データの「代表的な値」を1つ挙げるなら平均値——とは限りません。年収のように極端な値を含むデータや、服のサイズのような集計では、「最も多く現れる値」=最頻値のほうが実態を表すことがあります。平均値・中央値と並ぶ第3の代表値の性質と使いどころを解説します。
📖 ひと言でいうと
最頻値(モード)とは、データの中で最も頻繁に現れる値のことです。平均値・中央値と並ぶ「代表値」の1つで、「一番よくあるケースはどれか」という問いに直接答えてくれます。
靴屋の在庫発注をイメージしてください。来店客の足のサイズの「平均25.3cm」よりも、「一番売れるサイズは26.0cm」という最頻値のほうが、どのサイズを多く仕入れるべきかをズバリ教えてくれます。多数派の実態を知りたいときの指標が最頻値です。
🖼 1枚でわかる最頻値
📘 公式テキストの説明
最頻値は、統計学において「データの中で最も頻繁に現れる値」を指します。最頻値は、平均値や中央値と並ぶ代表値の一つで、特にデータのばらつきが大きい場合に、その分布の特徴を示す重要な指標です。例えば、あるクラスのテストの点数が「60, 75, 80, 75, 90, 75, 60, 70, 80, 85」であった場合、最も頻繁に出現する75が最頻値になります。最頻値の特徴として、外れ値の影響を受けにくいことが挙げられます。データに極端な値が含まれていても、最頻値はその分布の中心的な値を把握しやすいという利点があります。一方で、最頻値が複数存在する「二峰性」や「多峰性」のデータもあり、このような場合にはデータの分布の傾向を深く理解するために他の指標と組み合わせて分析することが効果的です。また、最頻値はデータ数が少ない場合や、各値が一度しか現れないような場合には有効ではなく、すべての値が最頻値となることもあります。このため、最頻値が一意に決まらないケースも存在します。最頻値はアンケート結果や品質管理など、データの中で「最も一般的な意見」や「最も頻繁に発生する事象」を知りたいときに特に有用です。平均値や中央値と合わせて使用することで、データ全体の特性をより正確に把握できます。
例のデータを数えると、75は3回、60と80は2回ずつ、70・85・90は1回ずつなので、最も多い75が最頻値です。ちなみにこのデータは合計750・10人なので平均値も75、小さい順に並べた真ん中(5番目と6番目の平均)も75で、3つの代表値がすべて一致します。代表値がずれるのは、分布が偏っているときです。
🔍 しっかり理解する
3つの代表値——求め方の違い
| 代表値 | 求め方 | ひと言でいうと |
|---|---|---|
| 平均値 | 全部足してデータ数で割る | 全体をならした値 |
| 中央値 | 小さい順に並べた真ん中の値 | ちょうど半分の位置の値 |
| 最頻値 | 出現回数が最も多い値 | 一番よくある値 |
3つはどれも「分布の中心」を表そうとしますが、計算の仕方が違うため、分布が左右非対称だったり外れ値があると値がずれます。このずれ自体が「分布が偏っている」というシグナルとして使えます。
外れ値への強さ——平均値との対比
- 全データの値を使うため情報量が多い
- 極端な値(外れ値)に引っ張られやすい
- 例: 年収データでは一部の高所得者で大きく上振れ
- 「回数」だけで決まるため外れ値の影響を受けにくい
- 多数派の実態をそのまま表す
- 数値でないカテゴリデータにも使える唯一の代表値
最頻値のもう1つの強みは、カテゴリデータに使えることです。「好きな色」のアンケートで平均値や中央値は計算できませんが、「最も多かった回答は青」という最頻値は求められます。血液型・購入商品カテゴリ・故障原因の種類など、数値でないデータの代表値は実質的に最頻値一択です。
弱点——決まらない・複数あるケース
一方で最頻値には、うまく機能しない場面があります。①全データが1回ずつしか現れない場合(全員の身長がバラバラ等)は全値が最頻値になってしまい実用的な情報になりません。②山が2つある二峰性の分布(例: 平日と休日で客層が違う店の来店時刻)では最頻値が複数現れ、1つの値で分布を代表させること自体に無理があります。こうした場合は、度数分布(ヒストグラム)で分布の形を確認し、平均値・中央値と組み合わせて解釈するのが正しい使い方です。
💡 具体例で考える
年収データの3つの顔。従業員5人の年収が300万、300万、400万、500万、3000万の会社を考えます。平均値は(300+300+400+500+3000)÷5 = 900万円ですが、「典型的な社員の年収900万」は実態と懸け離れています。中央値は400万円、最頻値は300万円。経営者1人(外れ値)に引っ張られた平均値より、中央値や最頻値のほうが「普通の社員」の姿を表しています。所得統計で平均所得と中央値・最頻値が大きくずれるのは、右に長い裾を持つ分布の典型例です。
品質管理の現場。工場の不良品データで「最も頻繁に発生する不良の種類はキズ」と分かれば、対策の優先順位が決まります。発生件数のカテゴリ集計における最頻値は、パレート分析のような改善活動の起点になります。
⚠️ よくある誤解・紛らわしい用語
- 「最頻値 = 平均値」ではない — 一致することもありますが(公式テキストの例では両方75)、分布が偏れば大きくずれます。年収の例のように、ずれ方が分布の形を教えてくれます。
- 中央値との混同 — 中央値は「順番の真ん中」、最頻値は「回数の一番」です。求め方がまったく違います。
- 「最頻値は必ず1つに決まる」ではない — 二峰性・多峰性のデータでは複数存在し、全値が1回ずつなら実質決められません。
- 期待値との混同 — 期待値は確率で重み付けした将来の見込みの平均で、「最も起こりやすい値」ではありません。「一番出やすい値」に対応するのが最頻値です。
📝 試験でのポイント
- 小さなデータ列を与えて最頻値を選ばせる問題が基本形です。各値の出現回数を数えるだけですが、平均値・中央値も同時に問われることが多いので3つとも計算できるようにしましょう。
- 「外れ値の影響を受けにくい代表値はどれか」という比較問題では、中央値・最頻値が該当し、平均値は該当しません。
- 「カテゴリデータに使える代表値はどれか」と問われたら最頻値です。
- 「最頻値は常に一意に定まる」という記述は誤り(二峰性・多峰性)と判断できるようにしておきましょう。
📚 まとめ
- 最頻値は「データの中で最も頻繁に現れる値」で、平均値・中央値と並ぶ代表値の1つ。
- 外れ値に強く、カテゴリデータにも使える一方、複数存在したり決まらないケースがある。
- 平均値は外れ値に引っ張られるため、偏った分布では中央値・最頻値との比較が分布の形を教えてくれる。
- 「多数派・売れ筋・頻発事象」を知りたい場面が最頻値の出番です。
