高校数学「確率・統計」を総復習 | 平均・分散・標準偏差から仮説検定まで

はじめに

「分散と標準偏差は、何が違う？」
「正規分布の68％・95％は何を意味する？」
「p値が0.05未満なら、何が分かったことになる？」

確率・統計は公式だけを暗記しても、問題文に出てきたときに使い分けに迷いやすい分野です。この記事では、高校数学の「データの分析」「確率分布と統計的な推測」を、一つの流れで総復習します。基本情報技術者・応用情報技術者などのIPA試験に必要な統計用語への橋渡しとして、グラフの読み方から計算例、推定・検定の考え方まで整理しました。

この記事で分かること

• 平均・中央値・四分位数・分散・標準偏差の意味と計算方法

• 確率の基本法則、条件付き確率、確率分布

• 二項分布と正規分布の基本的な使い方

• 母集団・標本・信頼区間・仮説検定の違い

• IPA試験で混同しやすいポイント

※高校数学を中心とした入門記事です。厳密な統計理論や個別の検定手法は必要に応じて補足し、試験区分ごとの全範囲をこの記事だけで網羅するものではありません。

1．統計学は「データから何を読み取るか」の学問

例えば、あるWebサービスの応答時間を調査したとします。

• 典型的な応答時間を知りたい → 平均値・中央値

• 応答時間が安定しているかを知りたい → 分散・標準偏差

• ユーザー数と応答時間が一緒に増えるか知りたい → 散布図・相関係数

• 一部のログから全ユーザーの傾向を推測したい → 標本・推定

• 改善前後の差が偶然とは考えにくいか調べたい → 仮説検定

統計学は大きく二つの見方に分けられます。
記述統計は、手元のデータを平均値やグラフなどで要約する方法です。
推測統計は、抽出した標本をもとに、その背後にある母集団の性質を推定・検定する方法です。

確率論は、不確実な出来事を数式で扱うための基礎になります。統計的な推測を理解するには、まず確率と分布の考え方を押さえるのが近道です。

IPA試験との関係

2026年11月1日時点で公開されているIPA公式シラバスでは、基本情報技術者試験・応用情報技術者試験の「応用数学」などに、確率分布、代表値、分散、標準偏差、相関係数、推定、仮説検定などの項目が含まれます。

文部科学省の高等学校学習指導要領では、数学Iの「データの分析」、数学Aの「場合の数と確率」、数学Bの「統計的な推測」が関連する学習内容です。本記事ではその基礎を横断的に扱います。

2．まず知っておきたい「データの種類」とグラフ

データには大きく分けて次の種類があります。

• 量的データ：売上金額、身長、応答時間など、数値の大きさに意味があるデータ

• 質的データ：製品カテゴリ、都道府県、満足度の選択肢など、分類・順序を示すデータ

量的データには、件数のような離散的な値と、測定値のような連続的な値があります。

代表的な可視化手法も、用途が異なります。

• 棒グラフ：カテゴリごとの件数・割合などを比較する

• ヒストグラム：数値を階級に分け、分布の形を調べる

• 箱ひげ図：中央値・四分位数・散らばりをまとめて見る

• 散布図：二つの数量の関係を見る

なお、ヒストグラムでは階級幅が不均等な場合、柱の高さだけを単純比較すると誤解が生じます。面積が度数に対応するように表現します。

3．平均・中央値・最頻値：データの「中心」をつかむ

データが次の5件だったとします。

$$2,\ 3,\ 4,\ 5,\ 6$$

平均値（mean）

平均値は、データの合計を個数で割ったものです。

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

$$\bar{x}=\frac{2+3+4+5+6}{5}=4$$

中央値（median）

値を小さい順に並べたとき、中央にある値です。今回の中央値は 4 です。データが偶数個のときは、中央の2個の平均を取ります。

最頻値（mode）

最も頻繁に現れる値です。今回の例は全て1回ずつなので、目立った最頻値はありません。最頻値が複数あるデータも存在します。

なぜ平均だけでは足りないのか？

次の5人の月収（万円）を考えてみましょう。

$$30,\ 35,\ 40,\ 45,\ 200$$

平均値は70万円ですが、中央値は40万円です。一人の極端に大きな値が平均を押し上げています。このように、平均は外れ値の影響を受けやすく、中央値は比較的受けにくいという違いがあります。

