【ITニュース解説】Skewness and Kurtosis

データ分析を行う際、私たちが最初に注目するのは、データの「中心」がどこにあるかを示す平均値、中央値、最頻値といった指標や、データの「散らばり具合」を示す分散や標準偏差といった指標だろう。しかし、これらだけではデータ全体の形、つまり「分布」を完全に理解するには不十分な場合がある。システムエンジニアとしてデータを扱う上で、より深くデータの性質を把握するためには、「歪度（わいど）」と「尖度（せんど）」という二つの重要な概念を知っておくことが不可欠だ。これらは、データがどれだけ理想的な「正規分布」（左右対称のきれいな釣り鐘型をした分布）からずれているかを教えてくれる指標である。

まず、「歪度」について説明しよう。歪度は、データ分布の「非対称性」を示す指標だ。もしデータが左右対称に分布していれば、歪度はゼロとなり、平均値、中央値、最頻値がすべて同じ値になる。これは最も理想的な状態の一つと言える。

しかし、実際のデータは必ずしも左右対称とは限らない。一つ目のパターンは、「正の歪度」、または「右に歪んだ分布」と呼ばれるものだ。この場合、分布の右側の尾が左側よりも長くなる。これは、データの大部分が比較的小さな値の範囲に集中しているものの、ごく一部に非常に大きな値（これを「外れ値」と呼ぶことがある）が存在し、それらの大きな値が平均値を右方向へ引っ張っている状態を示す。例えば、ほとんどの社員の給料が平均より低いが、ごく一部の経営層が非常に高額な給料をもらっている会社の給料分布などがこれに該当するだろう。このとき、平均値は中央値よりも大きくなる。

二つ目のパターンは、「負の歪度」、または「左に歪んだ分布」だ。こちらは正の歪度とは反対に、分布の左側の尾が右側よりも長くなる。この状況では、データの大部分が比較的大きな値の範囲に集中しており、ごく一部に非常に小さな値の外れ値が存在し、それらが平均値を左方向へ引っ張っている。例えば、ほとんどのテストの点数が高い中で、一部の生徒だけが極端に低い点数を取った場合の点数分布などが考えられる。このとき、平均値は中央値よりも小さくなる。

次に、「尖度」という概念を解説する。尖度は、データ分布の「尾の重さ」、つまり、正規分布と比較して外れ値がどれだけ極端に現れるか、そしてピークの鋭さを測る指標である。簡単に言えば、分布の「とがっているか平坦か」と「外れ値が多いか少ないか」を示すものだ。

尖度には主に三つのタイプがある。一つ目は「レプトカーティック」と呼ばれる分布だ。これは、ピークが正規分布よりも鋭く、同時に尾が重い（厚い）特徴を持つ。尾が重いということは、データの中に極端に大きい値や小さい値、つまり外れ値が正規分布よりも多く存在することを示唆している。金融市場における株価の変動データなどは、このレプトカーティックな性質を示すことが多い。突然の暴落や急騰といった極端な動きが起こりやすいことを意味する。

二つ目は「プラティカーティック」と呼ばれる分布だ。これは、ピークが正規分布よりも平坦で、尾が軽い（薄い）特徴を持つ。尾が軽いということは、正規分布と比較して、極端な外れ値が少ないことを意味する。データの値が平均値の周りに比較的均一に散らばっている状態に近いと言える。

そして三つ目は「メソカーティック」と呼ばれる分布で、これはまさに正規分布、つまり理想的な釣り鐘型の分布を指す。ピークの鋭さも尾の重さも、標準的な状態にある。

歪度と尖度は、単にデータの形状を記述するだけでなく、データサイエンスやシステム開発の現場で非常に重要な意味を持つ。 データ分析においては、これらによってデータが「正規性」の仮定に従っているかどうかを判断できる。多くの統計的分析手法はデータが正規分布に従うことを前提としているため、歪度や尖度をチェックすることで、適切な分析手法を選択する手助けとなる。

また、リスク管理の分野では特にその価値を発揮する。例えば金融分野でシステムを開発する場合、株価や為替レートの変動データがもし強い歪度を持っていたり、レプトカーティックな尖度を示していたりすれば、それは市場がより高い不確実性や、予測できない極端な変動リスクを抱えていることを示すサインとなる。このような情報を把握することで、リスクを考慮したシステムの設計やアルゴリズムの選択が可能になる。

さらに、データに基づく意思決定においても、歪度と尖度は欠かせない。平均値や標準偏差だけを見て判断すると、データの背後に潜む非対称性や外れ値の多さを見落とし、誤った結論を導き出してしまう可能性がある。例えば、平均収入が高いからといって生活が安定しているとは限らず、一部の超富裕層が平均値を押し上げているだけの正の歪んだ分布である可能性もある。このような分布では、大多数の人々は平均よりも低い収入で生活しているかもしれない。歪度と尖度を考慮することで、より現実的で正確なデータ解釈が可能となり、結果としてより適切な意思決定につながるのだ。

結論として、歪度はデータの左右対称性、つまり偏り具合を教えてくれる。一方、尖度はデータに含まれる外れ値の極端さや、分布のピークの鋭さ、尾の重さを教えてくれる。これら二つの指標を合わせて見ることで、私たちはデータの平均値や散らばり具合といった基本的な情報だけでは捉えきれない、データ分布のより深い全体像を把握することができる。システムエンジニアとしてデータを扱う際には、これらの指標を理解し、活用することで、より信頼性の高い分析や、システムの構築、そして精度の高い意思決定に貢献できるだろう。