偏差 (G検定)

2026年8月12日2026年9月2日

G検定

1. 定義と概要

偏差とは、統計学において個々のデータの値から平均値を引いた差のことで、各データが平均よりどれだけ大きいか、あるいは小さいかを表す指標です。式で書くと「偏差＝個々のデータの値－平均値」になります。例えば平均点60点のテストでBさんが50点だった場合、偏差は50－60＝－10点で、平均より10点低いことを示します。同じテストでEさんが80点なら、偏差は80－60＝＋20点となり、平均より20点高いことになります。

従来、データの散らばりを見る出発点として、各データと平均値との差である偏差が用いられてきました。しかし、偏差をそのまま単純に平均すると、正の偏差と負の偏差が打ち消し合って必ず0になり、データ全体のばらつきの大きさを表せないという課題があります。この課題を解消するために、分散（偏差を2乗してから平均した、データの散らばりを表す指標）という指標が用いられます。さらにその平方根を取ると、元のデータと同じ単位に戻した標準偏差（分散の平方根を取り、元のデータと同じ単位に戻した散らばりの指標）になります。

2. 試験対策ポイント

偏差の合計・平均は必ず0になるという性質は、重要な論点になります。偏差は個々の値から平均値を引いた差であるため、全データの偏差を合計すると必ず0になり、単純平均してもデータの散らばりの大きさを表す指標としては使えません。

この0になる問題を避けるために、偏差を加工した指標が用いられます。偏差から派生する指標を並べると、次のようになります。

指標	求め方	ばらつきを表せるか
偏差	各データから平均値を引く	平均すると必ず0になり、表せない
平均偏差	偏差の絶対値を平均する	表せる
分散	偏差を2乗して平均する	表せる（単位は元の2乗）
標準偏差	分散の平方根をとる	表せる（単位は元と同じ）

「偏差から分散、そして標準偏差へ」という流れは、あわせて整理しておきたい重要なテーマです。平均偏差という指標も存在しますが、数式としての扱いやすさから分散や標準偏差のほうが広く用いられます。

偏差値との違いも取り違えやすい点になります。偏差値は、偏差を標準偏差で標準化（データから平均を引いて標準偏差で割ることで、平均0・標準偏差1にそろえる処理）し、その値を10倍して50を加えることで、平均50・標準偏差10になるよう変換した相対的な指標です。式で書くと「偏差値＝（データの値－平均）÷標準偏差×10＋50」になります。単位付きの差である偏差そのものと、変換後の相対指標である偏差値は、区別して理解しておきたいところです。

3. 関連概念との比較・相違点

分散との最大の違いは、算出段階にあります。偏差は平均との差そのものであり、単位はデータと同じです。一方、分散は偏差を2乗して平均した値であり、単位はデータの2乗になります。偏差はマイナスの値も取りますが、分散は2乗しているため常に0以上の値になります。標準偏差はこの分散の平方根を取ることで単位をデータと同じに戻した指標であり、偏差と同じ単位で散らばりの大きさを比較できるようにしたものです。偏差と分散・標準偏差の違いは、この算出段階の差として整理できます。

偏差値との最大の違いは、用途にあります。偏差はデータごとに単位付きで異なる、平均からの差そのものであり、値の範囲もデータによって異なります。一方、偏差値は偏差を標準偏差で標準化し、平均50・標準偏差10になるよう変換した相対指標であり、実施回や科目が異なる試験の間でも成績の相対的な位置を比較できるようにするために使われます。偏差そのものの大小だけでは異なるデータ同士を比べにくいのに対し、偏差値は同じ物差しで比較できるように変換した数値である点が、偏差値と偏差の違いとして表れます。

4. ビジネス・実務での活用シナリオ

教育・受験の分野では、模試の得点の偏差をさらに偏差値に変換することで、実施回や科目が異なる試験の間でも成績の相対的な位置を比較できるようになります。単なる得点の差である偏差だけでは、異なる試験どうしを横並びで比較できないためです。個々の偏差を見れば、平均点に対して自分がどれだけ得点できたかがすぐに分かります。

品質管理・製造業の現場では、製品寸法データの偏差を1件ずつ確認し、規格値からのズレを個別に把握します。そのうえで分散や標準偏差を用いて工程全体のばらつきを管理し、個別の異常と全体傾向の両方を見る体制につながります。偏差の大きい製品を早期に見つけることは、規格外れの原因を個別に調べる手がかりになります。

データ分析・AI開発の分野では、特徴量（機械学習モデルへの入力として使われるデータの各項目）の標準化に偏差の考え方が使われます。平均を引いて標準偏差で割ることで、スケールの異なる特徴量をモデルが扱いやすい形にそろえられます。偏差を基準にそろえておくことで、値の大きい特徴量だけがモデルの学習結果に強く影響することを防げます。