1 定義
連続型変数とは、ある区間の中で任意の値を取りうる量を表す変数である。統計学では、観測や測定によって得られる値として扱われることが多く、数値の間に理論上は無数の中間値が存在すると考えられる。たとえば、身長や時間のように、細かい単位へ分割して表現できる対象が典型例である。
1.1 連続型変数の基本的な考え方
この種の変数は、値の候補が飛び飛びではなく、一定の範囲に連なっている点に特徴がある。実際のデータでは小数や分数の形で表され、単位を細かくするほどより精密に記述できる。
1.2 離散型変数との違い
離散型変数は、取りうる値が有限個または可算個に限られる。これに対して連続型変数は、値の間にさらに別の値を挟めるため、隙間のない量として理解される。人数や回数のような数え上げは離散型であり、長さや重さのような測定は連続型に分類されやすい。
1.3 測定値としての連続型変数
連続型変数は、観測対象そのものというより、測定の結果として得られる数値列として扱われる場合が多い。測定器の性能や記録方法によって、同じ対象でも異なる桁数で表されることがある。したがって、概念上の連続性と、実際に記録された値の離散性は区別して考える必要がある。
2 性質
連続型変数の主要な特徴は、値域の広がりと、測定の精密さに関する問題にある。理論的には滑らかな変化を想定できるが、現実の観測では誤差や丸めの影響を受ける。
2.1 取りうる値の範囲
連続型変数は、通常、ある最小値から最大値までの区間で定義される。範囲は有限の場合も無限の場合もあり、必ずしも負でないとは限らない。温度のように基準点をまたいで増減する量も含まれる。
2.2 無限個の値と連続性
連続性とは、どの2点の間にもさらに別の値が存在する性質を指す。理論的には、その区間内に無限個の値が含まれるため、個々の値を一つずつ列挙することはできない。この点が、数え上げ可能な離散量との大きな違いである。
2.3 測定精度と丸め
実際の測定では、装置の分解能や記録規則によって値が丸められる。したがって、理論上は連続でも、観測データは特定の刻み幅にそろうことがある。解析では、この丸めが分布や推定に与える影響を考慮することが重要である。
2.3.1 観測値と真の値
観測値は、測定器や手順を通じて得られた値であり、必ずしも対象の真の量と一致しない。真の値は理想化された概念で、誤差を含まない基準として扱われる。多くの場合、統計解析は観測値を用いて真の値を近似的に捉える。
2.3.2 有効数字と誤差
有効数字は、測定結果の信頼できる桁数を示す指標である。桁数が多いほど高精度に見えるが、実際には誤差の範囲を超えていないことがある。数量の比較や再現性の評価では、表示された桁だけでなく測定の不確かさも確認する必要がある。
3 統計学における扱い
統計学では、連続型変数を要約し、分布を推定し、仮説を検討する対象として扱う。単一の値よりも、全体の傾向やばらつきを見ることが中心になる。
3.1 記述統計
記述統計では、データの特徴を簡潔に表すための指標を用いる。連続型変数では、平均や中央値などの中心的な位置と、分散や標準偏差などの散らばりが重視される。
3.1.1 中心傾向
中心傾向は、データの代表値を示す概念である。平均値は全体の重心に近い位置を表し、中央値は順序の真ん中に当たる。分布が偏っている場合には、これらの指標が異なる印象を与えることがある。
3.1.2 散らばりの指標
散らばりの指標は、値がどの程度ばらつくかを示す。代表的なものに分散、標準偏差、範囲、四分位範囲がある。これらは、同じ平均を持つデータでも性質が異なることを示すのに役立つ。
3.2 確率分布
連続型変数の変動は、確率分布を用いて表現される。分布は、値の出やすさや偏りを数量的に示し、推測やモデル化の基礎となる。
3.2.1 確率密度関数
確率密度関数は、ある値の近傍にどれだけデータが集中しているかを表す。個々の一点に確率が直接割り当てられるのではなく、区間全体に対する面積として確率を考える点が特徴である。
3.2.2 累積分布関数
累積分布関数は、ある値以下となる確率を表す。値が大きくなるにつれて0から1へ単調に増加し、分布全体の形を把握する手がかりになる。密度関数と組み合わせることで、より詳細な理解が可能になる。
3.3 推定と検定
標本から母集団の性質を推測する際、連続型変数は重要な役割を果たす。平均や分散などを手がかりに、未知の特性を推定し、仮説が妥当かどうかを検討する。
3.3.1 母平均の推定
母平均の推定では、標本平均を中心にして母集団の平均値を近似する。信頼区間を用いれば、推定値の不確実さも併せて示せる。標本数が増えるほど、推定の安定性は一般に高まる。
3.3.2 仮説検定
仮説検定では、観測された差や偏りが偶然の範囲かどうかを判断する。連続型変数では、平均差の検定や回帰係数の検定などが広く用いられる。結果の解釈では、統計的有意性だけでなく実質的な大きさも見る必要がある。
4 代表的な例
連続型変数は日常のさまざまな測定に現れる。身近な量ほど、概念上の連続性と実測値の丸めを区別しやすい。
4.1 身長
身長は、個人の体格を表す代表的な連続型変数である。実際にはセンチメートル単位で記録されることが多いが、より細かい単位まで測ることもできる。
4.2 体重
体重も連続的な変化を示す量であり、測定条件によって小さく変動する。食事や水分摂取の影響を受けやすく、短時間でも値が揺れやすい。
4.3 時間
時間は、経過や所要を表す連続量として扱われる。時計の表示は離散的でも、出来事の継続や測定対象の変化は連続的に捉えられる。
4.4 温度
温度は、物体や環境の熱的状態を示す。基準の取り方により数値の意味が変わるが、変化の大きさを細かく表現できる点で連続型変数の典型である。
4.5 距離
距離は、2点間の隔たりを示す量で、細分化しながら測定できる。地理、物理、工学など幅広い分野で用いられ、単位の選び方によって記述の精密さが変わる。
5 関連概念
連続型変数は、測定尺度や確率論の概念と密接に関係する。これらを区別すると、データの意味づけがより明確になる。
5.1 区間尺度
区間尺度は、差の大きさに意味がある測定尺度である。数値間の間隔を比較できるが、絶対的なゼロ点を持たない場合がある。温度の一部の表現はこの尺度に当てはまる。
5.2 比率尺度
比率尺度は、真のゼロを持ち、倍数関係を解釈できる尺度である。長さや重さ、時間の多くはこの尺度に属する。統計解析では、より直接的な比較が可能になる。
5.3 連続型確率変数
連続型確率変数は、確率論における連続量のモデルである。観測される連続型変数を数学的に表現する枠組みとして用いられ、密度関数や期待値の概念と結びつく。
5.4 量的変数
量的変数は、数値として表され、大小関係や差を扱える変数の総称である。連続型変数はその一部であり、離散型と対比される。データ分析では、量的か質的かの区別が基本となる。