度数分布とヒストグラム：適切なビン幅の選び方

2025年8月17日

度数分布とヒストグラムの入門、そして可視化のための適切なビン幅の選び方を学びましょう。

HistogramData VisualizationBeginner

度数分布とは何か？

データを分析する際、各値（または値の範囲）がどのくらい頻繁に現れるかを知りたいことがよくあります。
度数分布表は、データを区間（階級またはビンと呼ばれる）に整理し、各区間に含まれるデータ点の数を数えます。

作成手順：

データの範囲を確認する
範囲をいくつかの区間（ビン）に分割する
各区間に含まれる観測値の数を数える

例：0から100までのテスト点数があるとします。10点刻みの区間を使う場合：

0～10点：2名
10～20点：5名
20～30点：8名
…といった具合です。

ヒストグラムとは何か？

ヒストグラムは度数分布をグラフで表現したものです。
横軸には区間（ビン）を、縦軸には度数を配置します。

棒グラフ（カテゴリカルデータ用）とは異なり、ヒストグラムは連続的な区間を示すため、棒は隙間なく接しています。

なぜビン幅が重要なのか

ヒストグラムを描く際、ビン幅（各区間の大きさ）を決める必要があります。
この選択は分布の見え方に劇的な影響を与えます。

1. ビン幅が大きすぎる場合

ヒストグラムが過度に滑らかに見え、重要な特徴が隠れてしまいます。
例：0～100を1つのビンにまとめると、全体の数しか分からず、分布の形が見えません。

2. ビン幅が小さすぎる場合

ヒストグラムがギザギザに見えます。
データのランダムなノイズが全体のパターンを覆い隠してしまう可能性があります。

ビン幅を選ぶためのルール

統計学には、ビン幅の選択を助けるいくつかのガイドラインがあります。

スタージェスの公式

$n$ 個のデータ点に対して、推奨されるビン数 $k$ は：

k = 1 + \log_2(n)

ステップごとの計算（ $n=100$ の例）：

$\log_2(100)\approx 6.64$ を計算
1を足す： $k \approx 7.64$
適切な整数に丸める：約8ビン

データの範囲を $R = \max(x)-\min(x)$ とすると、対応するビン幅は：

h = \frac{R}{k}

フリードマン・ダイアコニス法

この手法は、ビン幅 $h$ を以下のように設定します：

h = \frac{2 \cdot IQR}{n^{1/3}}

ここで $IQR = Q_3 - Q_1$ は四分位範囲です。

ステップごとの計算：

$Q_1$ （第1四分位数）と $Q_3$ （第3四分位数）を求める
$IQR = Q_3 - Q_1$ を計算
$n^{1/3}$ （標本サイズの立方根）を計算
公式に代入して $h$ を求める
必要に応じて $k \approx R/h$ を計算

この手法は外れ値に対して頑健で、歪んだデータに対してもよく機能します。

実践的なアドバイス

スタージェスの公式を最初の目安として使う
ヒストグラムが主要な形状を明らかにしつつ、ノイズが多すぎないか確認する
必要に応じて調整（ $h$ を少し大きくしたり小さくしたり）
外れ値や強い歪みがある場合はフリードマン・ダイアコニス法を優先

目標は公式に盲目的に従うことではなく、データの構造を最もよく明らかにするビンを選ぶことです。

インタラクティブデモ

以下のツールを使ってビン幅を試し、ヒストグラムの形状がどのように変化するかを見てみましょう：

インタラクティブヒストグラム：ビン数の影響

データ分布の種類：

ビン数: 10

350

現在のビン数

スタージェス公式

-Infinity

1 + log₂(n)

フリードマン・ダイアコニス法

2×IQR/n^(1/3)

注目すべきポイント：

ビンが少なすぎる：

ヒストグラムが過度に滑らかに見え、重要な特徴が隠れる

ビンが多すぎる：

ヒストグラムがギザギザに見え、ノイズがパターンを覆い隠す

ちょうど良い：

過度のノイズなしに明確な形状が見える - 推奨値を試してみてください！

標本サイズ: 0 データ点 | 範囲: N/A

重要なポイント

度数分布：データを区間に整理する
ヒストグラム：度数分布のグラフィカルな表現
ビン幅：大きすぎると詳細が隠れ、小さすぎるとノイズが強調される
スタージェスの公式またはフリードマン・ダイアコニス法を出発点として、実用的に調整する