株式投資やデータ分析の世界で「統計学」という言葉をよく耳にするけれど、数式や専門用語が並んでいて何から手を付けていいか分からない。そんな悩みを抱えていませんか？実は統計学は、難しい数学の知識がなくても、基本的な考え方さえ押さえれば初心者でも十分に理解できるものです。
この記事では、統計学の基本となる考え方や用語を、専門用語を噛み砕きながら丁寧に解説します。記述統計と推測統計の違い、データの種類や代表値、ばらつきの見方、相関関係の捉え方など、統計学を学ぶ上で必ず押さえておきたい基礎知識を網羅的にカバーしています。さらに、初心者におすすめの勉強法や学習ステップも具体的に紹介しますので、この記事を読み終えた後には、統計学の全体像がクリアに見えてくるはずです。
目次
目次
- そもそも統計学とは？基本的な定義と役割
- 統計学の基本：記述統計と推測統計の違い
- データの種類と基本的な扱い方
- 代表値とは？平均・中央値・最頻値の使い分け
- データのばらつきを測る：分散と標準偏差
- データの標準化と偏差値の考え方
- 相関関係の基本と散布図の見方
- 確率の計算と統計学の関係
- 統計学の基本を学ぶおすすめの勉強法
- まとめ
そもそも統計学とは？基本的な定義と役割
統計学とは、データを収集・整理・分析し、そこから法則性や傾向を見出す学問です。私たちの身の回りには、売上データ、株価、気温、アンケート結果など、あらゆる種類の数値情報があふれています。統計学は、このような大量のデータから意味のある情報を引き出し、未来の予測や意思決定に活用するための強力な道具となります。
統計学が扱うのは、個人ではなく集団です。例えば、ある企業の株価が上がるか下がるかを予測する際、過去の株価データという「集団」を分析することで、今後のトレンドを推測します。統計学の出発点は「測ること」であり、測定されたデータを適切に処理することで、客観的な判断が可能になるのです。
株式投資の世界でも、統計学の基本は欠かせません。テクニカル分析で使われる移動平均線やボリンジャーバンド、RSIなどのインジケーターは、すべて統計学の基本概念に基づいています。統計学の基礎を理解することで、これらの指標が何を示しているのか、どのように活用すべきかが明確になります。
統計学の基本：記述統計と推測統計の違い
統計学には、大きく分けて2つの役割があります。それが記述統計と推測統計です。この2つを混同しないことが、統計学の基本を理解する上で非常に重要です。
記述統計とは
記述統計は、手元にあるデータをわかりやすく整理し、その特徴を要約する手法です。例えば、ある銘柄の過去1年間の株価データがあったとき、その平均値や最高値、最低値、データのばらつき具合などを計算することで、データ全体の傾向を把握できます。
記述統計の代表的な手法には、以下のようなものがあります。
- 平均値・中央値・最頻値：データの中心的な傾向を示す代表値
- 分散・標準偏差：データのばらつき具合を数値化する指標
- ヒストグラムや箱ひげ図：データの分布を視覚的に表現するグラフ
- 相関係数：2つのデータの関係性の強さを示す数値
記述統計は、データそのものの特徴を客観的に表現することが目的であり、将来の予測や推論は行いません。
推測統計とは
一方、推測統計は、手元にある限られたデータ（サンプル）から、全体（母集団）の性質を推測する手法です。例えば、ある銘柄を購入した投資家100人にアンケートを取ったとき、その結果から「この銘柄を購入した全投資家の傾向」を推測するのが推測統計の役割です。
推測統計では、サンプルから得られた結果がどの程度信頼できるのか、誤差の範囲はどれくらいかを数値で示すことができます。これにより、限られた情報から全体像を推し量り、意思決定の精度を高めることが可能になります。
推測統計の代表的な手法には、以下のようなものがあります。
- 仮説検定：ある仮説が正しいかどうかをデータから検証する
- 信頼区間：推定値の信頼性を示す範囲
- 回帰分析：変数間の関係性をモデル化し、予測に活用する
