分散計算機

データのばらつき（変動性）の指標としての分散

特定のデータセットから統計的な推論を行う上で、データが平均値からどの程度ばらついているか（変動性）を測定することは非常に重要です。データの変動性を表す最も一般的な指標には、以下のものがあります。

• 分散（Variance）: 各データポイントが平均値からどれだけ離れているかを示す「偏差の二乗（平方）」の平均値です。
• 標準偏差（Standard Deviation）: 分散の正の平方根です。標準偏差は、データのばらつきや変動性を評価するために最も一般的に使用される指標です。
• 変動係数（Coefficient of Variation）: 相対標準偏差とも呼ばれます。平均値 μ に対する標準偏差 σ の比率として計算され、公式は \$(C_v=\frac{σ}{μ})\$ となります。

当サイトの分散計算機を使用すれば、任意のデータセットの分散をすばやく計算し、導き出されるまでの詳細な計算ステップを確認することができます。

分散計算機の使い方と入力ルール

この分散計算機は、特定の区切り文字で分割された数値のリストを入力として受け付けます。入力可能なデータ形式の例は以下の表の通りです。

行入力	列入力	列入力	列入力
44, 63, 72, 75, 80, 86, 87, 89	44	44,	44,63,72
44 63 72 75 80 86 87 89	63	63,	75,80
44,, 63,, 72, 75, 80, 86, 87, 89	72	72,	86,87
44 63 72 75, 80, 86, 87, 89	75	75,	89
44; 63; 72, 75,, 80, 86, 87, 89	80	80,
44,,, 63,, 72, 75, 80, 86, 87, 89	86	86,
44 63,, 72,,,, 75, 80, 86, 87, 89	87	87,
	89	89,

数値は、コンマ、スペース、改行、あるいはこれら複数の区切り文字の組み合わせで区切ることができます。行形式と列形式のどちらでも入力可能です。上の表に示されたいずれの形式で入力しても、当計算機はデータセットを「44, 63, 72, 75, 80, 86, 87, 89」として正確に処理します。

データを入力した後、それが「標本（サンプル）データ」か「母集団データ」かを選択します。「計算」ボタンをクリックすると、データセットに関する5つの重要な統計パラメータが算出されます。具体的には、度数（観測値の数）、平均値、偏差の平方和（変動）、分散、そして標準偏差が表示されます。

このツールは、データセットの分散を正確に計算するだけでなく、背後にある統計理論の理解を深めるために、計算のすべてのステップを分かりやすく提示します。

精度の高い統計的推論を行うためには、大規模なデータセットを使用することが推奨されます。しかし、対象となるすべての観測値を網羅した「母集団データ」を収集することは、現実的にはしばしば困難です。そのため、一般的には母集団から「標本（サンプル）」を抽出し、そのサンプルデータを分析することで母集団全体に対する結論を導き出します。

分散とは、データセット内の各値が平均値からどの程度離れているか（平均的なばらつき）を測定する指標です。一般的に、母集団の分散は σ²（シグマ二乗）、標本の分散は s² で表されます。σ² や s² の値が大きいほど、データポイントが平均値から広く散らばっていることを意味し、値が小さければデータが平均値の近くに密集していることを示します。

以下のデータセットを例として考えてみましょう。

(セットI) 11, 3, 5, 21, 10, 15, 20, 25, 13, 26, 27

(セットII) 12, 14, 14, 15, 15, 16, 16, 17, 18, 19, 20

セットI を分散計算機に入力した場合の計算結果：

n=11

x̄=16

SS=704

s²=70.4

s=8.39

（標本データとして計算した場合）

n=11

μ=16

SS=704

σ²=64

σ=8

（母集団データとして計算した場合）

同様に、セットII を計算機に入力した場合の計算結果：

n=11

x̄=16

SS=56

s²=5.6

s=2.36

（標本データとして計算した場合）

n=11

μ=16

SS=56

σ²=5.09

σ=2.25

（母集団データとして計算した場合）

• セットI では、各数値が平均値から大きくばらついています。

s²=70.4

σ²=64

• セットII では、データの変動（ばらつき）が非常に小さくなっています。

s²=5.6

σ²=5.09

分散の計算公式: 母分散と標本分散

母集団分散

統計学における「母集団（Population）」とは、調査や実験の対象となるすべての観測値の集合を指します。観測値の総数が N 個の場合、母分散の計算公式は以下の通りです。

$$\sigma^2=\frac{\sum_{i}^{N}{{(x_i-\ \mu)}^2\ }}{N}$$

ここで、

• σ² は母分散（母集団の分散）
• Σ は合計（総和）
• xᵢ は個々の観測値（データポイント）
• μ は母平均（母集団の平均）
• N は母集団における観測値の総数

標本分散（サンプル分散）

標本分散（サンプル分散）は次のように定義されます。

$$s^2=\frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}$$

ここで、

• s² は標本分散
• Σ は合計（総和）
• xᵢ は個々の観測値（データポイント）
• x̄ は標本平均
• n は標本（サンプル）内の観測値の総数

分散を計算する手順

分散の計算は、以下のステップで行われます。

ステップ 1: 標本または母集団の平均値を計算します。これは、すべてのデータポイントの合計をデータポイントの総数（標本の場合は n、母集団の場合は N）で割ることで求められます。