4．分散と標準偏差：データの「ばらつき」を数値にする

平均値が同じでも、全員が平均付近に集まっている場合と、大きく散らばっている場合ではデータの性質は異なります。

まず「偏差」を求める

偏差とは、個々の値から平均値を引いたものです。

$$\text{偏差}=x_i-\bar{x}$$

例のデータ 2, 3, 4, 5, 6 では、平均は4なので偏差は -2, -1, 0, 1, 2 です。偏差を全て足すと0になります。そこで、ばらつきの大きさを表すために偏差を2乗して平均します。

分散（variance）

5件のデータ全体を一つの集団としたときの分散は次のとおりです。

$$\sigma^2=\frac{1}{n}\sum_{i=1}^{n}(x_i-\mu)^2$$

$$\sigma^2=\frac{(-2)^2+(-1)^2+0^2+1^2+2^2}{5}=2$$

分散が大きいほど、平均から離れた値が多い傾向にあります。

標準偏差（standard deviation）

分散は元のデータを2乗した単位になるため、その平方根を取って元の単位に戻したものが標準偏差です。

$$\sigma=\sqrt{\sigma^2}=\sqrt{2}\approx1.41$$

分散は「偏差の2乗の平均」、標準偏差は「分散の平方根」。
この2つをセットで理解しましょう。

注意：標本分散の分母は n−1 になる場合がある

上記は集団全体を対象にした分散です。一方、標本から母集団の分散を推定するときに使う不偏標本分散は、次のように分母を n−1 にします。

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

同じ5件を標本と考えるなら、

$$s^2=\frac{10}{4}=2.5$$

となります。

教科書やソフトによって「標本分散」の名称や分母の定義が異なる場合があるため、設問で定義を確認することが重要です。なお、s² は母分散の不偏推定量ですが、s=√s² 自体が母標準偏差の不偏推定量という意味ではありません。

5．四分位数・箱ひげ図・標準化も押さえる

四分位数と四分位範囲

データを小さい順に並べ、位置に応じて区切った値を四分位数といいます。

• 第1四分位数 Q1：下位約25％の境目

• 第2四分位数 Q2：中央値

• 第3四分位数 Q3：下位約75％の境目

四分位範囲は次の式で表され、中央50％付近の広がりを示します。

$$\mathrm{IQR}=Q_3-Q_1$$

四分位数には複数の算出規約があるため、厳密な計算値は採用する方法によって異なる場合があります。箱ひげ図のひげの定義も必ず確認してください。

標準化（zスコア）

単位や平均値の異なるデータを比較するため、平均から何標準偏差分だけ離れているかを表すのが標準化です。

$$z=\frac{x-\mu}{\sigma}$$

例えば、あるテストで平均60点、標準偏差10点、自分の得点が75点なら、

$$z=\frac{75-60}{10}=1.5$$

つまり、平均より1.5標準偏差だけ高い得点です。

一般的な偏差値は次のように求めます。

$$\text{偏差値}=50+10z=65$$

6．相関関係：二つのデータは一緒に動くか？

例えば、アクセス数が増えるとWebサーバーのCPU使用率も上がる傾向があるとします。この関係は散布図で確認できます。二つの変数の線形的な関係の方向と強さを表す代表的な指標が、ピアソンの相関係数 r です。

$$r=\frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2}\sqrt{\sum_{i=1}^{n}(y_i-\bar{y})^2}}$$

• rが+1に近い：強い正の線形相関

• rが−1に近い：強い負の線形相関

• rが0に近い：線形相関は弱い。ただし、曲線的な関係までないとは限らない

ここで特に重要なのが、相関関係は因果関係を意味しないことです。

例えば、暑い日にアイスクリームの販売数と熱中症の件数が共に増えたとしても、アイスクリームが熱中症の原因とはいえません。共通して両者に影響する「気温」が存在します。こうした第三の要因による見かけ上の関係を、疑似相関・交絡の文脈で考えます。