記述統計と推測統計は、どちらも統計学の基本を構成する重要な柱です。データ分析の現場では、まず記述統計でデータの特徴を把握し、その上で推測統計を用いて予測や検証を行うという流れが一般的です。
データの種類と基本的な扱い方
統計学の基本を理解するには、まずデータの種類を正しく把握することが不可欠です。データには大きく分けて、質的データと量的データの2種類があり、それぞれで分析方法が異なります。
質的データ（カテゴリカルデータ）
質的データとは、数値ではなくカテゴリーや属性を表すデータです。例えば、性別（男・女）、業種（製造業・サービス業・IT業など）、投資スタイル（長期・短期・デイトレード）などが該当します。質的データは数値として計算することはできませんが、それぞれのカテゴリーの出現頻度を集計したり、円グラフや棒グラフで視覚化したりすることで、データの傾向を把握できます。
量的データ（数値データ）
量的データとは、数値で表されるデータで、計算や統計処理が可能です。量的データはさらに、離散データと連続データに分けられます。
- 離散データ：整数など飛び飛びの値を取るデータ（例：保有銘柄数、取引回数）
- 連続データ：小数を含む連続的な値を取るデータ（例：株価、売上高、利益率）
量的データは、平均や分散といった統計量を計算できるため、記述統計や推測統計の多くの手法が適用できます。
データの種類を正しく見極めることで、どの統計手法を使うべきかが明確になります。統計学の基本は、データの性質を理解し、適切な手法を選ぶことから始まります。
代表値とは？平均・中央値・最頻値の使い分け
データ全体の傾向を一言で表すために用いられるのが代表値です。代表値には、平均値、中央値、最頻値の3つがあり、それぞれ異なる特徴と使い分けがあります。
平均値（mean）
平均値は、データの合計をデータの個数で割った値です。最もよく使われる代表値で、データ全体の中心的な傾向を示します。
\(
\text{平均値} = \frac{\text{データの合計}}{\text{データの個数}}
\)
ただし、平均値は外れ値（極端に大きいまたは小さい値）の影響を受けやすいという欠点があります。例えば、5人の月間利益が10万円、12万円、11万円、13万円、100万円だった場合、平均値は29.2万円となり、実態を正しく反映しません。
中央値（median）
中央値は、データを大きさの順に並べたときに真ん中に来る値です。データの個数が偶数の場合は、中央の2つの値の平均を取ります。中央値は外れ値の影響を受けにくいため、データに極端な値が含まれる場合に有効です。
先ほどの例では、中央値は13万円となり、より実態に近い代表値となります。
最頻値（mode）
最頻値は、データの中で最も頻繁に出現する値です。質的データや離散データの分析でよく使われます。例えば、ある銘柄の取引量が最も多かった価格帯を知りたい場合、最頻値が役立ちます。
データの性質に応じて、平均値・中央値・最頻値を使い分けることが統計学の基本です。外れ値が存在する場合は中央値、カテゴリーデータでは最頻値を選ぶなど、状況に応じた柔軟な判断が求められます。
データのばらつきを測る：分散と標準偏差
代表値だけではデータの全体像は把握できません。同じ平均値でも、データが密集しているか、広く散らばっているかによって、データの性質は大きく異なります。このデータのばらつきを数値化するのが、分散と標準偏差です。
分散（variance）
分散は、各データが平均値からどれだけ離れているかを二乗して平均した値です。分散が大きいほど、データのばらつきが大きいことを意味します。
\(
\text{分散} = \frac{\sum (\text{各データ} – \text{平均値})^2}{\text{データの個数}}
\)
ただし、分散は元のデータの単位を二乗した値になるため、直感的に理解しにくいという欠点があります。
標準偏差（standard deviation）
標準偏差は、分散の平方根を取った値で、元のデータと同じ単位で表されます。そのため、データのばらつき具合を直感的に把握しやすく、実務では標準偏差がよく使われます。
