1 統計的平均の概要
統計的平均とは、複数のデータ点を代表する値として単一の数を与える考え方である。対象は母集団の値や、そこから抽出された標本の観測値など多岐にわたる。平均は「中心に位置する尺度」として理解されることが多いが、実際には平均の定義に含まれる演算規則（加算、対数、逆数など）が、どの性質を重視するかを左右する。
また平均は、分布形状、極端な観測値（外れ値）の有無、データの単位やスケールの扱いといった条件により、妥当性が変化する。さらに、平均は中心傾向を示すだけでなく、推定や検定、回帰モデルの構築など、統計的手続きの中心的な構成要素として用いられる。
1.1 平均の目的（代表値と中心傾向）
平均の主目的は、観測のばらつきを持つ集合から、解釈や比較に使える代表値を抽出することである。中心傾向は、分布のどのあたりにデータの密度が集まるかを要約する概念で、平均はその要約の一手段に位置づけられる。
ただし「中心」を何として測るかは、平均の種類により異なる。たとえば加算に基づく算術平均は、二乗誤差の観点で有利になる場合が多い一方、比率や増加のようなデータでは別の平均が整合的になることがある。このため平均の選択は、データの性質と目的（何を正しく表したいか）を踏まえて行う必要がある。
1.2 平均の種類の全体像
平均は一種類に限られず、データの生成過程や評価したい誤差の基準に応じて複数の形式が使い分けられる。代表例として算術平均、幾何平均、調和平均が挙げられるが、それぞれに対応する「誤差の尺度」や「演算の意味」が異なる。
全体像としては、算術平均が足し算の枠組みで中心を測るのに対し、幾何平均は比率的・倍率的な変化（対数的な尺度）に適合する。調和平均は逆数の加算に基づき、速度や平均時間など、逆数の形で現れる量に整合しやすい。このように平均の種類は、データの物理的・統計的文脈に依存して選ばれる。
1.2.1 算術平均
算術平均は、与えられた数値の合計を個数で割った値として定義される最も基本的な平均である。一般に「平均値」という語が特定の平均を指す場合、算術平均が念頭に置かれることが多い。
算術平均は、差の大きさを二乗誤差で評価する状況と相性がよい。直感的には、正負の偏りが相殺される形で中心を表すが、極端な値があるとその影響が増幅される性質を持つ。
1.2.2 幾何平均
幾何平均は、複数の値の積の n 乗根として求められる代表値である。倍率の連続的変化や、対数が自然な尺度となる現象に対して有用となることが多い。
幾何平均は、乗算的な性質（たとえば成長率の組合せなど）を、一定の倍率変化として要約する役割を持つ。0 や負の値が含まれる場合は通常の定義のまま適用できないため、データの取り扱いに注意が要る。
1.2.3 調和平均
調和平均は、値の逆数を平均してから逆数を取る形で定義される。調和平均は「逆数が自然に現れる量」において、実務上の意味を持ちやすい。
たとえば速度の平均では、距離一定で時間を合成するという考え方から、調和平均が対応する形になることがある。値が大きいほど調和平均は必ずしも大きくならず、むしろ小さい値の影響を相対的に強く受けるという特徴がある。
2 算術平均
算術平均は、統計の基礎であり、データ集約や比較のための代表値として広く用いられる。定義が明快で計算も容易なため、学習段階から実務まで頻繁に登場する。
一方で、算術平均は外れ値への影響が大きくなりやすい。さらに、分布が強く歪んでいる場合には、平均が「データの中心」と直感的に一致しないことがある。こうした性質を踏まえて解釈することが重要である。
2.1 計算方法
算術平均の計算は基本的に「足して割る」であるが、観測ごとに重要度や信頼性が異なるときには重み付けを導入するのが一般的である。ここでは単純算術平均と重み付き算術平均を扱う。
2.1.1 単純算術平均
単純算術平均は、値が x₁, x₂, …, xₙ であるとき、次式で与えられる。 算術平均 = (x₁ + x₂ + … + xₙ) / n
この定義では、各観測値が同じ重みを持つ。したがって、測定誤差の大きさが均一でない場合や、サンプルの代表性が異なる場合には、そのまま適用することが必ずしも適切でないことがある。
2.1.2 重み付き算術平均
重み付き算術平均は、各観測値が異なる重要度 w₁, w₂, …, wₙ を持つとみなし、重みの総和で正規化して求める。代表的な形として 重み付き算術平均 = (w₁x₁ + w₂x₂ + … + wₙxₙ) / (w₁ + w₂ + … + wₙ)