7．確率の基本：起こりやすさを0〜1で表す

確率は、ある事象の起こりやすさを0から1の値で表します。同様に確からしい結果が全部で N 通りあり、そのうち事象Aが m 通りなら、

$$P(A)=\frac{m}{N}$$

例えば、公平なサイコロで偶数が出る確率は 3/6=1/2 です。

「または」と「かつ」の違い

• A∪B：AまたはBが起こる（和事象）

• A∩B：AかつBが起こる（積事象）

サイコロで、A＝偶数 {2,4,6}、B＝4以上 {4,5,6} とすると、共通部分は {4,6} です。

$$P(A\cup B)=P(A)+P(B)-P(A\cap B)$$

$$=\frac{3}{6}+\frac{3}{6}-\frac{2}{6}=\frac{2}{3}$$

条件付き確率

Aが起こったことを知った上でBが起こる確率は、

$$P(B\mid A)=\frac{P(A\cap B)}{P(A)}\qquad(P(A)>0)$$

この例では、偶数が出たと分かっているときに4以上である確率は、2/3 です。

独立と排反は別の概念

• 独立：Aが起きたという情報がBの確率を変えない。P(A∩B)=P(A)P(B)

• 排反：AとBが同時に起こらない。P(A∩B)=0

どちらも似た場面で登場しますが、意味は異なります。
確率が正である二つの排反な事象は独立ではありません。

ベイズの定理（応用への橋渡し）

迷惑メール判定や不正取引検知では、「検知された取引が本当に不正である確率」を考える場面があります。

$$P(A\mid B)=\frac{P(B\mid A)P(A)}{P(B)}$$

この式がベイズの定理です。検知精度だけでなく、もともと不正取引がどの程度存在するか（事前確率）も判断に影響します。

8．確率変数・期待値・分散

確率変数とは、偶然の結果に応じて値が変わる変数です。
例えばサイコロの出目を X とします。離散型確率変数では、それぞれの値 x に確率 P(X=x) が対応します。この対応を確率分布といいます。

期待値は「確率を重みとして計算した平均」です。

$$E[X]=\sum_x xP(X=x)$$

分散と標準偏差も同じ考え方で求められます。

$$V[X]=E[(X-E[X])^2]$$

$$\mathrm{SD}[X]=\sqrt{V[X]}$$

「確率変数の期待値・分散」は、先に学んだ「データの平均・分散」と考え方がつながっています。

9．二項分布：成功回数の確率を求める

独立した試行を n 回繰り返し、各回の成功確率が一定の p であるとき、成功回数 X は二項分布に従います。

$$X\sim B(n,p)$$

成功回数がちょうど k 回となる確率は、

$$P(X=k)={}_nC_k p^k(1-p)^{n-k}$$

ここで {}_nC_k は、n回の中から成功するk回を選ぶ組合せの数です。

$${}_nC_k=\frac{n!}{k!(n-k)!}$$

例えば、公平なコインを10回投げ、表がちょうど3回出る確率は、

$$P(X=3)={}_{10}C_3\left(\frac12\right)^3\left(\frac12\right)^7 =\frac{120}{1024}\approx0.1172$$

約11.7％です。

二項分布は平均と分散も重要です。

$$E[X]=np,\qquad V[X]=np(1-p)$$

この例では、平均は 10×0.5=5、分散は 10×0.5×0.5=2.5 になります。

10．正規分布：釣鐘型の分布を理解する

正規分布は、平均を中心に左右対称の釣鐘型をした連続型確率分布です。
統計学で広く用いられる代表的な分布です。

$$X\sim N(\mu,\sigma^2)$$

μ は平均、σ² は分散を意味します。

正規分布では、次の関係が知られています。

• 平均±1σ の範囲：約68.3％

• 平均±2σ の範囲：約95.4％

• 平均±3σ の範囲：約99.7％

この割合は、正規分布に従うという前提があるときの値です。あらゆるデータに無条件で当てはまるわけではありません。また、連続型の確率変数では、確率密度曲線の下側の面積が区間に入る確率に対応します。曲線のある一点の高さそのものは確率ではありません。

