1 重み付き平均の基本
1.1 定義と計算式
重み付き平均とは、複数の数値 \(x_1, x_2, \dots, x_n\) に対して重み \(w_1, w_2, \dots, w_n\) を割り当て、重みの寄与度に応じて平均を計算する方法である。一般的な形は次の通りである。 \[ \bar{x}_w=\frac{\sum_{i=1}^{n} w_i x_i}{\sum_{i=1}^{n} w_i} \] ここで、分母は重みの総和であり、正しく定義された重み付き平均では通常 \(\sum_{i=1}^{n} w_i \neq 0\) が前提となる。重みは「重要度」「信頼度」「量の大きさ」など、状況に応じた意味を持ちうるが、計算上の役割は一貫して、各値の影響度を調整する点にある。
1.2 単純平均との違い
1.2.1 重みが等しい場合の一致
単純平均はすべての値を同等に扱うため、重みを等しく設定した重み付き平均と一致する。すなわち、\(w_i=c\)（一定の正の定数）とすると、 \[ \bar{x}_w=\frac{\sum c x_i}{\sum c}=\frac{\sum x_i}{n} \] となり、計算結果は単純平均に帰着する。この一致は、重み付き平均が単純平均を包含する一般化であることを示している。
1.2.2 重みが異なる場合の影響
重みが異なると、平均は高い重みを持つ値に引き寄せられる。直感的には、重みは「その値にどれだけ注意を払うか」を表し、結果として最終的な代表値（平均）は、信頼性や重要度がより高い項目のほうへ移動する。たとえば、同じ評価項目でも採点の精度や検査条件が異なる場合、精度の高い情報に大きめの重みを与えることで、集計の頑健性が改善することがある。
1.3 重みの性質（正・負・合計）
1.3.1 重みの正規化と解釈
重み付き平均は重みを正規化して扱うことが多い。正規化とは、\(\tilde{w}_i = w_i / \sum_{j} w_j\) として \(\sum_i \tilde{w}_i=1\) を満たす形に変換することである。このとき \[ \bar{x}_w=\sum_{i=1}^{n} \tilde{w}_i x_i \] となり、各項の寄与が割合として解釈しやすくなる。正規化は計算値を変えないが、説明責任の観点では「どの項目がどれほど影響したか」を明確にしやすい。
1.3.2 重みが0の扱い
重みが0の項は、その値が平均に寄与しないことを意味する。式上、分子では \(w_i x_i\) が消え、正規化後も寄与率がゼロになるため、対象から除外したのと同様の効果が得られる。実務では、未測定や品質の低いデータに対して重み0を割り当てることで、集計への影響を抑える設計が行われることがある。ただし、重み0は「情報がない」ことと同義ではないため、設計意図を記録しておくことが重要になる。
2 重み付き平均の具体例
2.1 成績や評価の集計
2.1.1 採点配分と最終点
学校の成績や研修の評価では、複数の試験・課題を総合して最終点を決めることが多い。各科目や課題の達成度を \(x_i\) とし、期末試験を重く見る（学習目標により比重を変える）意図で重み \(w_i\) を設定すれば、重み付き平均として最終点が定まる。たとえば、基礎の小テストは多数あるが重要度が低い場合、小テストには小さめの重みを割り当て、主要試験に大きめの重みを与えることで、最終結果が教育設計の意図を反映しやすくなる。
2.2 生活・意思決定の指標
2.2.1 複数要因の重要度反映
生活上の意思決定では、候補を比較する際に複数の観点（コスト、利便性、健康への影響、将来性など）を同時に考える必要がある。ここで各観点の値を \(x_i\) とし、「自分にとっての重要度」を重みとして設定すれば、重み付き平均は総合スコアの作成に用いられる。重要なのは、重みが価値判断を含む点である。重みの設定は主観を含みやすく、そのため比較結果の納得性は重みの根拠の説明可能性に左右される。
2.3 時系列・センサーデータでの集計
2.3.1 欠測や信頼度に基づく重み
センサーデータの集計では、時間帯ごとに欠測があったり、測定条件が変動したりするため、単純平均では実態を捉えにくいことがある。そこで、各時点の観測値を \(x_i\) とし、データ品質（ノイズの大きさ、校正状態、欠測度合い）に基づく信頼度を重み \(w_i\) に反映させると、信頼できる観測ほど強く反映される。欠測が「欠測として無視できる」場合には重み0として扱い、部分的に観測が得られる場合には小さめの重みを付与するなど、実装方針に応じた調整が可能である。
3 統計学における重み付き平均
3.1 推定量としての性質
3.1.1 バイアスと分散の考え方