\(
\text{標準偏差} = \sqrt{\text{分散}}
\)
例えば、2つの銘柄AとBがあり、どちらも平均株価が1,000円だったとします。しかし、銘柄Aの標準偏差が50円、銘柄Bの標準偏差が200円だった場合、銘柄Bの方が価格変動（ボラティリティ）が大きいことを示します。
株式投資では、標準偏差が大きいほどリスクが高いと判断されます。リスク管理の基本として、標準偏差を用いたボラティリティの分析は非常に重要です。
データの標準化と偏差値の考え方
異なる単位や尺度を持つデータを比較する際に役立つのが、データの標準化です。標準化とは、データを平均0、標準偏差1に変換する処理で、これにより異なるデータ同士を同じ尺度で比較できるようになります。
標準化の計算方法
標準化された値は、Zスコアや標準得点と呼ばれ、次の式で計算されます。
\(
Z = \frac{\text{データ} – \text{平均値}}{\text{標準偏差}}
\)
Zスコアは、あるデータが平均からどれだけ離れているかを標準偏差の単位で表します。Zスコアが+2であれば、そのデータは平均よりも標準偏差2つ分高い位置にあることを意味します。
偏差値の仕組み
学校のテストでおなじみの偏差値も、標準化の一種です。偏差値は、Zスコアを10倍して50を足した値で表されます。
\(
\text{偏差値} = Z \times 10 + 50
\)
偏差値50が平均で、60は平均より標準偏差1つ分高い位置、40は平均より標準偏差1つ分低い位置を示します。株式投資においても、銘柄のパフォーマンスを偏差値化することで、市場全体と比較した相対的な位置を把握できます。
標準化により、単位の異なるデータ（例：株価と売上高）を同じ土俵で比較できるため、多変量解析やポートフォリオ分析でも広く活用されています。
相関関係の基本と散布図の見方
2つのデータの間に関係性があるかどうかを調べるのが、相関分析です。株式投資では、ある銘柄の株価と別の銘柄の株価、あるいは株価と経済指標の間にどのような関係があるかを分析する際に相関分析が役立ちます。
相関係数とは
相関係数は、2つのデータの関係性の強さと方向を−1から+1の間の数値で表します。
- +1に近い：強い正の相関（一方が増えるともう一方も増える）
- 0に近い：相関なし（2つのデータに関係性がない）
- −1に近い：強い負の相関（一方が増えるともう一方は減る）
例えば、日経平均株価とTOPIXは強い正の相関を示すことが多く、一方が上昇すれば他方も上昇する傾向があります。逆に、株価と金利には負の相関が見られることがあります。
散布図の活用
散布図は、2つのデータの関係を視覚的に表現するグラフです。横軸に一方のデータ、縦軸にもう一方のデータをプロットすることで、データ全体の分布や傾向を一目で把握できます。
散布図を見ることで、相関の強さだけでなく、データに外れ値が含まれているか、非線形な関係があるかなども判断できます。相関関係があるからといって、必ずしも因果関係があるわけではない点に注意が必要です。統計学の基本として、相関と因果の違いを理解することは非常に重要です。
確率の計算と統計学の関係
統計学の基本には、確率の考え方も欠かせません。確率とは、ある事象が起こる可能性を0から1の間の数値で表したものです。確率が0なら絶対に起こらず、確率が1なら必ず起こることを意味します。
基本的な確率の計算
確率は、次の式で計算されます。
\(
\text{確率} = \frac{\text{事象が起こる場合の数}}{\text{全ての場合の数}}
\)
例えば、サイコロを1回振って1の目が出る確率は、1/6（約0.167）です。株式投資においても、過去のデータから「株価が上昇する確率」や「特定の条件が満たされる確率」を推定することができます。
確率分布の基本
統計学では、データがどのように分布するかを確率分布として表現します。代表的なものに正規分布（ベルカーブ）があります。正規分布では、データの約68%が平均値±標準偏差1つ分の範囲に、約95%が±標準偏差2つ分の範囲に収まります。