標準正規分布

正規分布に従う変数を標準化すると、平均0・分散1の標準正規分布に変換できます。

$$Z=\frac{X-\mu}{\sigma}\sim N(0,1)$$

11．母集団と標本：なぜ一部のデータから全体を推測できるのか

例えば、100万人の利用者全員にアンケートするのは困難です。

そこで、一部の利用者を抽出して全体の傾向を推測します。

• 母集団：知りたい対象の全体

• 標本：母集団から抽出したデータ

• 母数：母集団を特徴付ける値（母平均・母分散など）

• 統計量：標本から計算する値（標本平均など）

大数の法則と中心極限定理

大数の法則は、適切な条件の下で標本数を増やすと、標本平均が母平均に近づくという性質です。

中心極限定理は、独立で同じ分布に従い、分散が有限であるなどの条件の下で、標本数が十分大きいと標本平均の分布が正規分布で近似できるようになるという性質です。

この二つは似ていますが、前者は「平均がどこへ近づくか」、後者は「標本平均がどのようにばらつくか」に関わります。ここで重要なのが、標本平均の標準偏差である標準誤差です。

独立同分布で母分散が有限の場合、

$$\mathrm{SE}(\bar X)=\frac{\sigma}{\sqrt{n}}$$

標本数を4倍にすると、標準誤差は半分になります。ただし、偏った標本抽出によるバイアスが自動的に解消するわけではありません。

12．区間推定：平均値を「幅」で見積もる

標本平均が52でも、母平均が厳密に52であるとは限りません。
そこで推定値に幅を持たせる方法が区間推定です。

母標準偏差 σ が既知で、無作為・独立な標本を取り、標本平均が正規分布に従う（または正規近似が十分に適切な）場合、母平均の約95％信頼区間は次の形で求められます。

$$\bar{x}\pm1.96\frac{\sigma}{\sqrt{n}}$$

例えば、標本平均52、母標準偏差10、標本数100なら、

$$52\pm1.96\times\frac{10}{\sqrt{100}} =52\pm1.96$$

よって、95％信頼区間は次のとおりです。

$$[50.04,\ 53.96]$$

ここでの95％は「母平均が95％の確率でこの特定の区間に入る」という意味ではありません。同じ手順で信頼区間を繰り返し作ったとき、約95％の区間が固定された母平均を含むという、手法の長期的な性質を表します。

13．仮説検定：観測された差は偶然で説明できるか

「あるサービスの従来の平均処理時間は50msだった。改善後の平均処理時間は本当に変わったのか？」といった疑問を考えます。

統計的仮説検定では、まず仮説を置きます。

• 帰無仮説 H₀：母平均は50である

• 対立仮説 H₁：母平均は50ではない

ここでは、母標準偏差10が既知、標本数100、観測した標本平均が52、独立な標本で正規近似が適切、という条件を置きます。

両側のz検定統計量は、

$$z=\frac{\bar{x}-\mu_0}{\sigma/\sqrt{n}} =\frac{52-50}{10/10}=2$$

標準正規分布を使うと、両側p値は約0.0455です。

有意水準を5％とすると、0.0455 < 0.05 なので帰無仮説を棄却します。これは「母平均が50という仮説のもとでは、この程度以上に極端な結果は比較的起こりにくい」という判断です。

