1 四分位点の基本
1.1 四分位点とは何か
四分位点は、データを大きさ順に並べたときに全体を4つの区分に分ける境界位置に対応する値である。具体的には、下位から数えて25%・50%・75%の位置にある値を、それぞれ「下位四分位点」「中央値」「上位四分位点」と呼ぶ。四分位点は、単一の平均値だけでは捉えにくい分布の偏りやばらつきを、少数の代表値で要約するために用いられる。
1.2 四分位数（第1・第2・第3）の意味
四分位点を数値として整理したものが四分位数である。一般に、第1四分位数はデータ全体の25%点、第2四分位数は50%点（中央値）、第3四分位数は75%点を意味する。これらは順位情報に基づくため、データの単位やスケールが異なる場合でも比較の枠組みを作りやすい。
1.2.1 下位四分位点（第1四分位数）
下位四分位点（第1四分位数）は、データを小さい順に並べたとき全体の4分の1に相当する位置の値である。第1四分位数より小さい（または同等の）値が全体の25%程度になる点として理解できる。分布の下側における水準や、比較対象間で下半分の中心傾向がどう違うかを示す手がかりになる。
1.2.2 中央値（第2四分位点）
中央値（第2四分位数）は、データを並べたとき中央に位置する値であり、50%点として定義される。中央値の利点は、極端な大きさや小ささに左右されにくい点にある。平均値は外れ値に引っ張られることがある一方、中央値は順位ベースのため頑健性が高いとされる。
1.2.3 上位四分位点（第3四分位数）
上位四分位点（第3四分位数）は、上から数えて4分の1に相当する境界ではなく、下から数えて75%の位置にある値として扱われることが多い。したがって、第3四分位数より大きい（または同等の）値が概ね25%程度になる。上側の水準、上半分の分布の中心傾向、あるいは分布の右側の広がりを把握する際に役立つ。
1.3 四分位点とパーセンタイルの関係
パーセンタイルは、データの位置をパーセント（割合）で表す概念であり、四分位点はパーセンタイルの特別な場合として位置づけられる。具体的には、25%・50%・75%点が四分位数に対応し、これらは第1、第2、第3四分位数として整理される。四分位点を理解することは、一般のパーセンタイルを解釈する基礎にもなる。
2 四分位点の求め方
2.1 データの並べ替えと位置の考え方
四分位点を求める基本手順は、(1) データを大きさ順に並べ、(2) 並び順に基づく位置（25%・50%・75%）を特定し、(3) その位置に対応する値を読み取る、という流れである。データ数が増えるほど、四分位点は分布の特徴をより安定に反映しやすくなる。
2.2 離散データと連続データの違い
データが離散的（例：整数値が中心）か、連続的（例：計測値が実数として扱われる）かによって、四分位点の表現方法や解釈が変わる。離散データでは四分位点が既存の観測値のいずれかに一致しやすいが、定義方式によっては補間により観測値でない値が得られることがある。連続データでは補間を含めた計算が自然に適用される場合が多い。
2.3 四分位点の定義方式
四分位点には複数の定義が存在し、同じデータでも四分位数の値がわずかに異なることがある。主な差は「位置をどう数値化するか」「位置が観測値の間にあるときにどう扱うか」に現れる。したがって、特定のソフトウェアや統計手法で得た四分位数を引用する場合は、その定義方式（実装仕様）を確認することが望ましい。
2.3.1 分位点の補間（線形補間など）
位置が観測値の添字にぴったり一致しない場合、補間によって四分位点を推定する方法がある。たとえば線形補間では、隣り合う2つの観測値の間で、位置のずれに比例する重みを与えて値を作る。補間を用いる方式は滑らかな分位推定を与えやすい一方、離散データでは「補間により生じた値」が実データにない点として受け取られることがある。
2.3.2 個数が少ない場合の扱い
サンプルサイズが小さいときは、四分位点の位置が観測点に強く結びつくため、値が階段状に変化しやすい。たとえば3点程度のデータでは、第1・第3四分位点が同一の観測値に重なるケースもあり得る。定義方式によっては四分位点が不安定に見えることがあるため、小標本では補間の有無や分割の仕方に注意して解釈する。
2.3.3 ソフトウェア・手計算での差の理由
