データの収集とグラフ(統計検定4級)

集める前に決めること — PPDAC・データの種類・標本調査

PPDACサイクルをお弁当の売れ残り調査で通しでたどり、量的データと質的データの見分け方、全数調査と標本調査、無作為抽出までを数値例つきで学びます。

更新日 執筆: PassDojo 編集部

PR
目次読了目安 約8分
  1. 家計の無駄を減らしたいのに、データが使えない — 最初の一歩は「何を知りたいか」
  2. 購買部のお弁当で5段階を通しでたどる
  3. PDCAとPPDACは別物 — 出題範囲表の書き方をほどく
  4. 足してよいか、平均してよいか — 量的データと質的データの境目
  5. 全部は調べられない — 母集団・標本と、全数調査・標本調査の使い分け
  6. くじ引きが公平な理由 — 無作為抽出と標本のかたより
  7. ここまでの要点 — 調べ方の設計を5分で復習

家計の無駄を減らしたいのに、データが使えない — 最初の一歩は「何を知りたいか」

家計の無駄を減らしたいと思い、1か月分のレシートを集めたとします。ところが机いっぱいに広げても、どこを見ればよいのか分からなくなってしまいます。原因はデータの量ではなく、「何を知りたいのか」を先に決めていなかったことです。

統計では、疑問を決めてから答えを出すまでの流れを、Problem(問題)、Plan(計画)、Data(データ)、Analysis(分析)、Conclusion(結論)の5段階に整理します。頭文字を取ってPPDACサイクルと呼び、統計検定4級の出題範囲表では最初の大項目「統計的問題解決の方法」です。

この単元では、5段階を例でたどり、データの種類(量的・質的)と集め方(全数調査・標本調査・無作為抽出)も確認します。

購買部のお弁当で5段階を通しでたどる

学校の購買部が、お弁当の売れ残りに悩んでいるとします(数値は学習用の想定)。5段階を表にまとめます。

段階購買部での作業数値
P:問題「どの曜日に売れ残りが多いか」を決める毎日60食を仕入れ
P:計画期間・記録項目・数え方を決める4週間、項目は2つ
D:データ記録を取り、曜日×週の表にまとめる20日分の売れ残り食数
A:分析曜日ごとに平均し棒グラフにする4週平均は月5・火4・水7・木5・金15食
C:結論答えをまとめ、対策を決める金曜は60食から48食へ

最初のP(問題)では、知りたいことを一文にします。次のP(計画)では、期間は4週間、項目は曜日と売れ残り食数の2つ、数えるのは閉店後、と決めます。

D(データ)では、閉店後に数えた売れ残り食数を記録し、曜日と週が一目で分かる表にまとめます。ここまでがデータを集めて整える段階で、平均を求めるのは次の段階です。たとえば金曜の売れ残りは、4週で14、16、13、17食でした。

A(分析)では、まず曜日ごとの4週平均を求めます。月曜は(4+6+5+5)÷4=20÷4=5食、火曜は(3+5+4+4)÷4=16÷4=4食、水曜は(6+7+7+8)÷4=28÷4=7食、木曜は(5+4+6+5)÷4=20÷4=5食、金曜は(14+16+13+17)÷4=60÷4=15食です。

続いて、5つの平均を棒グラフにして特徴を読み取ります。全体の平均は(5+4+7+5+15)÷5=36÷5=7.2食で、金曜の15食は15÷7.2≒2.1倍と、1本だけ飛び抜けています。

C(結論)では「売れ残りは金曜に集中している」と答えます。金曜の販売数は60−14=46食、60−16=44食、60−13=47食、60−17=43食で、最大47食でした。そこで売れ残り15食の8割にあたる15×0.8=12食を減らし、60−12=48食を仕入れます。48食は最大販売数47食を下回りません。「なぜ金曜だけ余るのか」という疑問が生まれたら、再びP(問題)に戻ります。

PDCAとPPDACは別物 — 出題範囲表の書き方をほどく

統計検定4級出題範囲表(2020年4月より実施)の最初の項目には、「PDCA(PPDAC)サイクル」と書かれています。PDCAは、Plan(計画)、Do(実行)、Check(評価)、Act(改善)を回す業務改善の考え方で、なるほど統計学園でも、PPDACとは別の枠組みとして紹介されています。どちらも繰り返す点が共通で、混同しやすいところです。

見分けるポイントは中身です。PDCAのDはDo(実行)ですが、PPDACのDはData(データ)で、最初に「何を知りたいか」を決める段階があります。この項目のねらいは「統計的問題解決の方法」なので、学ぶ中心はPPDACと考えると整理できます。

出典:統計検定『統計検定4級出題範囲表(2020年4月より実施)』https://www.toukei-kentei.jp/hubfs/files/grade_range/grade4_hani_20181214.pdf 。

出典:総務省統計局『なるほど統計学園 12 問題の解決』https://www.stat.go.jp/naruhodo/12_ppdac/index.html 。

足してよいか、平均してよいか — 量的データと質的データの境目

データは量的データと質的データに分けられます。見分ける基準は、数字かどうかではなく、足したり平均したりして意味があるかどうかです。

運動会のアンケート(想定)で確かめます。5人の50m走のタイムが8.2、9.0、7.8、8.6、8.9秒だったとします。平均は(8.2+9.0+7.8+8.6+8.9)÷5=42.5÷5=8.5秒で、意味のある値です。これが量的データです。

