分散は「データがどれくらい散らばっているか」を数値化する統計指標です。平均とセットでデータの姿を捉えるための基本中の基本であり、標準偏差・正規分布・機械学習の誤差分析まで、あらゆる話題の土台になります。計算の流れを一度手を動かして理解すれば、確実に得点源にできるキーワードです。
📖 ひと言でいうと
分散とは、各データが平均からどれだけ離れているか(偏差)を2乗して平均した値で、データのばらつきの大きさを表します。
例えるなら、弓矢の的当てで「矢が中心の周りにぎゅっと集まっているか、バラバラに散っているか」を数値にしたものです。平均(中心の位置)が同じでも、散らばり方が違えばデータの性質はまったく異なります。
🖼 1枚でわかる分散
📘 公式テキストの説明
分散とは、データのばらつきを表す統計的な指標の一つです。データがどの程度散らばっているか、つまり平均からの偏差がどれだけあるかを測定するために使われます。まず、データセットの平均値を計算し、各データポイントがその平均からどれだけ離れているかを調べます。この差を「偏差」と呼び、さらにそれを2乗して合計することで、偏差が正負に関わらず大きさとして計算されるようになります。これにより、データが平均に対してどれだけ広がっているかが明確になります。この2乗の和をデータ数で割ることで、分散が求められます。分散が大きいほど、データのばらつきが大きいことを示し、逆に分散が小さい場合は、データが平均の周りに集まっていることを意味します。なお、分散は元のデータの単位の2乗として表されるため、結果として得られる数値の解釈が難しくなることがあります。これを補正するために、分散の平方根を取った「標準偏差」がよく使われます。
公式テキストのポイントは、(1)偏差を「2乗」してから平均する理由、(2)単位が2乗になるため標準偏差で補正する、という2点です。偏差(各データ − 平均)をそのまま合計すると、プラスとマイナスが必ず打ち消し合って合計0になってしまいます。そこで2乗して符号を消し、「離れ具合の大きさ」だけを集計するのが分散の発想です。
🔍 しっかり理解する
計算の流れを一度なぞる
分散の計算は次の4ステップです。
データ 2, 4, 6, 8, 10 で検算してみましょう。平均は 30 ÷ 5 = 6。偏差は −4, −2, 0, 2, 4。2乗すると 16, 4, 0, 4, 16 で合計40。分散は 40 ÷ 5 = 8 です。
標準偏差との関係
上の例で分散は8ですが、元のデータの単位が「点」なら分散の単位は「点の2乗」になり、直感的に解釈できません。そこで平方根をとった標準偏差(この例では約2.83)を使えば、元のデータと同じ単位で「平均±2.83点くらいの範囲に散らばっている」と読めるようになります。分散と標準偏差は同じ情報の表現違いで、標準偏差の2乗が分散です。
標準偏差が「散らばりのものさし」として便利なのは、分布の形と結びつくからです。たとえばデータが正規分布に従う場合、平均±標準偏差1個分の範囲に全体の約68%、±2個分の範囲に約95%が収まることが知られています。偏差値も「平均50・標準偏差10になるように点数を変換したもの」で、分散・標準偏差の応用として身近な例です。
平均が同じでも分散で区別できる
2つのクラスの数学の点数がどちらも平均60点だとします。Aクラスは全員55〜65点に収まり、Bクラスは20点も100点もいる。この違いを表すのが分散です。Aクラスは分散が小さく「均質」、Bクラスは分散が大きく「格差が大きい」と定量的に言えます。平均という1つの数字では見えない情報を、分散が補ってくれるのです。
機械学習・統計での役割
分散は正規分布を特徴づける2つのパラメータの1つ(もう1つは平均)であり、統計学全体の中核概念です。機械学習では、特徴量を平均0・分散1に揃える標準化が前処理の定番です。また、モデルの汎化誤差を論じる「バイアス・バリアンス分解」に登場するバリアンス(予測のばらつき)も分散の考え方で、分散が大きいモデルは過学習の傾向があると解釈されます。
💡 具体例で考える
投資の世界では、分散(と標準偏差)がリスクの尺度として使われます。毎年のリターンが 2%, 3%, 2%, 3% の安定資産と、−20%, +26%, −15%, +19% の変動資産では、平均リターンが同程度でも分散がまったく違います。「平均が同じならばらつきが小さい方が安心」という判断は、まさに分散に基づく意思決定です。
製造業の品質管理でも、部品の寸法の分散が大きい工場は不良品が出やすいと判断できます。平均値が規格の中心に合っていても、分散が大きければ規格外の個体が増えるため、「平均を合わせ、分散を小さくする」ことが品質改善の基本方針になります。
⚠️ よくある誤解・紛らわしい用語
- 偏差をそのまま平均すればよい? — 偏差の合計は必ず0になるため、ばらつきの指標になりません。2乗(あるいは絶対値)にする必要があります。
- 分散と標準偏差の混同 — 標準偏差は分散の平方根です。「元のデータと同じ単位で解釈できるのはどちらか」(答え: 標準偏差)という形で問われ得ます。
- 分散と共分散 — 分散は1つの変数のばらつき、共分散は2つの変数が連動して変化する度合いを表す別の指標です。
- 標本分散と不偏分散 — データ数nで割るか、n−1で割るか(母集団の分散を推定する際の補正)という2つの流儀があります。細かい使い分けよりも「割る数が2種類ある」ことを知っておけば十分です。
📝 試験でのポイント
- 「偏差を2乗する理由」(正負の打ち消しを防ぐため)は、定義理解を問う選択肢として想定されます。
- 小さいデータセットの分散を実際に計算させる、または計算手順の正しい順序を選ばせる形式が考えられます。
- 分散・標準偏差・共分散・相関係数の定義の対応付けは典型的な対比問題です。
- 標準化(平均0・分散1)やバイアス・バリアンスなど、機械学習側の文脈で分散の言葉が出てきても対応できるようにしておきましょう。
📚 まとめ
- 分散は「平均からの偏差の2乗の平均」で、データのばらつきを表します。
- 2乗するのは偏差の正負の打ち消しを防ぐためで、その代償として単位が2乗になります。
- 単位を元に戻したものが標準偏差(分散の平方根)です。
- 平均だけでは見えない「散らばりの違い」を捉える指標として、統計と機械学習の両方で土台になります。
