1 平均の基本
平均は、複数の値を一つの代表値として要約するための代表手段である。数値の「中心」を表す指標として、集計・比較・意思決定の基礎に置かれることが多い。ただし、データの形（ばらつき、偏り、外れ値の有無）によって、平均が適切に中心を捉えるかどうかは変わるため、目的に応じた定義の選択が重要になる。
1.1 平均の定義
平均という語は広い意味を持つが、共通して「複数の観測値を、同一の枠組みで集約して単一の値にまとめる」ことを指す。集約の仕方（単純に足し合わせるのか、重みを与えるのか、時系列で窓をずらすのか）により、平均の種類が区別される。
1.1.1 平均の考え方（中心傾向の代表）
中心傾向の代表とは、データをそのまま読む代わりに、典型的な位置を一つで示そうとする考え方である。平均は、その中心を「全体のバランス点」とみなす発想に近い。具体的には、平均からのずれが相殺されるような点として解釈されることが多く、線形な損失（例：二乗誤差）との関係で正当化される場合がある。
1.1.2 平均の単位と解釈
平均の単位は、元データの単位に対応するのが一般的である。たとえば長さのデータを平均すれば平均の単位は長さのままである。解釈としては「データ全体を一つの典型的水準に圧縮した値」と捉えられるが、外れ値や偏りが強い場合には、典型から離れた値を示し得るため注意が必要である。
1.2 平均の種類の概観
平均は、集約のルールに応じて複数の種類に分類される。データが等しい重要度で集計されるなら単純平均が自然であり、観測ごとに重要度や出現頻度が異なるなら加重平均が適する。さらに時系列のように順序と時間窓がある場合は、移動平均が用いられる。
1.2.1 単純平均
単純平均は、各データ値を同じ重みで扱い、合計を件数で割ることで求める平均である。データの要素がすべて同等の扱いを受ける状況での「基本形」として理解される。
1.2.2 加重平均
加重平均は、各データ値に重みを割り当てて集約する平均である。重みは重要度、頻度、あるいは信頼度などの意味を持ち得る。重みが大きい観測ほど、平均への寄与が増える。
1.2.3 移動平均
移動平均は、時系列において一定期間の値を平均し、その窓を時間とともにずらして計算する手法である。短期の揺らぎをならし、変化の方向性を見やすくすることを目的とする。
2 単純平均
単純平均は、最も直観に合う平均として導入されることが多い。ただし、計算の単純さとは別に、平均がデータのどの部分を強く反映するかは、分布の形に依存する。したがって、求めた値を解釈する際には性質の確認が必要になる。
2.1 計算手順
単純平均の計算は、基本的には「総和を件数で割る」ことで完結する。実務では欠損値の扱いなど、データ整備の段階で条件が追加されることがある。
2.1.1 データの総和と件数
データ集合が \(x_1, x_2, \dots, x_n\) のとき、単純平均は \(\frac{x_1+x_2+\cdots+x_n}{n}\) と表される。ここで分母の \(n\) は、平均計算に含めるデータ数を意味する。計算に含まれる要素の定義が曖昧だと、同じ式でも結果が変わり得るため注意が必要である。
2.1.2 欠損値がある場合の扱い
欠損値（未記録、取得不能など）が混ざる場合、単純平均をそのまま適用すると、欠損をどう扱うかで結果が変わる。一般的には、欠損を平均計算から除外する「除外型」か、欠損を何らかの方法で補完してから計算する「補完型」のどちらかが選ばれる。選択は分析目的や欠損の発生機序（ランダム性の有無）に依存する。
2.2 性質と特徴
単純平均は全体を均した指標である一方で、データの極端な値に影響される。これは平均が線形集約であるためであり、分布が非対称な場合には典型をずらす方向に働くことがある。
2.2.1 外れ値の影響
