平均＝「みんなの代表」…と思っていませんか？
実は“平均”には、見落とされがちな落とし穴が潜んでいます。
このページでは、小学生でもわかる直感的な例えから、数式・ツールでの応用、経済統計での注意点まで、「平均」という統計指標を丁寧に解説していきます。
✅ はじめに：日常にあふれる「平均」
「平均点」「平均年収」「平均気温」…
わたしたちは日常的に「平均」という言葉を使っています。
でも、その意味を正確に理解していますか？
たとえば、こんな状況を想像してみてください。
- 社員9人が年収300万円、社長1人が3000万円
→ 平均年収は570万円。でも、ほとんどの人は300万円。
つまり、「平均＝みんなの代表」と思い込むと、現実からズレた判断をしてしまう可能性があります。
🍭 直感で理解する「平均」：お菓子の分けっこ
たとえば、お菓子5個を3人で分けるとしたら？
→ 一人あたりのお菓子の目安は：
平均 = 5 ÷ 3 ≈ 1.67個
実際に1.67個を配るのは難しいですが、**「1人分の目安」**を知るのが平均の目的です。
📐 数学的な定義
統計学では、平均（算術平均）は次のように表されます：
：平均値
: データの個数
: i番目のデータ
例：70点、80点、90点 の3人のテスト結果の場合
💻 ExcelとPythonで平均を求める方法
Excelの場合：
=AVERAGE(A1:A10)
Python（NumPy）での計算：
import numpy as np
scores = [70, 80, 90]
mean_score = np.mean(scores)
print(mean_score) # 出力：80.0
⚠ 平均の落とし穴：外れ値に注意！
平均は便利ですが、外れ値に弱いという性質があります。
例：年収データ
| 人物 | 年収（万円） |
|---|---|
| 社員（9人） | 300 |
| 社長（1人） | 3000 |
合計：5700万円 → 平均年収：570万円
でも実際、90％の人は年収300万円です。
📊 平均・中央値・最頻値の違い
| 指標 | 定義 | 特徴 |
|---|---|---|
| 平均（Mean） | 合計 ÷ 個数 | 外れ値に弱い |
| 中央値（Median） | 真ん中の値 | 外れ値に強い |
| 最頻値（Mode） | 最も多く出現する値 | 分布に偏りがあると使いにくい |
→ データの種類や分布によって、適切な指標を使い分けましょう。
🌍 実例：食料価格の平均がもつ誤解
たとえば、FAOが公表する「世界の食料価格指数」は、世界全体の平均価格を示しますが：
- 富裕国の値上がりが平均を押し上げる
- 実際の貧困層の実感とはズレる
例：月別価格データ（ドル）
| 月 | 価格 |
|---|---|
| 1〜11月 | 300 |
| 12月 | 1200 |
→ 平均価格は：
でも、実態はほとんどの月が300ドル。
この場合は「中央値（300ドル）」の方が実感に近いですね。
🎯 平均が有効な場面・注意が必要な場面
平均が適しているケース：
- 身長や体重など、ばらつきが小さいデータ
- 在庫回転率、店舗売上などの傾向把握
注意すべきケース：
- 年収、土地価格など外れ値が大きいデータ
- 地域差や格差が大きい国際統計
📚 実務・学習での平均の使い方
教育現場：
- 平均点でクラスの傾向を把握
- ただし外れ値の影響には注意
ビジネス現場：
- 平均売上、平均顧客単価で全体の動向を見る
- 外れ値を除外する or 補完する工夫も必要
政策・経済統計：
- 平均年収、平均物価で経済を可視化
- 分布・分散も併せて見ることが重要
まとめ：平均だけを信じてはいけない理由
平均は便利ですが、**あくまで「1つの視点」**に過ぎません。
-
平均と合わせて中央値・最頻値も確認する
-
グラフやヒストグラムでデータ分布の形を見る
-
背景にある偏りや外れ値に気づく「統計リテラシー」が重要
📚 さらに学びたい方へ｜初心者向けおすすめ教材
「平均」「中央値」「分散」「標準偏差」など、
統計の基礎をPythonで手を動かしながら学びたい方へ。
実践×動画×演習で、あなたのデータリテラシーを飛躍的に高めます。
- ✅ Python初心者でもOK
- ✅ 実例：年収分析・商品売上・食料価格分析など
- ✅ セール中なら 1,600円〜で学習可能！
関連記事もチェック！
-
中央値とは？平均との違いと使い分け方
-
標準偏差と分散：ばらつきを読み解く方法
-
ヒストグラムでデータ分布を可視化しよう
最後にひとこと
「平均を見たら、まずは疑え」
それが、データサイエンスへの第一歩です。
📩 よかったらブックマーク・シェアして、他の記事や教材もぜひチェックしてください！
コメント