標本平均:

$$\bar{x}=\frac{\sum_{i=1}^{n} x_i}{n}$$

母集団平均:

$$\mu=\frac{\sum_{i=1}^{N} x_i}{N}$$

ステップ 2: 各データポイントから平均値を引き、偏差（平均からのずれ）を計算します。

標本の偏差:

$$(x_1-\bar{x}), (x_2-\bar{x}), (x_3-\bar{x}), \ldots, (x_n-\bar{x})$$

母集団の偏差:

$$(x_1-\mu), (x_2-\mu), (x_3-\mu), \ldots, (x_N-\mu)$$

ステップ 3: 計算した各偏差を二乗します（偏差の平方）。

標本の偏差の二乗:

$$(x_1-\bar{x})^2, (x_2-\bar{x})^2, (x_3-\bar{x})^2, \ldots, (x_n-\bar{x})^2$$

母集団の偏差の二乗:

$$(x_1-\mu)^2, (x_2-\mu)^2, (x_3-\mu)^2, \ldots, (x_N-\mu)^2$$

ステップ 4: 偏差の二乗の合計（平方和）を計算します。

標本の偏差の二乗の合計:

$$SS=\sum_{i=1}^{n}(x_i-\bar{x})^2$$

母集団の偏差の二乗の合計:

$$SS=\sum_{i=1}^{N}(x_i-\mu)^2$$

ステップ 5: 偏差の平方和を、標本の場合は (n-1) で、母集団の場合は N で割ることで、分散を算出します。

標本分散:

$$s^2=\frac{SS}{n-1}$$

母分散:

$$\sigma^2=\frac{SS}{N}$$

標本分散の計算例

次のデータセットを例として考えてみましょう：1, 2, 4, 5, 6, 12。このデータセットの標本分散を計算するには、以下の手順に従います。

ステップ 1: 標本平均を計算します。

$$\bar{x}=\frac{1+2+4+5+6+12}{6}=\frac{30}{6}=5$$

ステップ 2: 各データポイントについて、平均からの偏差を計算します。

x₁-x̄	x₂-x̄	x₃-x̄	x₄-x̄	x₅-x̄	x₆-x̄
1 - 5	2 - 5	4 - 5	5 - 5	6 - 5	12 - 5
-4	-3	-1	0	1	7

ステップ 3: それぞれの偏差を二乗します。

(x₁-x̄)²	(x₂-x̄)²	(x₃-x̄)²	(x₄-x̄)²	(x₅-x̄)²	(x₆-x̄)²
16	9	1	0	1	49

ステップ 4: 偏差の二乗の合計（平方和）を求めます。

$$SS=\sum_{i=1}^{n}{(x_i-\bar{x})}^2=16+9+1+0+1+49=76$$

ステップ 5: 平方和を自由度 (n-1) で割り、標本分散を算出します。

$$s^2=\frac{SS}{n-1}=\frac{76}{6-1}=\frac{76}{5}=15.2$$

※データセットが母集団全体を表している場合は、 (n-1) ではなく N （データポイントの総数）で割って母分散を計算します。

分散の重要性と活用場面

分散は、金融や投資の世界で広く活用されています。資産運用マネージャーは、投資パフォーマンスを最適化するために分散を利用します。また、財務アナリストはポートフォリオを構成する各資産の個別パフォーマンスやリスクを評価する際に、分散による分析を用います。 投資家は、新たな銘柄の購入を検討する際、分散を計算することでその投資がリスクに見合う価値があるかを判断します。分散は市場の不確実性を測る強力なツールであり、分散や標準偏差を用いずにリスクを正確に定量化することは極めて困難です。

将来の不確実性を直接測定することはできません。しかし、分散および標準偏差（分散の平方根）を活用することで、特定の株式や資産がポートフォリオ全体に及ぼす影響度やボラティリティを論理的に予測・評価することができます。

金融業界に限らず、科学者、統計学者、数学者、データアナリストなどの専門家も日常的に分散を使用しています。実験結果や抽出されたサンプルから、母集団の傾向に関する有用な洞察を得るために不可欠な指標です。

科学研究においては、複数のテストグループ間の差異を検証し、仮説検定を行うのに十分な類似性があるかを判断するために分散が用いられます。データセットの分散が大きいほど、データ内の値のばらつきが大きいことを意味します。データリサーチャーはこの情報を活用して、平均値がデータセット全体の特徴をどの程度正確に表しているかを評価します。

一方で、分散を使用する際の注意点（欠点）として、データセット内に極端な外れ値が存在する場合、その影響を強く受けて結果が歪む可能性があることが挙げられます。これは、偏差を計算する際に各値が「二乗」されるため、平均から遠く離れた外れ値の重みが著しく増幅されてしまうからです。

このため、多くの研究者やアナリストは、分散の平方根である標準偏差を併用することを好みます。標準偏差は元のデータと同じ単位を持つため直感的に解釈しやすく、外れ値による視覚的なスケールの歪みを抑えることができるからです。