外れ値は、他の値と大きく異なる観測である。単純平均はすべての値に同じ重みを与えるため、外れ値があると平均が引き寄せられやすい。結果として、中心の「典型」を表すという目的から逸れる可能性がある。
2.2.2 分布が偏る場合の注意
分布が左右非対称（歪んでいる）だと、平均は長い裾を持つ側へ移動しやすい。たとえば右に長い分布では平均が高めに出やすい。こうした場合、平均との差や中央値との比較によって、解釈の妥当性を確かめることが望ましい。
2.3 代表性の評価
平均が「代表」として妥当かどうかは、データの形と比較対象によって評価できる。とくに中央値との関係は、外れ値や偏りの影響を確認する手がかりになる。
2.3.1 平均と中央値の比較
平均と中央値を並べると、分布の歪みや外れ値の影響が見えやすくなる。両者が近い場合は、中心が比較的安定していることを示唆する。一方で大きく離れている場合は、外れ値や非対称性が平均を引きずっている可能性がある。どちらが正しいというより、示している側面が異なると捉えるのが実務的である。
2.3.2 平均の信頼度に関わる要因
平均の安定性は、データ数だけでなくばらつきや極端値の有無にも左右される。観測数が少ないと、たまたま含まれた極端な値が平均を強く動かす。さらに分散が大きい、あるいは外れ値が頻発する場合は、代表性の確度が下がりやすい。したがって、平均を報告する際は、標準偏差や分位数などの補助指標と合わせて解釈するのが一般的である。
3 加重平均
加重平均は、観測ごとに異なる寄与度を反映する平均である。重みの定義が適切であれば、単純平均よりも実態（重要度、頻度、信頼度）に沿った代表値が得られる。
3.1 加重平均の定義
加重平均では、値 \(x_i\) に重み \(w_i\) を与え、\(\frac{\sum_{i=1}^{n} w_i x_i}{\sum_{i=1}^{n} w_i}\) の形で計算するのが基本である。重みが同一なら単純平均に一致する。
3.1.1 重みの意味（重要度・頻度など）
重みの解釈は分析の文脈で決まる。たとえば成績であれば科目の重要度、購買であれば購入金額や数量に比例する寄与、推定であれば測定精度や信頼度などが考えられる。重みは単なる係数ではなく、「どの情報をどれだけ重く見るか」を表す設計要素である。
3.1.2 重みの正規化
重みの合計を 1 にそろえる「正規化」を行うと、重みが寄与割合として直感的に扱いやすい。正規化後の式でも結果は同じになることが多い。一般に、重みが正であるかどうか、あるいは負の重みを許すかは手法により異なるため、利用目的に応じて妥当性を確認する。
3.2 具体例
加重平均は実務のさまざまな場面で登場する。以下の例は、重みが何を意味するかが理解しやすい形で整理する。
3.2.1 成績（科目ごとの比率）
科目ごとの成績に、それぞれの科目比率 \(w_i\) を掛け合わせて総合点を作る場合がある。たとえば重要度の高い科目に大きな比率を割り当てると、総合点はその科目の影響をより強く反映する。比率の設計が恣意的だと、総合評価の納得感が損なわれるため、基準の明確化が重要になる。
3.2.2 料金や購買の平均単価
購買データでは、単純に単価の平均を取るよりも、「数量で重み付け」して平均単価を求める方が実態に近いことがある。たとえば各商品の単価に購入数量を掛け、数量合計で割ると、総支払額を総数量で割った値に対応する。これは収支の観点で整合的になる。
3.2.3 推定における重みの使い方
統計的推定では、観測値の精度が異なると、それに応じて重みを変えることで推定の誤差を抑えられる場合がある。信頼度が高い測定ほど重みが大きくなり、結果として推定値がより安定する。重みはしばしば誤差分散や標準誤差などに基づいて設計される。
3.3 算出上の注意