重みは観測精度、群の大きさ、信頼度など、目的に応じて定められる。重みの定義が恣意的だと平均の意味が崩れるため、算出目的と整合する形で設定することが求められる。
2.2 解釈と注意点
算術平均は万能な代表値ではない。特に外れ値の存在や分布の非対称性によって、平均がデータ全体の「典型」を反映しにくくなる場合がある。解釈では、分布形状とデータ生成の背景を合わせて考える必要がある。
また平均のみを示して終えるのではなく、ばらつきの指標や分布の可視化と組み合わせることで、誤解を減らせる。
2.2.1 外れ値への感度
算術平均は、極端な値に対して影響が増幅されやすい。加算に基づくため、外れ値が大きな絶対値を持つと平均が引っ張られる。
その結果、外れ値が「真の変動」として含まれるのか、「記録ミス」や「測定の失敗」などで生じたのかを区別しないまま平均を採用すると、結論が歪むことがある。したがって、外れ値の検出と扱い方針（保持、修正、除外）を事前に定めることが望ましい。
2.2.2 分布の歪みとの関係
分布が左右非対称（歪んでいる）場合、算術平均はしばしば中央値よりも片側へ移動する。これは、平均が値の大小に線形に反応するためである。
歪みが強いと、平均は「値が密に集中する領域」から離れた場所を示すことがある。したがって、平均を提示する際には、分布の形（ヒストグラム、密度プロット、歪度の補助指標など）と合わせて読み取ることが適切である。
3 導出される性質と統計的意味
算術平均を含む平均の位置づけは、単なる要約にとどまらず、統計理論の中で自然な性質として導出される。特に、一般化された平均の枠組みや、確率モデル上の期待値との対応が重要になる。
また平均は推定の対象としても機能する。標本から計算された平均が母数のどのような性質を持つか（不偏性や一致性など）は、推論の妥当性を支える。
3.1 一般化された平均の考え方
一般化された平均の考え方では、複数のデータ点に対し、あるパラメータ付きの関数を通じて要約値を作る。算術平均、幾何平均、調和平均は、特定のパラメータ設定として統一的に表現できることがある。
この視点では、平均は「ある誤差基準」や「ある変換のもとでの中心」を表すものとして捉えられる。結果として、どの平均が合理的かはデータの性格に依存するという見通しが得られる。
3.1.1 モーメントとの関連
モーメントは確率分布の形を特徴づける量であり、平均は一次モーメントとして結び付く。標本の平均は、標本における一次中心モーメントや回帰の基礎量として現れることがある。
たとえば、平均や分散がそれぞれ分布の一次および二次の情報を要約する役割を担うのは、モーメントに基づく定式化が自然に適用できるためである。より高次の平均的な指標もモーメント概念の拡張として扱える。
3.1.2 期待値との関係
確率変数が与えられる状況では、算術平均は期待値の推定量として理解できる。期待値は、値の起こりやすさを反映した平均として定義され、確率論の中心概念の一つである。
標本平均は、標本を増やしたときに期待値へ近づく性質を持つことが多い。この対応があるため、統計的平均は「現象の平均的な傾向」を確率モデル上で扱うための架け橋になる。
3.2 推定としての平均
平均は推定量として実用上の重要性が高い。とくに母平均を推定する際、標本平均が基本的な候補となることが多い。ここでは標本平均と母平均の関係、および推定量としての性質を整理する。
3.2.1 標本平均と母平均
母集団の未知の平均（母平均）を直接観測することは多くの場合できないため、標本から平均を計算して推定する。標本平均は観測値を集約した数であり、母平均に関して情報を持つ。
母平均との対応は、標本抽出がどのように行われたか（独立性や同分布性などの前提）に依存する。前提が成立すると、標本平均は母平均の良い近似として振る舞いやすくなる。
3.2.2 不偏性と一致性の考え方
不偏性とは、推定量の平均が真の母数に一致することを意味する。標本平均が母平均に対して不偏である状況では、推定の系統誤差がないと解釈できる。
一致性は、標本サイズが増えるにつれて推定量が確率的に真値へ近づく性質である。不偏性があっても一致性が弱い場合は、標本が十分に大きくないと精度が確保されない可能性がある。一方で一致性が成り立つと、データを増やすほど誤差が縮小する見込みが得られる。
4 応用例と実務上の選択基準
