平均点が同じ60点のテストでも、「全員が60点前後」のクラスと「20点と100点に割れている」クラスでは中身がまったく違います。この「ばらつきの大きさ」を、元のデータと同じ単位で表してくれるのが標準偏差です。計算手順、分散との関係、偏差値や正規分布の68%・95%ルールとのつながりまで、計算例つきで解説します。
📖 ひと言でいうと
標準偏差とは、データが平均からどの程度散らばっているかを表す統計指標で、分散の平方根として計算されます。値が大きいほどデータは広くばらつき、小さいほど平均のまわりに集中しています。
弓道の的にたとえると、平均は「矢の当たった位置の中心」、標準偏差は「矢が中心からどれくらい散っているか」です。中心が同じでも、矢が一点に集まる射手と大きく散る射手では実力がまるで違うように、平均だけでは見えないデータの性格を標準偏差が教えてくれます。
🖼 1枚でわかる標準偏差
📘 公式テキストの説明
標準偏差は、データのばらつき具合を示す統計指標の一つであり、データが平均からどの程度散らばっているかを評価するために使用されます。標準偏差は分散の平方根として計算され、英語では「standard deviation」と表記され、略して「SD」とも呼ばれます。標準偏差を計算するには、まずデータの平均を求め、各データからその平均を引き、その差の2乗を計算します。その後、全ての2乗した差の合計をデータ数で割り、最終的にその結果の平方根を取ることで求められます。この計算により、データがどれほど散らばっているかを数値化できるのです。標準偏差が大きい場合、データが広範にばらついていることを示し、小さい場合はデータが平均値の周辺に集中していることを示します。例えば、試験の点数などで標準偏差が大きい場合、得点が大きくばらついていることを意味しますが、標準偏差が小さいと、ほとんどの学生が似たような得点を取っていることがわかります。標準偏差が優れている点は、平均値と同じ単位を持つため、直感的に理解しやすいということです。例えば、身長のデータでは、分散は平方センチメートルといった単位になりますが、標準偏差はセンチメートルのままであり、平均値と比較しやすくなります。
要点は2つです。第一に、計算は「平均を出す → 偏差(平均との差)を2乗 → 平均する(ここまでが分散) → 平方根を取る」という流れであること。第二に、分散は2乗の影響で単位が「平方センチメートル」のように変わってしまうのに対し、標準偏差は平方根で単位を元に戻すため、平均と同じものさしで解釈できることです。
🔍 しっかり理解する
計算手順を例で追う
5人のテストの点「60, 70, 80, 90, 100」で計算してみます。
- 平均 = (60+70+80+90+100) ÷ 5 = 80点
- 偏差の2乗 = 400, 100, 0, 100, 400 → 合計1000
- 分散 = 1000 ÷ 5 = 200
- 標準偏差 = √200 ≒ 14.1点
「平均80点、標準偏差約14点」と言えば、「多くの人が66〜94点あたりに散らばるテストだった」という散らばりの実感が伝わります。なお、標本から母集団のばらつきを推定する場面では、個数nではなくn − 1で割る「不偏分散」を使う流儀もあります(統計ソフトの既定はこちらのことが多い)が、G検定レベルでは公式テキストどおり「データ数で割る」を基本に押さえておけば十分です。
なぜわざわざ2乗して平方根を取るのか
「平均との差をそのまま平均すればよいのでは?」と思うかもしれませんが、偏差はプラスとマイナスが必ず打ち消し合い、合計が0になってしまいます。そこで2乗して符号を消してから平均する——これが分散です。ただし2乗のせいで単位が「点の2乗」になり直感的に読めないため、平方根で元の単位に戻したものが標準偏差です。「符号消しのための2乗、単位戻しのための平方根」とセットで理解しましょう。
正規分布・偏差値とのつながり
データが正規分布に従うとき、平均±1σ(標準偏差1個分)に約68%、±2σに約95%、±3σに約99.7%のデータが収まります。つまり標準偏差は「正規分布のものさしの目盛り」です。テストの偏差値はこの応用で、得点を「偏差値 = 50 + 10 × (得点 − 平均) ÷ 標準偏差」と変換したものです。平均点なら偏差値50、平均より標準偏差1個分高ければ偏差値60。上の例(平均80・標準偏差14.1)で94点を取れば、ちょうど+1σなので偏差値は約60になります。
💡 具体例で考える
金融のリスク管理では、標準偏差はリスクそのものの尺度です。投資の世界では収益率の標準偏差を「ボラティリティ」と呼び、平均リターンが同じ5%でも、標準偏差が3%のファンドと20%のファンドでは危険度がまるで違うと評価します。「リターン(平均)とリスク(標準偏差)のバランス」という現代の資産運用の語彙は、標準偏差なしには成り立ちません。
機械学習の前処理(標準化)でも毎回登場します。身長(cm)と年収(万円)のように桁もばらつきも違う特徴量をそのまま学習させると、スケールの大きい特徴量が距離計算を支配してしまいます。そこで各特徴量を「(値 − 平均) ÷ 標準偏差」と変換して平均0・標準偏差1に揃える標準化が定番です。偏差値と同じ発想が、モデルの前処理でもそのまま使われているわけです。
⚠️ よくある誤解・紛らわしい用語
- 分散との混同 — 分散は偏差の2乗の平均(単位が2乗になる)、標準偏差はその平方根(単位が元に戻る)。「標準偏差 = √分散」の関係を確実に。
- 「標準偏差が大きい = 悪いデータ」ではない — ばらつきの大小は良し悪しではなくデータの性質です。多様性が本質の場面(顧客の好みなど)ではばらつきこそが情報です。
- 平均偏差との違い — 偏差の「絶対値」の平均を取る平均偏差という指標もありますが、標準的に使われるのは2乗ベースの分散・標準偏差です。数学的な扱いやすさ(微分のしやすさ等)が理由です。
- 外れ値への弱さ — 標準偏差は偏差を2乗するため、外れ値が1つあるだけで大きく膨らみます。外れ値を含むデータでは四分位範囲などの頑健な散らばり指標も検討しましょう。
📝 試験でのポイント
- 「分散の平方根で、データのばらつきを平均と同じ単位で表す指標」という定義から標準偏差を選ぶ問題が基本形です。
- 小さいデータセットで分散・標準偏差を計算させる問題が想定されます。「偏差 → 2乗 → 平均 → 平方根」の手順を体で覚えましょう。
- 「分散は単位が2乗になるが標準偏差は元の単位」という違いは正誤問題の定番想定です。
- 正規分布の「±1σに約68%、±2σに約95%」、偏差値の仕組み(平均50・標準偏差10への変換)との組み合わせ問題に備えましょう。
📚 まとめ
- 標準偏差はデータの平均からの散らばりを表す指標で、分散の平方根(記号σ、略称SD)。
- 計算は「平均 → 偏差の2乗 → 平均(分散) → 平方根」の4ステップ。
- 分散と違い元データと同じ単位を持つため、平均と直接比較でき直感的に読める。
- 偏差値・正規分布の68%/95%ルール・標準化・ボラティリティなど、統計とAIの実務のいたるところで使われる基本指標です。