統計学では重み付き平均を推定量として扱い、その精度（誤差の性質）を評価する。重みの選び方によって、期待値が真の値からどれだけずれるか（バイアス）と、ばらつきの大きさ（分散）が変わる。直感的には、偏りを減らすことだけを考えると分散が大きくなる場合があり、逆に分散を抑えるとバイアスが増える場合がある。重み付き平均は、このトレードオフを制御しうる枠組みとして位置づけられる。
3.1.2 不確実性を踏まえた重みの設計
観測値ごとの不確実性が異なるとき、重みはその不確実性に応じて設計されることが多い。たとえば、観測のばらつきが大きい項目は誤差も大きくなりやすいため、寄与を弱める重み設定が合理的になる。結果として、推定量の分散を小さくしやすくなり、同じデータ量でも安定した代表値が得られる可能性が高まる。
3.2 分散既知の場合の重み付き平均
3.2.1 逆分散重み（最小分散の発想）
各観測 \(x_i\) の誤差分散が既知で、かつ観測が独立に近い状況では、分散の逆数を重みにする「逆分散重み」が典型例として知られる。分散を \(\sigma_i^2\) とすると、重みは \(w_i \propto 1/\sigma_i^2\) と設計される。誤差分散が小さい（精度が高い）観測は \(1/\sigma_i^2\) が大きくなり、平均への寄与が強まる。この設計は、条件の下で重み付き平均が最小分散の性質を持ちやすいという考えに基づく。
3.3 サンプルサイズに基づく重み
3.3.1 集計単位の違いの吸収
実務データでは、集計単位によって観測数や代表性が異なることがある。たとえば、地域別の指標を集めて全国値を作る場合、各地域のサンプル数が同じとは限らない。このとき、各地域の推定値 \(x_i\) に対してサンプル数 \(n_i\) に比例する重みを与えると、大きいサンプルに基づく推定の影響が大きくなる。これは「小さいサンプルによる揺れ」を相対的に抑え、集計の安定性を高める目的に合致する場合がある。なお、単純にサンプル数だけで決めると分散構造を見落とすこともあるため、必要に応じて分散推定と併用する設計が望ましい。
4 実務での使いどころと注意点
4.1 重み付けの妥当性検討
4.1.1 重みの根拠（データ生成・収集条件）
重みの設計が適切かどうかは、データがどのように生成され、どのように収集されたかに強く依存する。たとえば、センサごとのノイズ特性、測定頻度、欠測の発生メカニズム、評価者の採点基準などが異なるなら、重みはそれらの差を反映させる必要がある。根拠が明確であれば、結果が説明可能になり、意思決定の場での信頼性も高まる。逆に、重みが恣意的または再現不能な形で与えられていると、統計的な整合性を欠きやすい。
4.1.2 重みの付け替えによる結果の変化
重みは集計結果に直結するため、重みの変更は即座に順位や結論の変化へつながりうる。実務では感度分析が有効で、重みを少し動かしたときに結論がどれほど揺れるかを確認することで、頑健な指標かどうかを評価できる。特に臨床・安全・品質のように影響が大きい領域では、重みの設定幅を明示し、許容範囲内で大勢が変わらない設計を目指すことが多い。
4.2 よくある誤り
4.2.1 正規化しないことによる誤解
重み付き平均の計算で、分母（重みの総和）を意図せず省略すると、値のスケールが変わってしまう。たとえば \[ \sum_i w_i x_i \] は重みが大きいほど増幅される量であり、平均としての解釈が成立しにくい。結果が「平均点」と呼ばれているのに正規化がない場合、比較の妥当性が損なわれる恐れがあるため、実装や仕様では正規化の有無を明確にする必要がある。
4.2.2 異なる単位の混在
重み付き平均は、単純平均と同様に「平均を取りたい量の単位」が整っていることが前提である。たとえば、温度（℃）と湿度（%）をそのまま同じ式で平均すると、物理的意味が崩れやすい。単位が異なる場合は、無次元化や標準化、スコア化などの前処理を行い、同一の尺度で比較可能な表現に変換してから重み付き平均を適用するのが一般的である。
4.3 関連概念
4.3.1 重み付き分散、重み付き標準偏差
重み付き平均を使うなら、ばらつきを測る指標も重み付けした形で整備することが多い。重み付き分散は「重みが大きい観測ほど平均との差の影響を大きく見る」ように定義され、標準偏差は分散の平方根として得られる。これにより、平均だけでなく推定の不確実性やデータのばらつきの評価が、一貫した前提のもとで可能になる。
4.3.2 回帰・推定での重みの役割
回帰分析や推定では、重みは誤差の大きさや信頼性を反映するために使われることがある。たとえば、観測の分散が異なる状況では、誤差の小さいデータにより強い影響を与える目的で重み付き最小二乗法などが用いられる。ここでは「平均を取る」というより、「モデルの当てはめで誤差が小さい点を重視する」役割が中心となるが、重み付き平均と同様に、重みの意味づけが結果の解釈に直結する点は共通している。