加重平均は柔軟だが、重みの設定や集計条件の取り違えが誤差につながりやすい。計算手順だけでなく、重みの合意形成や整合性確認が必要になる。
3.3.1 重みの合計が変わる場合
重みの合計が計算対象によって変化する場合、正規化の有無が結果の比較可能性に影響する。たとえば期間や対象集合を変えたときに、重みの総量が異なるなら、平均値自体は比較できても「意味」は条件付きになる。比較の前提として、重みの定義域や算出条件を明示することが望ましい。
3.3.2 不適切な重み設定の影響
重みが実際の寄与と整合していないと、加重平均は目的に反する代表値を出し得る。たとえば重要度を根拠なく過大・過小に設定すると、結果の読み取りが歪む。重みの妥当性は、算定根拠、測定誤差、意思決定の目的と照らして評価されるべきである。
4 移動平均
移動平均は、時系列の局所的な中心を取り出す手法である。窓（ウィンドウ）のサイズや端点処理の方法により、滑らかさと追従性のバランスが変化する。
4.1 移動平均の目的
移動平均は「平均を取る」こと自体よりも、時間方向における目的（見え方の改善、変動の扱い）に価値がある。
4.1.1 トレンドの把握
長期的な上昇・下降など、緩やかな傾向を見つけやすくするために用いられる。短い揺れをならすことで、変化の方向を追いやすくなる。
4.1.2 短期変動の平滑化
観測には測定誤差や一時的な要因が含まれることがある。移動平均はこれらの短期的な振れを平滑化し、全体像を損ねにくい形で提示することを狙う。
4.2 設計パラメータ
移動平均の結果は、設計パラメータに強く依存する。主要な要素は窓幅と端点の扱いである。
4.2.1 ウィンドウ幅（期間）
ウィンドウ幅は、どの程度の期間を平均するかを決める。短い窓は変化への追従が良い一方、平滑化は弱くなる。長い窓は滑らかさが増すが、急な変化を捉えるまで遅れが生じやすい。目的（検知したい変化の速さ）に応じて適切化が求められる。
4.2.2 端点処理の考え方
窓を適用する際、系列の先頭や末尾では必要なデータ点が不足することがある。端点処理には、部分窓で計算する方法、欠損として扱う方法、外挿や補完を行う方法などがある。どの方法でも、出力の意味が変わるため、レポート時には手順を明記するのが重要である。
4.3 よくある活用場面
移動平均は、データの可視化から高度な解析まで幅広く用いられる。
4.3.1 時系列データの見える化
折れ線の乱れが大きいデータでは、移動平均線を重ねることで構造が見えやすくなる。単一の平均線でも、期間の選択により異なる解釈が可能になるため、複数窓での比較が有効な場合がある。
4.3.2 予測や異常検知への応用
移動平均は簡易な予測や、平均との差に基づく異常検知の基準として使われることがある。たとえば平常時の変動幅から大きく外れた点を拾う設計が考えられる。ただし単純な平均は複雑な季節性や構造変化を必ずしも表せないため、目的に応じて他手法と組み合わせることが望ましい。
4.4 他の平均との使い分け
移動平均は他の代表指標と併用されることが多い。使い分けの観点は、時間方向の平滑化を求めるか、外れ値への頑健性を求めるかに整理できる。
4.4.1 平均 vs 移動平均
単なる平均は全期間を一括して代表値を作るのに対し、移動平均は局所的な中心を時間ごとに更新する。したがって、変化があるデータでは移動平均の方が状況の推移に追随できる。一方で、変化がない（定常に近い）場合には単純平均で十分なこともある。
4.4.2 平均 vs 中央値（頑健性）
中心傾向を示す点で、平均は分布全体の影響を受けやすく、中央値は外れ値に対して比較的強い性質を持つとされる。移動平均が時間方向のノイズをならすのに対して、中央値系の指標は極端な点の影響を抑える役割を担うことがある。外れ値が多いデータでは、どの平均系を採用するかが解釈の質を左右する。