平均値・中央値・最頻値 計算ツール｜代表値の一括計算とデータ分析入門

計算式と定義

基本式

平均値 x̄ = (x₁ + x₂ + … + xₙ) ÷ n

中央値 = ソート済みデータの中央位置の値（偶数個は真ん中2つの平均）

最頻値 = 出現頻度が最も高い値

3つの代表値の役割

データを1つの数字で要約したいときに使う指標を代表値(measures of central tendency)と呼びます。代表値には主に平均・中央値・最頻値の3種類があり、データの分布特性・目的に応じて使い分けます。

平均・中央値・最頻値の違い

3つの代表値は、データの分布の形によって同じにも異なる値にもなります。

所得統計では平均年収より中央値のほうが庶民感覚に近いのが典型例。厚生労働省の「賃金構造基本統計調査」でも、政府統計は中央値と平均値の両方を併記する慣習になっています。

具体例で比較する

例1: テストの点数(9名)

データ: 3, 7, 5, 8, 2, 9, 4, 6, 5

合計49、n=9。平均 = 49÷9 ≈ 5.44。ソートすると 2,3,4,5,5,6,7,8,9で中央値=5。最頻値=5(2回)。この場合3指標がほぼ一致し、対称に近い分布と読めます。

例2: 所得データ(10名、1万円単位)

データ: 200, 250, 280, 300, 320, 330, 350, 380, 400, 5000

合計7810、平均=781万円。中央値=(320+330)/2=325万円。最頻値なし(重複なし)。
1名の高所得者(5000万円)によって平均が大きく引き上げられ、平均が実態と乖離する典型例です。この場合は中央値のほうがデータの中心を代表しています。

例3: 売れ筋商品数(アンケート最頻回答)

データ: A, B, A, C, A, B, D, A, C

数値ではなくカテゴリデータの場合、平均・中央値は定義できず、最頻値のみが有効(この場合A=4回)。ユーザー調査で頻用します。

外れ値と代表値の頑健性

外れ値(outlier)は他の値と大きく離れた値。平均値は外れ値に大きく影響されますが、中央値・最頻値は比較的頑健(ロバスト)です。

実務では上下5%または10%を除外した刈込平均や、四分位範囲(IQR)を使った外れ値検出(1.5×IQRルール)がよく使われます。統計局の公表資料でも所得統計は中央値・第1四分位・第3四分位を併記します。

加重平均・幾何平均・調和平均

加重平均(重み付き平均)

加重平均 = Σ(値×重み) ÷ Σ重み

データごとに重要度が異なる場合に使用。テストの評点(中間30%・期末50%・レポート20%)、株価の時価総額加重平均(TOPIX)など。加重平均計算を参照。

幾何平均

幾何平均 = ⁿ√(x₁ × x₂ × … × xₙ)

成長率・複利計算に使用。10年で年率平均何%成長したかを算出する場合、算術平均ではなく幾何平均を使います。GDP成長率の年平均、投資リターンの年率換算などが代表例。

調和平均

調和平均 = n ÷ (1/x₁ + 1/x₂ + … + 1/xₙ)

速度・比率・PER等の平均に適する。往復平均速度で行き60km/h・帰り40km/hなら調和平均48km/hが実効平均です。単純な算術平均では50km/hになりますが、実際の平均速度は48km/hが正解。

分散・標準偏差・四分位範囲

代表値だけではデータのばらつきは分かりません。データ全体の広がりは、分散・標準偏差・四分位範囲などの散らばりの指標で表現します。

分散 = Σ(xᵢ - x̄)² ÷ n

標準偏差 = √分散

四分位範囲(IQR) = 第3四分位 - 第1四分位

詳細は標準偏差計算で計算・可視化できます。

この計算を使うシーン

実データで比較する代表値の使い分け

日本の公的統計に基づく実例で、平均・中央値・最頻値のどれを使うべきか整理します。

所得統計(厚労省 賃金構造基本統計調査)

所得は高所得者の存在で右に歪むため、中央値のほうが「普通の人の年収感」に近づきます。

世帯貯蓄(総務省 家計調査)

大学入試偏差値(学校成績)

