データサイエンスのいろは · ⏱️ 読了目安 5分

平均サイズ25.3cmの靴を仕入れたら、誰も履かなかった|最頻値とトリム平均

靴のサイズを平均して仕入れると、25.3cmの棚ができる。足は小数点以下を履けない。代表値は、データの顔写真というより、用途別の道具箱だった。

架空の靴屋で、10人が買ったサイズを数えたことにする。23cmが1人、24cmが1人、25cmが2人、26cmが4人、27cmが1人、28cmが1人。数字はこの場で作った例だ。

合計は253cm。10人で割ると平均は25.3cmになる。でも、この店でいちばん多かったサイズは26cmだ。そこを無視して「平均的なサイズ」を一つだけ仕入れたら、棚に並ぶのは誰の足にもぴったりではない靴かもしれない(小数点は靴下の柄にもならない)。

26cmの箱の前に、足跡がいちばん集まっていた。
26cmの箱の前に、足跡がいちばん集まっていた。

いちばん多い場所を見たい

僕が数えたサイズを表にすると、26cmに4人いる。これが最頻値。文字どおり、いちばん頻繁に出てきた値だ。

サイズ23cm24cm25cm26cm27cm28cm
人数112411

平均は全部のサイズを足して人数で割った値、最頻値は出現回数が最も多い値。同じデータを見ていても、平均は「全体の合計を人数に配る」顔をしていて、最頻値は「何がいちばんよく出たか」を指している。

だから、この架空の店でよく売れたサイズを知りたいなら、26cmが手がかりになる。平均25.3cmは計算間違いではない。ただ「どのサイズを多めに置くか」という問いに、そのまま答えてくれる数字でもない。売上数だけでは在庫や利益までは分からないので、ここから仕入れ数を断定する話にはしない。

両端を一人ずつ帰してみる

もう一つ、10人分の採点を作った。4、6、7、8、8、8、9、10、10、30点。30点の人がすごく高く、4点の人が低い。平均を出すと合計100点を10人で割って10点になる。

ここで最低の4点と最高の30点を一つずつ外し、残った8人の平均を取る。これがこの例でのトリム平均だ。

計算残した点数合計人数平均
全員の平均4, 6, 7, 8, 8, 8, 9, 10, 10, 301001010
両端を1人ずつ除く6, 7, 8, 8, 8, 9, 10, 106688.25

端の二人を外すと、平均は10点から8.25点になった。真ん中の値を使う中央値なら8点。この小さな例では、平均・中央値・トリム平均はそれぞれ10、8、8.25点で、同じ「代表値」でも違うところを見ている。

僕は最初、代表値は平均か中央値を選ぶ話だと思っていた。けれど「よく出た値」を知りたいなら最頻値、「端の値の影響を少し抑えた平均」を見たいなら、決めた割合で両端を落とすトリム平均も候補になる。どこまで落とすかは分析の決めごとで、都合よく結果を寄せるために後から変えるものではない。

平均10点も、計算としては正しい。端を外した8.25点も、別の手順で正しい。違うのは正誤というより、どの値を「この集団の代表」と呼びたいかだった。

靴屋に戻ると、平均の札には「25.3cm」と書ける。けれど棚のいちばん大きな山は26cmの箱にある。僕なら、まずその箱の前で立ち止まる。小数点の靴はまだ発注しない。

やあ、ここまで読んでくれてありがとう。

身近な疑問に引っかかったら、数えて確かめないと気が済まない。引っかかってから「なるほど」に辿り着くまでの過程を置く場所「猫だくさん」。