平均の選択は、計算の容易さだけでなく「何を表す平均にしたいか」によって決まる。目的に応じて適切な種類が変わり、さらにデータの欠測や外れ値への対処は平均の意味を左右する。
実務では、統計手法の選択と同じくらい、前処理や集計ルールが重要になる。特に欠測と外れ値は、代表値を歪めやすい。
4.1 目的に応じた平均の使い分け
目的が「加算された量の中心」を求めるのか、「倍率の変化の典型」を知りたいのか、「逆数表現の平均」を求めたいのかで、平均の適合性が変わる。ここでは代表的な使い分けを整理する。
4.1.1 増加率・成長に対する幾何平均
増加や成長が「倍率」で表される場合、幾何平均が整合的になることがある。たとえば複数期間にわたる成長がそれぞれ独立な倍率として表されるとき、全体としての代表的な倍率を要約するのに適する。
幾何平均は対数変換と相性が良く、成長率の連続的な合成に関する直観と一致しやすい。一方で、基準値がゼロや負を含む場合には定義上の制約が生じるため、単位や前処理の設計が必要になる。
4.1.2 速度・比率に対する調和平均
速度や所要時間など、「逆数の形で集約すべき量」が絡む状況では、調和平均が有効な場合がある。たとえば同じ距離で複数区間を移動する場合、平均時間は区間の速度の単純な平均とは一致しない。
調和平均はこのズレを反映する形で計算でき、小さい値が強く効く性質が現れる。比率の集計でも、分母を介した制約があるなら調和平均が自然に見えることがある。
4.2 データ品質と前処理の影響
データの質は平均の信頼性に直結する。欠測の扱い、集計時の粒度、外れ値の由来（誤りか実現象か）によって、平均は別物になり得る。
ここでは欠測と外れ値への考え方を中心に、実務上の注意点を示す。
4.2.1 欠測値と集計方法
欠測がランダムでない場合、単純に欠測を除外した平均は偏りを生む可能性がある。欠測の理由が測定器の不具合なのか、行動的要因によるものかなど、メカニズムの理解が必要である。
集計方法としては、欠測を補完する手法（統計的補完、モデルに基づく推定など）や、欠測を含めた設計（欠測指標の利用）などが選択肢になる。どの方法でも、前提と限界を明確化することが実務では重要になる。
4.2.2 外れ値処理の考え方
外れ値は「データが本来持つ変動」と「エラー」に由来する場合がある。平均を安定させる目的だけで機械的に除外すると、重要な情報を落とす危険がある。
実務では、まず外れ値の発生要因を点検し、そのうえでロバストな統計量の利用や変換（対数など）を検討することが多い。外れ値処理は分析結果の解釈に直結するため、手順と基準を記録し、再現可能な形にするのが望ましい。
5 周辺指標との比較
平均は中心傾向の代表値として広く用いられるが、他の指標との比較によって初めて適切性が判断できる。中央値や分散などは平均を補完し、分布のばらつきや外れ値耐性の違いを明確にする。
また平均絶対偏差のような指標は、外れ値に対する鈍感さを通じてロバスト性の議論につながる。
5.1 中央値との違い
中央値は、データを順序付けたときに中央に位置する値であり、平均とは異なる性質を持つ。一般に中央値は外れ値の影響を受けにくく、分布が歪んでいる場合でも中心を安定して表しやすい。
平均と中央値の差は分布の非対称性を示す手がかりにもなる。たとえば平均が中央値より大きい場合、分布の右側に長い裾がある可能性がある。どちらを採用するかは、外れ値の扱い方針と目的に依存する。
5.2 平均と分散・標準偏差
分散は平均まわりの散らばりを表す指標で、標準偏差は分散の平方根として同じ単位で解釈できる。平均を用いた中心化（平均との差の計算）と結び付くため、平均の選び方が分散にも影響する。
分散が大きいと、平均が代表しにくい可能性がある。実務では、平均と標準偏差をセットで報告し、ばらつきの大きさを併記するのが一般的である。これにより「平均は同じでも散らばりが違う」という状況を区別しやすくなる。
5.3 平均絶対偏差など頑健な指標との関連
平均絶対偏差は、平均からのずれを絶対値で集計する形で定義されることが多く、二乗誤差ベースの指標に比べて外れ値の影響が相対的に抑えられる場合がある。こうした頑健な指標は、中心推定の安定性を高めるために用いられる。
さらに、中央値に基づく偏差指標や、分布の裾を抑えるような変換を組み合わせることで、外れ値が支配しない要約が可能になる。平均が「線形な世界」で最適になりやすいのに対し、頑健指標は「歪みや極値を含む世界」での整合性を重視する、と整理できる。