先ほどの95％信頼区間 [50.04, 53.96] に50が含まれていないこととも、両側5％のz検定の結果は整合します。

p値について間違えやすい3点

1．p値は「帰無仮説が正しい確率」ではありません。
帰無仮説を前提に、観測値以上に極端な結果が出る確率です。

2．有意差があることと、実務上重要な差であることは別です。
効果量や費用対効果も確認します。

3．p値が0.05以上でも、差がないと証明されたわけではありません。
標本数や検出力が不足している可能性があります。

なお、母標準偏差が未知で正規母集団からの標本を扱う場合などには、標本標準偏差を用いたt検定が代表的です。z検定・t検定の使い分けは、次の学習段階で詳しく押さえると理解しやすくなります。

14．試験で混同しやすいポイント7選

① 平均値と中央値
外れ値が大きいと平均値は影響を受けやすい。一方、中央値は比較的頑健です。

② 分散と標準偏差
分散は偏差の2乗の平均、標準偏差は分散の平方根です。

③ nとn−1
集団全体の分散なのか、母分散を推定する不偏標本分散なのかを確認します。

④ 独立と排反
独立は確率に影響しないこと、排反は同時に起こらないことです。

⑤ 相関と因果
相関係数が大きくても、直接の因果関係は証明できません。

⑥ 標準偏差と標準誤差
標準偏差はデータの散らばり、標準誤差は推定量の散らばりを表します。

⑦ p値と有意水準
p値はデータから算出し、有意水準は検定前に設定する判断基準です。

15．確認問題で総復習

問題1

データ 2, 4, 4, 6, 9 の平均値、中央値、最頻値を求めてください。

解答： 平均値5、中央値4、最頻値4。

問題2

データ 2, 3, 4, 5, 6 を集団全体とみなしたとき、分散と標準偏差を求めてください。

解答： 分散2、標準偏差 √2 ≈ 1.41。

問題3

平均60、標準偏差10のテストで80点を取ったとき、zスコアと偏差値を求めてください。

解答： zスコア2、偏差値70。

問題4

公平なコインを10回投げるとき、表がちょうど3回出る確率は？

解答： 120/1024 ≈ 11.7％。

問題5

母標準偏差10が既知、標本平均100、標本数25という条件で、正規近似を使った母平均の約95％信頼区間を求めてください。

解答：

$$100 \pm 1.96\times\frac{10}{\sqrt{25}} =100\pm3.92$$

よって、[96.08, 103.92]。

問題6

p値が0.03、有意水準が0.05の両側検定で、帰無仮説をどう判断しますか？

解答： 0.03 < 0.05 のため帰無仮説を棄却します。ただし、帰無仮説が正しい確率が3％という意味ではありません。

まとめ｜公式の暗記より「何を表しているか」を押さえよう

確率・統計の基礎は、次の順番で学ぶと全体像がつながります。

1. 代表値でデータの中心を知る

2. 分散・標準偏差で散らばりを知る

3. 相関係数で二つの数量の関係を見る

4. 確率分布で不確実性を数式で捉える

5. 標本・信頼区間・仮説検定で全体について判断する

IPA試験では、単語を覚えるだけでなく、どのような状況でどの指標・計算方法を使うのかまで理解しておくと、初見の設問にも対応しやすくなります。確率・統計に苦手意識がある方は、まず「平均→偏差→分散→標準偏差」の計算を、自分の手で1回解き直すところから始めてみてください。

関連記事

参考資料

• IPA「試験要綱・シラバスについて」
  https://www.ipa.go.jp/shiken/syllabus/gaiyou.html

• IPA「基本情報技術者試験 シラバス Ver.9.2」
  https://www.ipa.go.jp/shiken/syllabus/omgdg50000005kpe-att/syllabus_fe_ver9_2.pdf

• IPA「応用情報技術者試験 シラバス Ver.7.2」
  https://www.ipa.go.jp/shiken/syllabus/omgdg50000005kq5-att/syllabus_ap_ver7_2.pdf

• 文部科学省「高等学校学習指導要領（平成30年告示）解説 数学編 理数編」
  https://www.mext.go.jp/content/20230217-mxt_kyoiku02-100002620_05.pdf

• 総務省統計局「なるほど統計学園：データの散らばりを見る」
  https://www.stat.go.jp/naruhodo/10_tokucho/chirabari.html