1 度数分布の概要
1.1 定義と目的
1.1.1 度数とは何か
度数は、あるデータ集合の中で特定の区分（カテゴリや階級）に属する観測値の個数を指す。離散データでは値そのものを区分として扱い、連続データでは値の範囲を階級として区切り、その範囲に入る観測の数を度数とする。
1.1.2 データ要約としての役割
度数分布は多数の観測値をそのまま並べるのではなく、区分ごとの出現回数へ圧縮することで全体像を把握しやすくする。中心傾向、ばらつき、偏り、極端な値の出現状況などを、表や図として短時間で読み取れる点が利点である。
1.2 度数分布の基本形
1.2.1 表形式（度数表）
度数表では、区分（カテゴリまたは階級）を行や列の見出しとして示し、各区分に対応する度数を記入する。必要に応じて相対度数、累積度数、比率などの列を追加することで、解釈の幅が広がる。
1.2.2 図形式（度数分布図）
度数分布図は、度数表を視覚化したものである。離散値なら棒グラフ、連続値ならヒストグラムが用いられることが多い。高さ（または面積）が度数を表し、分布の形を直感的に捉える用途に適する。
2 データの種類と作り方
2.1 離散データの度数分布
2.1.1 値ごとの度数の数え上げ
離散データは、観測値が取りうる値の種類が明確な場合に該当する。各値について、出現回数を数え、その結果を度数表または棒グラフに整理する。値の順序が意味を持つ場合は、その順序に従って並べ替えると解釈がしやすい。
2.1.1.1 重複値の扱い
同じ値が複数回観測されることは一般的であり、度数分布では重複は集計の一部としてそのまま反映する。数え上げでは重複を個別に表示せず、該当カテゴリ（または値）の度数として合算することで一覧性を確保する。
2.2 連続データの度数分布
2.2.1 階級への分割（階級幅・階級数）
連続データでは、無限に近い値をそのまま区分できないため、範囲を階級にまとめる。階級幅（各階級の幅）や階級数を決めることが作成の中心であり、細かすぎるとばらつきが強調され、粗すぎると特徴が埋もれる。目的に応じて適切な粒度を選ぶ必要がある。
2.2.2 階級境界の決め方
階級境界は、どの値をどの階級に入れるかを規定する。境界の取り方には一般に規則が設けられ、連続量では「下限を含み上限を含まない」などのように一貫性を持たせると、値が重複して数えられる問題を避けられる。さらに最小値・最大値が範囲に収まるよう調整しておくことが望ましい。
3 度数分布の指標と派生
3.1 相対度数
3.1.1 相対度数の算出
相対度数は、各区分に含まれる度数を全観測数で割って求める。これにより、絶対的な人数（または件数）の違いに左右されにくい比較が可能になる。計算はシンプルだが、分母（全体数）が同一条件であることが前提となる。
3.1.2 パーセンテージ表示
相対度数は、比率を百分率に換算して表示することがある。例えば「その区分に属する確率が何パーセント程度か」を示す形になり、非専門家にも直感的に伝わる。ただし表示は尺度の変換にすぎないため、解釈の根拠は元の比率にある。
3.2 累積度数
3.2.1 上側・下側の累積
累積度数は、階級（またはカテゴリ）を順序づけた上で、ある点までの度数を合算した値である。下側累積（小さい側から合算）と上側累積（大きい側から合算）を区別すると、分布の左右どちらに対する理解を優先するかを明確にできる。
3.2.2 累積度数からの理解
累積度数により、分布の中でどの範囲までデータがどれほど蓄積しているかが読み取れる。特定の閾値より小さい（または大きい）観測が全体のどれくらいを占めるか、という観点で把握しやすい。さらに累積曲線へ拡張することで、分布全体の連続的な雰囲気も捉えられる。
3.3 密度・正規化の考え方
3.3.1 階級幅が異なる場合の扱い
階級幅が一定でない場合、ヒストグラムの見た目で誤解が生じることがある。度数そのものを高さに対応させると、幅の広い階級が不利・有利に見える場合がある。そのため階級幅を考慮した密度（単位幅あたりの量）として表す発想が導入される。
3.3.2 比較のための正規化
正規化は、異なるデータ集合間で比較可能にするための調整である。例として、相対度数や密度に基づく表現が挙げられる。観測数が異なる場合は比率、階級幅が異なる場合は単位幅あたり、というように「何を揃えるべきか」を明確にしてから変換することが重要になる。
4 度数分布を読む・使う
4.1 分布の形状の見方
4.1.1 山の位置（中心傾向）
分布図の「山」の位置は、最も観測が集中している区分を示し、中心傾向の手がかりになる。離散データでは最頻値に相当する値が、連続データでは相対的に高い頻度の階級が目安となる。中心は一つとは限らず、複数の山を持つ分布もありうる。
1.2 左右対称・偏り
左右対称に近い形は、上側と下側の出現傾向が比較的似ていることを示唆する。一方で片側に長い裾がある場合や、山が片寄っている場合は偏りがあると判断できる。偏りの有無は、平均や中央値といった数値指標の解釈にも影響を与える。
4.2 ばらつきと外れ値の手がかり
4.2.1 広がり（分散的な手がかり）
分布の幅が広いほど、観測値が広い範囲に散らばっている可能性が高い。度数分布図では、どの階級まで度数が広がっているか、どこで急に減っているかが視覚的な手がかりになる。極端な値が少数ながら遠方に存在する場合、裾の延びとして現れることがある。
4.2.2 階級への集中と希少性
特定の階級に集中する場合、データの特徴が狭い範囲にあることを示す。その一方で、ほとんど出現しない階級は希少性を意味することがある。希少な区分は、真の現象としての少数派である場合も、測定の閾値や集計条件の影響で見かけ上少なくなっている場合もあるため、追加確認が望ましい。
4.3 集計条件の影響
4.3.1 階級の選択が結果に与える影響
連続データでは階級幅や境界の設定が形状に影響する。階級の切り方によって山の位置や高さが変わり、見た目の印象が変わることがある。したがって、図を読む際には集計条件（階級幅、階級数）を同時に確認するのが基本となる。
4.3.2 サンプルサイズと解釈の注意点
サンプルサイズが小さいと、偶然のばらつきが図に強く現れやすい。結果として、一見した偏りや複数の山が、データが増えることで形を変えることもある。したがって、分布の特徴を結論づける前に、再現性や統計的安定性を意識して解釈する必要がある。
4.4 実務での利用例
4.4.1 アンケート結果の整理
アンケートでは回答カテゴリ（例：満足・不満足、選択肢）に従って度数を数え、度数分布として整理できる。結果の偏りや選択肢間の比較が容易になり、改善施策の優先順位検討にも役立つ。自由記述の有無にかかわらず、まずは選択式部分の全体傾向を把握する手段として使われる。
4.4.2 品質データ（測定値）の要約
測定値は連続的に得られることが多く、階級に分けてヒストグラムとしてまとめると、ばらつきや中心、異常な外れの存在を素早く確認できる。工程管理の文脈では、分布の変化を追跡することで条件変更の影響を捉える補助となる。