株価の変動やリターンの分布も、しばしば正規分布に近い形を取るため、統計学の基本として正規分布の性質を理解しておくことは、リスク管理やポートフォリオ構築に役立ちます。
統計学の基本を学ぶおすすめの勉強法
ここまで統計学の基本的な概念を解説してきましたが、実際に統計学を身につけるには、理論だけでなく実践的な学習が不可欠です。ここでは、初心者が統計学の基本を効率よく学ぶための勉強法を紹介します。
勉強法①統計学の入門書を使う
統計学の基本を体系的に学ぶには、入門書を1冊しっかり読み通すことが効果的です。数式が苦手な方には、図解やイラストが豊富な入門書がおすすめです。以下のような書籍が初心者に人気です。
- 「マンガでわかる統計学」：視覚的に理解しやすく、初学者に最適
- 「統計学が最強の学問である」：統計学の実用性や面白さを学べる
- 「基本統計学」：体系的に基礎から学べる定番の教科書
入門書を読む際は、一度で完璧に理解しようとせず、まず全体像をつかむことを目指しましょう。2周、3周と繰り返し読むことで、理解が深まります。
勉強法②WebサイトやWebサービスを使う
インターネット上には、統計学の基本を無料で学べるWebサイトや学習プラットフォームが数多くあります。
- 「統計WEB」：統計学の基礎から応用まで、ステップごとに丁寧に解説
- 「統計学の時間」：初級編から中級編まで、実例を交えながら学べる
- Udemy・Coursera：動画講座で統計学を学べるオンラインプラットフォーム
Webサイトは、自分のペースで学習できる点が大きなメリットです。また、動画講座では講師の説明を聞きながら学べるため、独学が苦手な方にも向いています。
勉強法③実際にデータを分析してみる
統計学の基本を本当に理解するには、実際にデータを触ってみることが最も効果的です。ExcelやGoogleスプレッドシートを使って、身近なデータ（例：自分の投資成績、家計簿、気温データなど）を集計し、平均や標準偏差を計算してみましょう。
さらに、PythonやRといったプログラミング言語を使えば、より高度な統計分析が可能になります。初心者向けのチュートリアルも豊富にあるので、少しずつ挑戦してみると良いでしょう。
学習ステップのまとめ
統計学の基本を学ぶ際は、以下のステップで進めるとスムーズです。
- 基本用語と概念を理解する：平均、中央値、分散、標準偏差、相関などの基本用語を押さえる
- 記述統計をマスターする：データの集計、グラフ化、代表値の計算など、手元のデータを要約する技術を身につける
- 推測統計の考え方を学ぶ：サンプルから母集団を推測する仕組みや、仮説検定の基本を理解する
- 実際のデータで練習する：理論だけでなく、実際にデータ分析を行い、統計手法を実践的に使ってみる
- 応用分野に挑戦する：株式投資のテクニカル分析やリスク管理など、自分の興味のある分野に統計学を応用する
統計学の基本は、繰り返し学習と実践を通じて身につくものです。焦らず、少しずつステップアップしていきましょう。
まとめ
統計学の基本について、記述統計と推測統計の違い、データの種類、代表値、ばらつき、相関、確率など、初心者が押さえるべき重要な概念を網羅的に解説しました。最後に、この記事のポイントを振り返りましょう。
- 統計学はデータから法則性を見出す学問：記述統計でデータを要約し、推測統計で全体を推測する2つの役割がある
- データの種類を理解する：質的データと量的データを正しく見極め、適切な分析手法を選ぶことが基本
- 代表値とばらつきを使い分ける：平均・中央値・最頻値でデータの中心を、分散・標準偏差でばらつきを把握する
- 相関と因果を混同しない：相関関係があっても因果関係があるとは限らない点に注意する
- 実践的な学習が重要：入門書やWebサイトで理論を学び、実際にデータを分析して統計学の基本を身につける
統計学の基本を理解することで、株式投資におけるテクニカル分析やリスク管理の精度が格段に向上します。この記事を出発点に、統計学の世界を楽しみながら学んでいきましょう。