離散値 (G検定)

1. 定義と概要

離散値とは、1つ1つが独立して数えられ、値と値の間に他の値が存在しない、とびとびの数値のことです。代表的な例として、サイコロの出目（1から6）、家族の人数、来店回数、不良品の個数などが挙げられます。いずれも整数の単位で数え上げられ、たとえば人数であれば2人と3人の間に2.5人という値は存在しません。

対して連続値（身長や体重、気温のように、理論上どこまでも細かく分割できる、切れ目のない数値）は、離散値とは対照的な性質を持ちます。両者は数値データのなかでも性質が正反対の関係にあり、この対比そのものを理解するうえでの中心的な論点になっています。

従来のデータ分析では、手元のデータを平均値や分布としてまとめる記述統計（データ全体の特徴を数値や図で要約する統計の手法）が起点になります。データが離散値か連続値かによって、扱う代表的な手法やグラフでの表し方、さらには機械学習が出力する予測値の形式まで変わってきます。

教師あり学習（正解ラベルが付いたデータを使って予測モデルを学習させる機械学習の方法）における「回帰」と「分類」というタスクの区分けも、この離散値と連続値の違いに対応する関係にあります。

2. 試験対策ポイント

G検定では、教師あり学習の出力値の種類による分類が重要な論点です。分類（問題）とは、あらかじめ決められたカテゴリのどれに当てはまるかを予測するタスクで、出力は離散値（カテゴリ。例: 犬か猫か、スパムか否か）になります。

回帰（問題）とは、ある数値そのものを予測するタスクで、出力は連続値（例: 家の価格、気温）になります。出力値の種類と手法名がこのように対応している点が、両者を見分ける分かれ目になります。

データの種類の整理も重要な論点にあたります。量的データは、数値で表され、数値の大きさそのものに意味があるデータです。一方の質的データは、カテゴリで表され、数値の大小に意味がないデータを指します。この2つは、次のように内訳が分かれます。

データの種類	内訳
量的データ	離散データ・連続データ
質的データ	名義尺度・順序尺度

質的データの内訳のうち、名義尺度は血液型や性別のように順序をつけられない分類、順序尺度は満足度の5段階評価のように順序はあるが差の大きさには意味がない分類にあたります。「離散値=とびとびの数値」と「質的データ=カテゴリそのもの」を混同しやすく、取り違えやすい論点です。

グラフ表現にも同様の対応関係があります。離散値は値ごとの度数分布表（データがどの値に何個ずつ集まっているかをまとめた表）に基づく棒グラフで表されます。連続値は一定の幅の区間（階級）に区切ったヒストグラム（数値を一定の幅の区間に区切って分布を棒グラフで表した図）で表されるのが一般的です。

実務では、テストの点数のように取り得る値の種類が非常に多い離散データを、連続データとして近似的に扱う場面もあります。

3. 関連概念との比較・相違点

連続値との最大の違いは、値の取り方にあります。離散値はサイコロの出目や人数のようにとびとびの値をとるのに対し、連続値は切れ目なく続く点が異なります。またデータの数え方にも表れ、離散値は「いくつあるか」を数える対象であるのに対し、連続値は「どれだけの量か」を測る対象である点も両者を分ける軸になります。

この違いはグラフの表現にも表れます。ここまでの相違点を観点ごとに並べると、次のように整理できます。

観点	離散値	連続値
値の取り方	サイコロの出目や人数のようにとびとび	切れ目なく続く
データの数え方	「いくつあるか」を数える	「どれだけの量か」を測る
グラフ表現	値ごとの棒グラフ	階級に区切ったヒストグラム
教師あり学習のタスク	分類（問題）	回帰（問題）

連続値そのものの詳しい定義や具体例は別の記事で扱われるため、ここでは離散値との対比として位置づけるにとどめます。

質的データとの最大の違いは、数値の量を表すか、カテゴリ（種類）を表すかという軸にあります。離散値は量的データの一種であるのに対し、質的データは数値の大小に意味を持たない分類情報です。とびとびの数値を扱う離散値と、種類そのものを表す質的データは似て見えても、数える対象の性質がまったく異なる関係にあります。

たとえば「回数」や「個数」は離散値として数値の大小に意味を持ちますが、単なる「種類」の分類には数値としての大小関係は存在しません。この違いを取り違えると、分析の設計そのものが噛み合わなくなる関係にあります。

4. ビジネス・実務での活用シナリオ

小売・EC業界では、購入回数やクリック数といった離散値の推移を集計し、需要予測モデルの入力データや販促施策の効果測定に活用する事例があります。とびとびの回数データを時系列で追うことで、需要の変化やキャンペーンへの反応を数値として捉える分析につながっています。回数や件数のような離散値は集計や平均を出しやすく、施策の効果を定量的に比較する土台になっています。

製造業の品質管理では、不良品の個数（離散値）と部品の寸法（連続値）を別々の管理図（工程が安定しているかどうかを時系列のグラフと基準線で監視する品質管理の道具）で扱います。個数という離散値の急な増減と、寸法という連続値のわずかなばらつきでは異常の現れ方そのものが異なるため、データの種類に応じて異常検知の基準やアラートの出し方が使い分けられています。

金融・保険業界では、事故件数やクレーム件数のような離散値のデータをもとにリスクを見積もる分析が行われます。連続値である損害額の予測とは別のモデル設計が必要になる点が、業務のなかで離散値と連続値を区別して扱う理由にあたります。

5. 要点まとめ

• 離散値はとびとびの数値（サイコロの出目や人数など）、連続値は切れ目なく続く数値（身長や気温など）という対比で整理されます。
• 教師あり学習では、離散値（カテゴリ）を予測するのが分類問題、連続値を予測するのが回帰問題という対応関係にあります。
• データの種類の整理では、量的データが離散データと連続データに分かれ、カテゴリを表す質的データとは別の軸で扱われます。

6. 確認問題