一方、同じ5人の背番号が4、10、7、1、9番だとして同じ計算をすると、(4+10+7+1+9)÷5=31÷5=6.2番になります。6.2番の選手はいません。背番号は選手を区別する名札の役割なので、数字でも質的データです。出席番号や郵便番号も同じ仲間です。

質的データは、区分ごとの件数(度数)と割合で集計します。好きな競技を20人に尋ね、徒競走8人、リレー7人、玉入れ3人、綱引き2人だったとします。合計は8+7+3+2=20人で、割合は徒競走が8÷20=0.40(40%)、リレーが7÷20=0.35(35%)、玉入れが3÷20=0.15(15%)、綱引きが2÷20=0.10(10%)です。

項目種類集計方法
50m走のタイム量的データ平均を求める、度数分布表
好きな競技質的データ競技ごとの度数と割合
背番号質的データ選手の区別に使う。平均は不要
郵便番号質的データ地域の区別に使う。平均は不要
天気(晴れ・雨など)質的データ天気ごとの日数と割合
「はい」「いいえ」質的データ回答ごとの人数と割合、円グラフ

データの種類をさらに細かく分ける考え方は、3級で学ぶ内容です。

全部は調べられない — 母集団・標本と、全数調査・標本調査の使い分け

調べたい対象全体を母集団、その中から選んで実際に調べる一部を標本といいます。市内の中学生の睡眠時間なら、中学生全員が母集団、アンケートに答えた中学生が標本です。母集団をすべて調べる方法が全数調査、一部だけを調べる方法が標本調査です。

全数調査は、一部だけを調べることによるずれ(標本誤差)が生じない反面、膨大な費用と手間がかかります。なお、全数調査でも回答漏れや記入ミスなどの誤差は起こりうるので、「誤差がまったくない」わけではありません。代表例は国勢調査で、令和2年(2020年)の調査も、日本に住むすべての人と世帯が対象でした。標本調査は費用や手間を省けますが、母集団の本当の値とのあいだに標本誤差が生じます。

標本調査が選ばれる場面は2つあります。1つは、全部を調べると目的が果たせない場合です。電球の工場が寿命を調べるとき、点灯し続けて使い切るので、全部を調べると売る電球がなくなります。もう1つは、結果を頻繁に出したい場合です。総務省統計局の労働力調査は、就業・不就業の状況を把握するため、統計上の抽出方法で選んだ全国約4万世帯を対象に、毎月調査しています。全世帯を毎月調べるのは大変ですから、標本調査が生きる例です。国民の意見を調べる世論調査も標本調査です。

出典:総務省統計局『労働力調査』https://www.stat.go.jp/data/roudou/index.html 。

くじ引きが公平な理由 — 無作為抽出と標本のかたより

標本の選び方で大切なのは、母集団のどの対象も同じ確率で選ばれるようにすることで、これを無作為抽出といいます。くじ引きが公平なのは、全員分のくじを混ぜて引けば、選ぶ人の意図が入らないからです。

全校生徒600人から30人を選ぶ手順(想定)をたどってみます。まず名簿の生徒に1〜600の通し番号を付けます。次に、表計算ソフトのセルに =RANDBETWEEN(1,600) と入力して30個以上コピーし、乱数を並べます。出た番号の生徒を選び、同じ番号は飛ばして、30人そろうまで続けます。乱数は変わるので、番号は書き写します。どの生徒も、選ばれる確率が30÷600=0.05(5%)で等しくなります。乱数表なら、でたらめな数字を3桁ずつ読んで拾います。

無作為に選んでも、標本の値は母集団の値とぴったりは一致しません。全校で朝食を食べた生徒が456人だったとすると(想定)、割合は456÷600=0.76(76%)です。くじで選んだ30人のうち22人が食べていれば22÷30≒0.73(73%)、別の30人で24人なら24÷30=0.80(80%)と、標本ごとに少しずれます。

一方、廊下で声をかけやすい生徒だけを選ぶと、選ぶ側の都合による偏りが入ります。偶然のずれは避けられなくても、偏りは選び方で防げます。

ここまでの要点 — 調べ方の設計を5分で復習

  • PPDAC=Problem(問題)→Plan(計画)→Data(データ)→Analysis(分析)→Conclusion(結論)。結論から問題へ戻ることもある
  • 出題範囲表の「PDCA(PPDAC)サイクル」で学ぶ中心はPPDAC(PPDACのDはData)
  • 量的データ=足したり平均したりして意味があるデータ、質的データ=区分を表すデータ(好きな競技・背番号・郵便番号・天気)
  • 母集団=調べたい対象全体、標本=選んで調べた一部。全数調査は費用と手間がかかり、標本調査は標本誤差が生じる
  • 無作為抽出=どの対象も同じ確率で選ばれる方法(くじ引き・乱数表)。偏りを防げる
  • 試験での問われ方:段階の順序、場面の段階の判別、数字でも質的データになる例、標本の見分け方、標本調査を使う理由が中心

学習した内容を問題で確認しよう。統計検定4級の出題範囲に沿ったオリジナル問題集(全50問)に挑戦できます。

統計検定4級 オリジナル問題集に挑戦する