箱ひげ図(ハコヒゲズ)とは | 意味や読み方など丁寧でわかりやすい用語解説

箱ひげ図は、統計的なデータの分布を視覚的に表現するためのグラフの一種である。システムエンジニアを目指す初心者にとって、これは大量のデータからその特性を素早く理解し、問題を発見したり、意思決定をサポートしたりするための強力なツールとなる。データの中心がどこにあり、どの程度散らばっているか、また異常値（外れ値）は存在するかといった情報を一目で把握できるため、システム開発や運用における様々なデータ分析に応用される。例えば、サーバーのレスポンスタイムやアプリケーションの処理時間、リソース使用率などのパフォーマンスデータを分析する際に特に有用である。複数の異なるデータセットを比較する際にも、その分布の違いを直感的に捉えることができる。

箱ひげ図は、主に「箱」と「ひげ」、そして「外れ値」という三つの要素で構成されている。これらの要素を理解することで、データの全体像を深く読み解くことが可能となる。

まず「箱」について説明する。箱はデータの中心的な部分、すなわち「中央50%」の範囲を示す。箱の中央には一本の線が引かれており、これが「中央値（Median）」を表す。中央値とは、データを小さい順に並べたときにちょうど真ん中に位置する値であり、データの中心傾向を示す指標の一つである。平均値が外れ値の影響を受けやすいのに対し、中央値はその影響を受けにくいため、データの代表値として信頼性が高い場合が多い。箱の下端は「第1四分位数（Q1）」、上端は「第3四分位数（Q3）」と呼ばれる。第1四分位数はデータを小さい順に並べたときに下から25%に位置する値であり、第3四分位数は下から75%に位置する値である。つまり、箱の範囲（Q1からQ3まで）は、データ全体の中心50%が収まる範囲を示し、この範囲の広さ（Q3 - Q1）は「四分位範囲（IQR）」と呼ばれ、データの散らばり具合を表す。IQRが大きいほど、データの散らばりが大きいことを意味する。

次に「ひげ」について説明する。箱から上下に伸びる線がひげである。ひげは、箱の範囲（Q1とQ3）からさらにデータがどの程度広がっているかを示す。一般的に、ひげの先端は「四分位範囲（IQR）の1.5倍」の範囲内にある最大値と最小値を表す。具体的には、下ひげはQ1 - (1.5 × IQR) よりも大きい最小値まで、上ひげはQ3 + (1.5 × IQR) よりも小さい最大値まで伸びる。この1.5 × IQRという基準は、統計学的に「通常のデータ範囲」と見なされる範囲を定義するためによく用いられる。ひげが長いほど、データの広がりが大きいことを示し、ひげが短いほど、データが箱の周りに集中していることを示す。

最後に「外れ値」について説明する。外れ値は、ひげの範囲から外れた個々のデータ点である。これらは通常、ひげの先に点や星などの記号でプロットされる。外れ値は、データ収集時のエラー、測定ミス、あるいは本当に異常な事象が発生したことを示唆している場合がある。システム運用において、レスポンスタイムが異常に高い値を示したり、リソース使用率が急激に跳ね上がったりした場合、それが外れ値として検出されることがある。システムエンジニアはこれらの外れ値に注目し、その原因を究明することで、潜在的な問題や改善点を発見できる可能性がある。

箱ひげ図を読み取る際には、これらの要素を総合的に評価する。中央値の位置から、データの平均的な傾向がどこにあるかを把握できる。中央値が箱の中央に位置していれば、データは比較的対称に分布していると推測できるが、中央値が箱の上寄りや下寄りに位置していれば、データに偏り（歪度）があることを示す。箱の長さ、つまり四分位範囲（IQR）はデータの中心的な散らばり具合を示す。箱が短いほどデータは密に集中しており、箱が長いほどデータは広範囲に散らばっている。ひげの長さは、箱の範囲外のデータの広がりを示す。ひげが片方にだけ極端に長い場合も、データの偏りを示唆する。そして、外れ値の有無と位置は、異常なデータポイントが存在するかどうかを知らせる重要な情報となる。

システムエンジニアが箱ひげ図を活用する具体的な例をいくつか挙げる。一つは、システムパフォーマンスの分析である。例えば、複数のサーバーやアプリケーションのレスポンスタイムを比較する場合、それぞれのサービスについて箱ひげ図を作成する。これにより、どのサーバーが最も安定したレスポンスタイムを提供しているか（箱が短い）、どのサーバーに顕著な遅延（外れ値）が発生しているか、あるいは平均的なレスポンスタイム（中央値）がどの程度であるかを一目で把握できる。これにより、パフォーマンスチューニングの優先順位を決定したり、ボトルネックを特定したりする手がかりを得られる。もう一つは、リソース使用率のモニタリングである。CPU使用率やメモリ使用率の時系列データを一定期間で区切り、箱ひげ図で表現することで、平常時の使用率の範囲、ピーク時の傾向、そして異常なスパイク（外れ値）の有無を視覚的に確認できる。これにより、リソース枯渇のリスクを早期に検知し、適切な対策を講じることが可能となる。さらに、A/Bテストの結果比較にも利用できる。例えば、新しいUIを導入した際のユーザー滞在時間やクリック率について、旧UIと新UIでそれぞれ箱ひげ図を作成することで、両者の分布の違いや、新UIによって改善されたか悪化したか、あるいは外れ値として特異なユーザー行動が発生していないかを評価できる。

このように、箱ひげ図は多岐にわたるシステム関連のデータ分析において、その視覚的な分かりやすさから強力な分析支援ツールとなる。初心者システムエンジニアは、このグラフを適切に活用することで、データに基づいたより深い洞察を得て、システムの問題解決や改善提案に繋げることができるだろう。