データ分析を行う際、数値の平均値や中央値だけでは、そのデータが持つ全体像を完全に把握することはできません。
データがどのように分布しているのか、特定の方向に偏りがあるのかといった「形」を理解することが、より深い洞察を得るためには不可欠です。
そこで重要となるのが、データ分布の対称性を示す概念である「対称度」です。
本記事では、統計学における対称度とは何か、データの偏りや分布の形状とどのように関連するのか、そして対称度を定量的に測る主要な指標である「歪度（わいど）」との違いについて、わかりやすく解説していきます。
対称度とはデータ分布の左右対称性を示す重要な指標です
それではまず、対称度がデータ分布においてどのような役割を果たすのか、その結論から解説していきます。
データの形状を把握する意義
データの傾向を理解するためには、平均値や中央値といった代表値だけでなく、データがどのように散らばっているか、どのような形をしているかを把握することが非常に重要です。
対称度は、この「データの形」、特に左右対称であるか否かを数値で示すものです。
これにより、データが特定の方向に偏っているのか、それともバランス良く分布しているのかを直感的に理解することができるでしょう。
統計分析における位置づけ
統計学において、多くの分析手法はデータが特定の分布（例えば正規分布）に従うことを前提としています。
正規分布は完全な左右対称であるため、対称度を確認することは、データが正規分布に近いかどうかを判断する初期的なステップとなります。
データが非対称である場合、適切な変換を行ったり、非対称な分布に対応した統計手法を選んだりする必要が出てくるでしょう。
歪度（わいど）との関係性
対称度を定量的に評価する最も一般的な指標が「歪度（Skewness）」です。
歪度は、分布がどの程度左右に偏っているか、そしてその偏りの方向を示す値です。
このため、「対称度」という概念を理解する上で、歪度は避けて通れない重要な概念と言えるでしょう。
対称度の基本的な概念と種類について確認していきましょう
続いては、対称度の基本的な概念と、それがどのような種類に分けられるのかを確認していきます。
左右対称分布の理解
左右対称分布とは、分布の中央を境にして、左右が鏡に映したように全く同じ形をしている分布のことです。
このような分布では、平均値、中央値、最頻値がすべて一致する特徴があります。
代表的な例としては、統計学で非常に重要な「正規分布」が挙げられるでしょう。
左右対称であると、データの解釈が比較的容易になります。
【例：左右対称の分布】
あるクラスのテストの点数が、平均点70点、中央値70点、最頻値70点であり、ヒストグラムを描くと左右対称の山型になった場合、これは左右対称分布であると言えます。
非対称分布（歪んだ分布）の種類
対称でない分布は「非対称分布」または「歪んだ分布」と呼ばれます。
これらは大きく分けて「正の歪度を持つ分布」と「負の歪度を持つ分布」の2種類があります。
正の歪度を持つ分布は、分布の裾が右側に長く伸びており、平均値が中央値や最頻値よりも大きくなる傾向が見られます。
一方、負の歪度を持つ分布は、分布の裾が左側に長く伸びており、平均値が中央値や最頻値よりも小さくなる傾向があるでしょう。
ヒストグラムで見る対称度
データ分布の対称度を視覚的に捉える最も簡単な方法は、ヒストグラムを作成することです。
ヒストグラムを観察することで、左右のバランスや、どちら側にデータが偏っているか、あるいは裾が伸びているかを直感的に判断できます。
特に、左右対称な形をしているか、それともどちらかに傾いているかを見ることで、歪度の方向と程度を概ね把握することが可能です。
以下に、代表的な分布の対称性の特徴を示します。
| 分布の種類 | 特徴 | 平均値・中央値・最頻値の関係 |
|---|---|---|
| 左右対称分布 | 中央を境に左右が同じ形 | 平均値 = 中央値 = 最頻値 |
| 正の歪度分布 | 右側に長い裾、左側にデータが集中 | 最頻値 < 中央値 < 平均値 |
| 負の歪度分布 | 左側に長い裾、右側にデータが集中 | 平均値 < 中央値 < 最頻値 |
歪度（Skewness）は対称度を測る具体的な指標です
続いては、対称度を定量的に測るための主要な指標である歪度について確認していきます。
歪度とは何か
歪度（Skewness）は、データ分布の非対称性、つまり左右への偏りの度合いとその方向を示す統計量です。
歪度が0であれば、その分布は完全に左右対称であるとみなされます。
歪度が正の値であれば、右側に長い裾を持つ分布（正の歪度）、負の値であれば、左側に長い裾を持つ分布（負の歪度）ということになるでしょう。
歪度は、分布の平均値と中央値の位置関係や、データが中央からどれだけ離れて散らばっているかといった情報を総合して計算されるため、分布の形状を詳細に把握するために非常に有用な指標です。
歪度の計算と解釈
歪度は、データの各値が平均値からどれだけ離れているか（偏差）の3乗を使い、標準偏差で標準化して計算されます。
具体的な計算式は複雑ですが、概念としては「平均値からの偏差の3乗の平均」を標準偏差の3乗で割ったものとして理解できます。
【簡略的な歪度の計算イメージ】
歪度 = Σ(xi – 平均値)^3 / (n * 標準偏差^3)
ここで、xiは各データ点、nはデータ数です。
実際には「不偏歪度」など、少し複雑な補正が加えられた計算式が用いられることもあります。
この値が大きいほど偏りが強く、正負の符号で偏りの方向がわかるでしょう。
歪度とその他の統計量との違い
歪度とよく比較される統計量として「尖度（Kurtosis）」があります。
歪度が分布の左右の偏りを示すのに対し、尖度は分布の「とがり具合」や「裾の重さ」を示します。
また、分散や標準偏差がデータの散らばりの程度を示すのに対し、
歪度は散らばりの方向性や形状の非対称性に着目する点が異なります。
これらの統計量を総合的に確認することで、データの全体像をより深く理解することができるでしょう。
以下に、歪度と関連する統計量の違いをまとめます。
| 統計量 | 測るもの | 主な目的 |
|---|---|---|
| 平均値 | データの中心 | 代表値の把握 |
| 分散・標準偏差 | データの散らばり | データのばらつき度合いの把握 |
| 歪度 (Skewness) | 分布の非対称性、左右の偏り | 分布の形状、偏りの方向の把握 |
| 尖度 (Kurtosis) | 分布のとがり具合、裾の重さ | 分布の形状、中心への集中度合いの把握 |
まとめ
本記事では、統計学における「対称度」について、その基本的な概念から、データの偏りや分布の形状との関連性、そして主要な指標である「歪度」との違いまでを詳しく解説してきました。
対称度とは、データ分布が左右対称であるかどうかを示す重要な特性であり、これを理解することはデータ分析において非常に役立ちます。
特に歪度は、この対称度を定量的に評価するための指標として用いられ、分布が右に偏っているのか（正の歪度）、左に偏っているのか（負の歪度）、あるいは左右対称であるのか（歪度ゼロ）を明確に示すでしょう。
ヒストグラムを用いた視覚的な確認や、歪度などの統計量を活用することで、データの持つ「形」を深く理解し、より適切な統計分析や意思決定に繋げることができます。
データの傾向を正確に把握するためにも、対称度と歪度の概念はぜひ押さえておきたいポイントです。