個人の得点分布は正規分布に近く、平均・中央値・最頻値がほぼ一致。偏差値50が「平均値」であり全体の中央位置。この場合はどの代表値も同じ意味を持ちます。

SNSフォロワー数(極端な右歪み)

大多数のユーザーはフォロワー数百人、有名人・企業は数百万人。平均は数千〜数万人になりますが中央値は数百人。平均だけ見ると個人の実感と大きく乖離する典型例です。

アンケートの回答選択肢

「はい/いいえ/どちらでもない」等のカテゴリデータは平均・中央値が意味を持たず、最頻値のみが有効。頻度集計とクロス表が実務では基本です。

よくある間違い・注意点

• 「平均」だけ見て判断 — 特に所得・売上・住宅価格など右に歪んだ分布では、平均が実態を大きく上回るケースが多発。必ず中央値も併記して比較しましょう。
• 成長率を算術平均で計算 — 「1年目+20%、2年目-20%」の平均は0%ではなく、幾何平均で√(1.2×0.8)-1 = -2%です。複利では必ず幾何平均を使用。
• 速度の平均に算術平均 — 往復60km/hと40km/hの平均速度は50km/hではなく、調和平均48km/h。時間の重みが違うため。
• 最頻値を数値データで安易に使う — 連続量データ(身長・体重等)は最頻値がほぼ一意にならないため意味薄。カテゴリデータや離散データで有効。
• 外れ値の除外なしに平均を提示 — 1つの外れ値で平均が20%動くこともあります。外れ値検出(1.5×IQRルール等)を先に実施しましょう。
• サンプルサイズを併記しない — n=3の平均とn=1000の平均は信頼性が全く違います。統計学的には信頼区間・標準誤差も併記が望ましい。
• 加重平均を単純平均で算出 — 中間30%・期末50%の学期成績を単純に(中間+期末)/2で計算すると評価が誤ります。必ず加重平均を使用。

関連科目・カリキュラム

• 中学数学 ― 平均値(算術平均)、中央値、最頻値、範囲、階級と度数分布、ヒストグラム。文部科学省学習指導要領で第1学年〜第3学年に配当。
• 高校数学Ⅰ「データの分析」 ― 分散・標準偏差、四分位範囲、箱ひげ図、共分散、相関係数、外れ値。全高校生の必修範囲。
• 高校数学B「統計的な推測」(2022年度〜) ― 確率分布、正規分布、二項分布、母平均・母比率の区間推定、仮説検定。
• 大学教養統計 ― 記述統計・推測統計、t検定・分散分析・回帰分析、ノンパラメトリック検定。多くの大学で1年次必修化。
• 統計検定 ― 一般社団法人 日本統計学会公式資格。3級・2級・準1級・1級の階級があり、実務・学習の目標に。
• データサイエンス基礎(2025〜) ― 高校情報Ⅰ・Ⅱでもデータ分析基礎が扱われ、統計リテラシーが全高校生の必須知識に。

Excel・Python・Rでの代表値計算

実務データ分析ではExcelや統計環境で代表値を計算します。主要ソフトの関数対照を整理します。

Excel/Google Sheetsの関数

Python (NumPy / pandas)

R

参考文献・公的資料

統計学習・公的データの参照は以下の資料が有用です。

• 総務省統計局 ― 国勢調査・家計調査・労働力調査等、日本の主要統計データの公式発表元。
• 総務省統計局「なるほど統計学園」 ― 中学生・高校生向けの統計学習ポータル。平均・中央値・最頻値の解説あり。
• 文部科学省 学習指導要領 ― 小・中・高数学の統計単元の指導内容。
• 日本統計学会 学会誌 ― 統計理論・応用の学術論文。
• 統計検定(日本統計学会公式) ― 統計リテラシーの公式資格試験。
• 厚生労働省 賃金構造基本統計調査 ― 平均・中央値の実データ例(所得統計)。
• OECD Statistics ― 国際比較統計。中央値・分布指標を活用したデータ提示例。
• IMF Data ― 世界経済統計。GDP・インフレ率等の代表値・成長率(幾何平均)の実例。
• UN Statistics Division ― 国連統計局。SDGs指標等の集計方法・代表値。

よくある質問（FAQ）

関連計算ツール