実装の差は、(1) 分位点の対象位置を添字として扱う基準、(2) 補間の採用、(3) 並べ替え後の端点処理（両端を含むか、含めないか）などの複数要因で生じる。手計算では簡略化した定義を用いることがある一方、ソフトウェアは計算規約を厳密に定めているため、結果が一致しないことがある。比較の場面では、同じ定義方式で計算した値かどうかを確認することが重要になる。
3 四分位点を使った分析
3.1 四分位範囲（IQR）
四分位範囲（IQR: interquartile range）は、第3四分位数から第1四分位数を引いた値であり、分布の中央付近の散らばりを表す指標である。具体的には、データのうち下位25%と上位25%を除いた残り50%がどれほど広い範囲に分布しているかを示す。外れ値が極端に片側へある場合でも、IQRは影響を受けにくい性質を持ちやすい。
3.2 度数分布・箱ひげ図との関係
四分位点は箱ひげ図（ボックスプロット）で視覚化されることが多い。箱は第1四分位数から第3四分位数までを表し、その中の線が中央値に相当する。箱ひげ図は、分布の位置（中央値）と広がり（IQR）を短時間で読み取れるため、探索的なデータ解析で頻繁に利用される。
3.2.1 箱の幅（IQR）の解釈
箱の幅が大きいほど、第1四分位数から第3四分位数までの幅が広いことを意味し、中央50%の分散が大きいと解釈できる。逆に箱が狭い場合は、中央付近の値が比較的まとまっていることを示す。箱の幅は、平均だけでは捉えにくい「中心のばらつき」を反映しやすい。
3.2.2 ひげと外れ値の見方
箱ひげ図のひげは、基準に従って外れ値を除いた範囲（または分位に基づく範囲）を示すことが多い。ひげが長い場合、中央値から離れた方向にデータが伸びている可能性を示唆する。外れ値として描かれる点があるときは、IQRの上下に対してどれだけ極端な観測が存在するかを確認できる。
3.3 外れ値の検出における四分位点
四分位点は外れ値の判定にもしばしば利用される。IQRを用いることで、分布のスケールに応じた閾値を構成できるため、単純な絶対値基準よりも適応的な検出が行いやすい。
3.3.1 代表的な外れ値判定基準
代表的な基準として、四分位範囲IQRに基づくルールがある。一般的には、第1四分位数から一定倍率（例：1.5倍）のIQRを下回る値、あるいは第3四分位数から一定倍率（例：1.5倍）のIQRを上回る値を外れ値候補として扱う。倍率の選択は検出の厳しさに影響するため、目的に応じた調整が必要になる。
3.3.2 ロバスト性（外れ値に強い性質）
ロバスト性とは、外れ値や極端な観測が推定結果を大きく歪めにくい性質を指す。四分位点やIQRは順位に依存するため、極端値が少数存在しても中心位置の推定が過度に引っ張られにくい。結果として、外れ値を含むデータでも分布の要約が比較的安定しやすい。
4 四分位点の注意点と応用
4.1 サンプルサイズが小さいときの注意
小標本では、25%点や75%点に相当する位置が少数の観測に強く依存し、四分位点がデータのわずかな変化で動きやすい。さらに、中央値は頑健でも、IQRや外れ値判定は分布の実体より定義規則に左右される場合がある。少数例で四分位点を比較する際は、不確かさを意識した解釈が求められる。
4.2 分布形状の読み取り（歪みの手がかり）
四分位点からは、分布の左右非対称（歪み）を簡易的に推測できることがある。たとえば中央値が箱の中で偏っているとき、下側と上側で分布の広がりが異なる可能性がある。IQRを単独で見るよりも、第1〜中央値〜第3の相対関係を確認することで、非対称性の手がかりが得られる。
4.3 統計比較における利用（ばらつき比較など）
四分位点は、平均の代わりにばらつきを比較する場面で有用になることがある。例えば複数の集団について箱ひげ図を並べると、中心位置とIQRの差が直感的に把握できる。厳密な仮説検定を行う場合には別途手法が必要だが、探索段階では分布特性の整理に役立つ。
4.4 実務での使いどころと限界
実務では、外れ値を含みやすい品質データ、売上や待ち時間のような歪みのある指標、複数拠点の比較などで四分位点が使われることが多い。限界として、定義方式の差により結果が一致しない可能性がある点、分布全体の情報を圧縮してしまう点が挙げられる。したがって、四分位点は「分布の特徴を要約する道具」として、目的と前提に合わせて解釈することが重要になる。