度合いを示す関数である。高さそのものが確率ではなく、区間で面積をとることで確率を求める。
2.3.2 確率質量関数
確率質量関数は、離散分布において各値に割り当てられた確率を表す関数である。個々の値ごとの起こりやすさを明確に示せる。
3 標本分布
標本分布は、同じ母集団から複数回標本を取ったとき、統計量がどのようにばらつくかを表す分布である。推定や検定では、観測された数値が偶然どの程度変動しうるかを理解するうえで重要となる。
3.1 標本と母集団
母集団は、関心の対象となる全体の集まりを指す。標本はその一部を取り出したものであり、全体の性質を間接的に知るために用いられる。
3.2 標本分布の考え方
標本分布は、標本から計算した値が一つに定まらず、抽出のたびに変わることを前提にする。同じ方法で標本を繰り返し取ると、統計量にも一定の分布が現れる。
3.2.1 標本平均の分布
標本平均の分布は、標本ごとに求めた平均値がどのように散らばるかを示す。標本サイズが大きくなるほど、平均は母平均の近くに集まりやすい。
3.2.2 標本分散の分布
標本分散の分布は、標本ごとに計算された散らばりの程度がどのように変動するかを表す。データの不確実性を評価する際の重要な手がかりになる。
3.3 中心極限定理
中心極限定理は、独立な確率変数の和や平均が、条件のもとで正規分布に近づくことを述べる。これにより、元の分布の形が複雑でも、平均の振る舞いを近似的に扱いやすくなる。
4 分布の特徴量
分布の特徴量は、分布の性質を数値で要約する指標である。中心、広がり、偏り、山のとがり方などを簡潔に比較できる。
4.1 平均
平均は、データ全体の中心を表す代表値である。極端な値の影響を受けやすいが、全体の位置を把握するうえで基本的な指標となる。
4.2 分散
分散は、値が平均の周りでどれほど広がっているかを示す。大きいほど変動が強く、小さいほど値が集中していることを意味する。
4.2.1 標準偏差
標準偏差は、分散の平方根であり、元のデータと同じ単位でばらつきを表せる。解釈しやすいため、実務でも広く使われる。
4.2.2 四分位範囲
四分位範囲は、データの中央50％が含まれる幅を示す。外れ値の影響を受けにくく、頑健な散らばりの尺度として利用される。
4.3 歪度
歪度は、分布が左右どちらに偏っているかを表す。正の歪度では右側に長い尾が、負の歪度では左側に長い尾が見られる。
4.4 尖度
尖度は、分布の山の鋭さや尾の厚さに関係する指標である。中心が尖っているか、外れた値が出やすいかを比較する際に役立つ。
4.5 中央値との差
中央値との差は、中央値を基準にした各値のずれを考える見方である。平均よりも外れ値の影響を受けにくく、偏った分布の理解に向いている。